木工刀具网

 找回密码
 注册

QQ登录

只需一步,快速开始

互动
互动
技术
技术
相关
相关
展示
展示
查看: 260|回复: 0
打印 上一主题 下一主题

[家具论文] 实木地板分类方法

[复制链接]
  • TA的每日心情
    奋斗
    2018-10-20 07:49
  • 签到天数: 4 天

    掌中彩开户[LV.2]偶尔看看I

    跳转到指定楼层
    1#
    发表于 2020-1-13 10:57:10 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
    0

    马上注册,结交更多好友,享用更多功能,让你轻松玩转社区

    您需要 登录 才可以下载或查看,没有帐号?注册

    x
    实木地板分类方法[size=0.6em]①
    汪晨浩1, 徐静云1, 戴崇豪1, 周 哲1, 王艳伟2
    (1.湖州师范学院 工学院, 浙江 湖州 313000; 2.久盛地板有限公司, 浙江 湖州 313009)
    摘 要:针对实木地板分类存在的问题,提出一种实木地板分类方法.该方法首先从左至右依次采集3幅实木地板局部图像,然后通过阈值分割消除纹理等对每幅局部图像表面颜色的影响,接着提取每幅图像颜色特征并统计3幅图像特征均值,最后采用加权k近邻算法实现地板分类.实验表明,该方法提取的颜色特征能准确反映地板表面颜色;与传统方法相比,该方法分类错检率降低7.0%,分类时间减少约95%,提高了企业的产品品质和生产效率.
    关键词:实木地板; 分类; 特征提取; 颜色均值; k近邻法
    0 引 言

    [size=1em]实木地板分类是地板涂装生产过程中的关键工序.在地板涂装加工前,需要检测实木地板表面颜色,并根据颜色进行分类.因为在地板涂装生产过程中,若实木地板表面颜色存在较大差异,在相同上色工序下,会导致实木地板涂装后的成品颜色存在较大差异.传统实木地板制造业分类仍采用技工目测判断颜色后手动分类,存在严重的不足:①技工需要对实木地板表面颜色进行持续观察,极易导致视觉疲劳,错检率高;②技工技术能力不同,对实木地板颜色估计存在差异,检验结果一致性较差;③人工分类耗时较长.

    [size=1em]通过计算机采集实木地板表面颜色特征,有利于实现实木地板准确快速分类和生产自动化.上世纪30年代是计算机颜色采集的奠基阶段,国际照明委员会创建了3刺激值的表色体系[1].Kubelka等提出了Kubelka-Munk理论,该理论论证了不透明介质对光谱的吸收和散射不同,因此可以通过测试不透明介质对光谱的反射率进行不透明介质颜色量的判定[1,2].Data Color International公司的DC配色系统和颜色控制系统,利用Kubelka-Munk理论,采用分光测色仪法采集光谱的反射率,从而判定被测物品的颜色,并成功应用于纺织印染、汽车喷漆、印刷等行业[3,4].但该方法无法直接用于实木地板颜色采集,因为实木地板表面颜色不均匀,并且与纹理颜色量差异极大,如果采用分光测色仪法采集一点或多点的颜色量,若采到纹理点或非典型的表面颜色,则无法反映实木地板表面颜色特征.

    [size=1em]文献[5]通过提取木材表面颜色的低阶矩特征,并通过最短距离进行木材缺陷检测和分类.文献[6]、[7]分别提出数学形态学、灰度共生矩阵检测木材颜色和纹理的方法.文献[5]~[7]通过高清摄像头采集1幅木材图像,从图像整体中提取颜色特征,优于分光测色仪法采集一点或多点颜色量.但该方法直接用于实木地板分类仍存在两个问题:①实木地板分类是为了后继配色,企业实际生产工艺只关注表面颜色,但文献[5]~[7]是为了将纹理和缺陷严重的木材作为次品剔除,过重考虑了木材纹理和缺陷的颜色特征,影响了表面颜色特征提取的准确性;②实木地板尺寸为900×122×18 mm,长度长、宽度小.要保证该尺寸范围内光照足够均匀,成本和技术难度较大;用高清彩色相机恰好采集到完整实木地板技术极难实现;采集完整的图像颜色特征提取计算量较大,不利于快速实时处理.

