买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京林业大学

摘要：本发明涉及一种基于半监督多任务检测的木地板颜色分类及缺陷检测方法，属于图像处理领域。该方法包括：对输入图像进行缺陷色彩校正；标记少量图像作为数据集输入Color‑RCNN模型训练，实现颜色分类和缺陷检测；训练半监督预测监视网络判别伪标签是否准确的；用Color‑RCNN模型预测剩余的未标记图像，实现颜色分类，生成伪标签，用半监督预测监视网络对伪标签进行判别，将正确的检测框留下，过滤掉错误的检测框；将识别正确的图像加入数据集，重新输入Color‑RCNN模型训练，预测剩余的未标记图像，直至未标记图像全部获得正确标签，实现半监督学习。本发明在图像识别的过程中，通过半监督学习，使用少量人工标记和大量未标记的木地板图像训练出模型，提高了分选的效率。

主权项：1.基于半监督多任务检测的木地板颜色分类及缺陷检测方法，其特征在于，采集木地板图像利用基于灰度世界算法和完美反射算法结合的色彩矫正公式进行缺陷色彩校正；标记少量图像作为数据集输入基于Faster-RCNN改进的Color-RCNN模型进行训练，实现木地板的颜色分类和缺陷检测；将有标记图像中的检测框作为正样本，在未标记图像上随机画框作为负样本，训练基于卷积神经网络设计的半监督预测监视网络判别伪标签是否准确；用训练好的Color-RCNN模型预测剩余的未标记图像，实现颜色分类，生成伪标签，利用半监督预测监视网络对伪标签进行判别，将正确识别的检测框留下，过滤掉错误的检测框；将识别正确的图像加入数据集，重新输入Color-RCNN模型训练，预测剩余的未标记图像，直至未标记图像全部获得可靠标签，实现半监督学习，包括以