    [size=1em]针对文献[5]~[7]方法应用于实木地板分类存在不足等问题,本文提出一种实木地板分类方法.通过高清彩色相机依次从左至右采集3幅地板局部图像,消除每幅图像的纹理等对表面颜色的影响;接着提取每幅图像颜色特征并计算3幅图像颜色总体特征;最后采用k近邻算法实现地板分类.结果表明:去除纹理和缺陷干扰后,采集3幅图像计算颜色特征均值,所提取的表面颜色特征更准确;通过加权计算欧氏距离和交差验证选择合适的k值,k近邻算法能准确实现实木地板分类.

    1 实木地板分类方法

    [size=1em]不同光源光照下,采集到的颜色完全不同.本研究设定了标准光源,即选择CIE标准施照态D65光源.实木地板分类方法流程如图1所示,其中第1~4步为提取实木颜色特征均值,第5步为k近邻分类.具体步骤如下:

    [size=1em](1) 在标准光源下,通过高清彩色相机从左至右依次采集3幅RGB真彩色局部图像;

    [size=1em](2) 通过阈值分割去除纹理缺陷等对图像表面颜色特征的干扰;

    [size=1em](3) 计算每幅图像RGB 3个分量的表面颜色特征;

    [size=1em](4) 计算3幅图像的颜色总体特征;

    [size=1em](5) 利用加权k近邻算法进行分类.


    2 提取实木地板颜色特征均值

    [size=1em]设实木地板24位真彩色图像RGB分量像素颜色值分别为:

    [size=1em]R(x,y),G(x,y),B(x,y),x=1,…,m1,y=1,…,m2.

    [size=1em]其中:m1、m2分别为垂直和水平像素个数;N=m1×m2为图像的总像素数,像素颜色值为0~255.

    [size=1em]由于实木地板表面颜色与纹理背景颜色存在明显差异,为了消除地板中的纹理和缺陷(节子、空心、孔洞、腐朽等)对总体颜色的干扰,需要对已获取图像进行阈值分割,具体步骤如下:

    [size=1em](1) 计算图像RGB各分量的像素颜色值出现次数.设PR(k)、PG(k)、PB(k)分别为k(k=0,…,255)种像素颜色值在图像RGB各分量中的比例:


    [size=1em](1)

    [size=1em]其中:


    [size=1em](2)


    [size=1em](3)

    [size=1em](2) 通过阈值分割去除纹理干扰.对PR(k)、PG(k)、PB(k)分别进行归一化得:


    [size=1em](4)

    [size=1em]再进行t点中值平滑滤波以去除噪声干扰:


    [size=1em](5)

    [size=1em]

    最大值及左右两边一定范围内反映实木地板表面颜色.设rmax、gmax、bmax分别为各分量 颜色值归一化次数的峰值,以rmax、gmax、bmax位置依次向左边搜索至大于0.5点的位置作为左分割点,依次向右边搜索至0.5点的位置rright、gright、bright作为右分割点.

    [size=1em](3) 计算表面颜色特征.颜色均值能反映图像表面颜色特征,计算分割后图像的像素颜色平均值如下:


    [size=1em](6)

    [size=1em](4) 提取出实木地板表面颜色总体特征.根据以上3个步骤,分别对采集到的3幅图像计算其颜色特征值,然后计算实木地板表面颜色总体特征,即3幅图像颜色特征值的平均值:


    [size=1em](7)

    [size=1em]其中,(url,ugl,ubl)、(urm,ugm,ubm)、(urr,ugr,ubr)分别为实木地板左边、中间和右边局部图像的颜色特征值.


    [size=1em]为了验证实木地板颜色特征提取效果,本文从番龙眼材种中选择典型的3种等级浅/中/深地板各1块的局部左边图,通过上述方法提取表面颜色特征.图2为提取实木地板颜色特征过程图,图2(a)为实木地板RGB图像(从左至右依次为等级浅/中/深),图像大小均为500×500像素,颜色深度为24位;图2的(b)、(c)、(d)分别是经归一化、5点平滑处理后RGB各分量中的像素颜色归一化次数;图2(e)为提取的该图像表面颜色特征.


    [size=1em]从图2可以看出:

    [size=1em](1) 纹理与表面颜色特征差异明显,纹理色泽偏暗,表面颜色色泽明亮,纹理RGB分量颜色值均小于表面颜色特征.

    [size=1em](2) 从图2的(b)、(c)、(d)可以看出,纹理和表面颜色特征并不呈现双峰特征,无法通过双峰之间的谷值进行阈值分割,因此本文采用取到最大值1的50%,即0.5作为左右两边的分割点,以简单有效地除纹理干扰.

    [size=1em](3) 从图2的(b)、(c)、(d)可以明显看出,RGB最大值左右两边并不对称,如果直接统计全部像素颜色值的平均值,则不能反映真实的表面颜色特征.

    [size=1em](4) 采用分光仪采集颜色,随机取一点,如果取到纹理点,则颜色特征会完全失真,如果随机取多点后计算均值,可以避免完全失真,但仍与表面颜色存在较大误差.

    [size=1em](5) 等级浅/深的RGB颜色值差异明显,而等级中/浅的GB颜色值较接近.但总体上典型的实木地板等级浅/中/深提取的RGB颜色特征值差异较明显.

    [size=1em]因此,本文提出的基于图像方法提取表面颜色特征准确,等级浅/中/深的RGB颜色特征值差异明显,有利于后继的配色.

    [size=1em]表1为3幅图像表面颜色总体特征.从表1可以看出,等级浅/中/深各取左、中、右3幅图像计算颜色特征,如果只取1幅图,如等级浅左侧图和中等级中间图两者的RGB值非常接近,说明浅等级左边和中等级中间表面颜色非常接近,如果只拍摄1幅图像极难分类,深等级中间图和中等级左边图RGB值也几乎一样,无法区分,但通过计算颜色总体特征,等级浅/中/深的颜色总体均值差异却极明显,有利于后继的准确分类.

    [size=0.8em]表1 3幅图像表面颜色总体特征
    [size=0.8em]Tab.1 The general color feature of three images

    3 基于k近邻的实木地板分类

    [size=1em]设训练样本集为X={(xi,yi)},i=1,…,n,其中:

    为样本的特征向量;yi∈{c1,c2,…,cl}为样本类别;l为类别数.基于k近邻的实木地板分类算法如下[7-9]:

    [size=1em](1) 计算训练样本集Xi,i=1,…,n的RGB 3个分量动态范围

    [size=1em](2) 计算测试样本X0与训练样本Xj,j=1,…,n之间的欧氏距离,对距离进行加权修正,以消除RGB 3个分量对距离影响的差异:


    [size=1em](8)

    [size=1em]其中,d0,j为测试样本与第j个训练样本之间的距离.

    [size=1em](3) 根据计算出的d0,j,j=1,…,n,从中找出值最小的k个点,涵盖这k个点训练样本的领域记作Nk(x).

    [size=1em](4) 在Nk(x)中根据多数表决规则决定测试样本X0的类别y:


    [size=1em](9)

    [size=1em]其中,δ(a,b)见式(2).

    4 实验与分析

    [size=1em]实木地板样本库见表2,其中样本数的70%作为训练样本,30%作为测试样本.图像大小为500×500,RGB颜色深度均为24位,颜色值范围为0~255.

    [size=0.8em]表2 训练和测试样本库
    [size=0.8em]Tab.2 Training and test sample library

    [size=1em](1) 样本颜色总体特征分布.为了直观理解本文提取的颜色总体特征是否可分,本文选择蟠龙眼材种作为训练样本(等级浅/中/深各210块,共630块),统计其分布状况,其对应的 RGB 3个量的动态范围分别为

    每个分量的动态范围不一致,R分量动态范围较大,G居中,B最小,通过加权可以消除动态范围带来的RGB影响差异.图3为样本颜色总体特征分布图.从图3可以看出,等级浅/中/深存在较明显的差异,等级浅/深差异极大,等级中深和等级浅中有少部分重叠,这是由于实木地板来源于自然界,颜色是从浅中到深渐变而非突变.


    [size=1em](2) 确定最优k值.k值过小,测试样本对近邻的训练样本点非常敏感,易产生过拟合;k值过大,与测试样本较远的(不相似的)训练样本也会对分类起作用,从而使分类产生错误.为了获取实木地板分类中的最优k值,本文采用交叉验证方法统计了不同k值下的错检率(图4)及不同材种和k值下的错检率(图5),其中错检率f定义为:


    [size=1em](10)

    [size=1em]式中:a为分类错误的实木地板数;b为参与分类的地板总数.从图4、图5可以看出:①对于给定的训练样本存在最优的k值;②不同材种的最优k值有差异,这是因为k值是基于训练样本确定的;③在不同的k值下计算加权欧氏距离均优于未加权,这是因为加权后有利于每个分量发挥作用,避免了动态范围大的单一分量差异极小又占比过重导致的错检.


    [size=1em](3) 对比4种分类方法.为了验证本文方法的性能,对表1三种材种分别进行训练并分类.测试所用计算机操作系统为win10/CPUCore i7-7700HQ)/内存(8G)/测试软件(MATLAB R2016a).通过人工目测法、文献[5]方法、分光测色仪法+本文的加权k近邻分类(简称分光近邻法)和本文方法共4种,分别统计分类错检数、错检率和分类时间(表3).结果表明:本文方法的错检率比人工目测法减少7.0%,执行时间减少94.9%;错检率比文献[5]方法减少11.8%,比分光近邻法减少31.2%.

    [size=0.8em]表3 4种分类方法比较
    [size=0.8em]Tab.3 Comparison of 4 kind classification methods

    5 结 论

    [size=1em](1) 提出实木地板表面颜色总体特征提取方法.该方法首先在标准光源下,通过高清彩色相机从左至右依次采集3幅RGB真彩色局部图像;然后通过阈值分割去除纹理缺陷等对图像表面颜色特征的干扰;接着计算每幅图像RGB 3个分量的颜色特征;最后计算3幅图像的颜色总体特征.实验结果表明,该方法提取的颜色特征能准确反映实木地板表面颜色,准确度优于分光测色仪法.

    [size=1em](2) 提出基于k近邻的实木地板分类方法.根据实木地板样本RGB分量动态范围存在的差异,引入权值修正欧氏距离,通过交叉验证确定最优k值.实验结果表明,本文提出的方法比企业实际使用的人工目测法分类错检率减少7.0%,分类时间减少了94.6%;错检率比文献[5]方法减少11.8%,比分光近邻法减少31.2%.

    [size=1em]参考文献:

    [size=1em][1]KUBELKA P.Ein beitrag zur optik der farban striche [J].Z tech Phys,1931,12:593-603.

    [size=1em][2]徐海松.Kubelka-Munk理论在纺织印染自动配色中的应用研究[J].光子学报,1998,27(4):338-341.

    [size=1em][3]刁智多.基于人工神经网络分类器的实木在线分选研究[D].哈尔滨:东北林业大学,2012:3-9.

    [size=1em][4]倪茜茜,祁亨年,周竹,等.基于高光谱成像技术的红酸枝木材种类识别[J].浙江农林大学学报,2016,33(3):489-494.

    [size=1em][5]戴天虹,王克奇,杨少春.基于颜色特征对木质板材分级的研究[J].系统仿真学报,2008,20(5):1 372-1 376.

    [size=1em][6]牟洪波,王世伟,戚大伟,等.基于灰度共生矩阵和模糊BP神经网络的木材缺陷识别[J].森林工程,2017,33(4):40-43.

    [size=1em][7]DELGADO A,BRITO J D,SILVESTRE J D.Inspection and diagnosis aystem for wood flooring [J].Journal of Performance of Constructed Facilities,2013,27(5):564-574.

    [size=1em][8]KELLER J M,GRAY M R,GIVENS J A.A fuzzy K-nearest neighbor algorithm [J].IEEE Transactions on Systems Man & Cybernetics,2012,SMC-15(4):580-585.

    [size=1em][9]VITOLA J,POZO F,TIBADUIZA D,et al.A sensor data fusion system based on k-nearest neighbor pattern classification for structural health monitoring applications [J].Sensors,2017,17(2):1-26.

    [size=1em][10]胡雨,陈雪东.基于MH算法的贝叶斯网络结构学习的改进[J].湖州师范学院学报,2018(2):6-11.


    Solid Wood Flooring Classification Method
    [size=1em]WANG Chenhao1, XU Jingyun1, DAI Chonghao1, ZHOU Zhe1, WANG Yanwei2
    [size=1em](1.School of Engineering, Huzhou University, Huzhou 313000, China; 2.Treessun Florring Co. Ltd, Huzhou 313009, China)

    [size=1em]Abstract:Aiming at the problem of Solid wood floor classification at present, a kind of solid wood flooring classification is put forward. The method firstly collects local image of three wood flooring from left to right, and then it eliminates wood texture and defect impact on overall each color image by the threshold value. The color features of each image were extracted and the mean values of the three images were statistically analyzed. Finally, the weighted k-nearest neighbor algorithm was used to realize the classification of the floor. The experimental results show that the color features extracted by the method can accurately reflect the overall color of the floor and the classification fault detection rate of the method reduced by 7.2%, classification time reduced approximately by 96% compared to the traditional method, and the product quality and productive efficiency of the enterprise are improved.

    [size=1em]Keywords:solid wood flooring; classification; feature extraction; color features; k-nearest neighbor algorithm


    [size=1em]①收稿日期:2018-12-11

    [size=1em]基金项目:国家自然科学基金项目(61703158);湖州市科技计划立项项目(2016GG14);国家级大学生创新创业训练计划项目(201810347025).

    [size=1em]通信作者:徐静云,博士,讲师,研究方向:模式识别、故障诊断与预测.E-mail:xjy@zjhu.edu.cn



    分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
    收藏收藏 分享分享 分享淘帖
    您需要登录后才可以回帖 登录 | 注册

    本版积分规则

    木工刀具论坛·免责声明

    本站提供网上自由讨论使用,所有个人言论并不代表本站立场,与本站立场无关,本站不会对其內容负任何责任。
    木工刀具网是非营利性交流网站,旨在进行个人学习和交流。本站内容均经过严格审查筛选,网站部分文章和资料均从网上搜集整理,由热心网友自由上传,版权归原作者所有,只做为交流学习之用,不得用于商业用途,法律后果自负。如您发现违反国家法律法规的相关內容,请立即联系我们,我们立刻从网站上删除,并致以最深的歉意。 Email:yygyfnn@163.com 微信:157561175

    网站掌中彩开户| 关于我们| 广告招商| 帮助中心 手机版|Archiver|家具木工机械刀具 ( )   map

    GMT+8, 2020-4-6 00:54 , Processed in 0.187503 second(s), 34 queries . 公网安备 33011802001189号

    Powered by Templates © 2001-2017

    快速回复 返回顶部 返回列表
    永胜彩票开户 彩票高賠率好平台 赢冢彩票注册 亿家彩票开户 真龙彩票注册 掌中彩开户 贵州快3 龙猫彩票注册 信彩彩票开户 亿家彩票注册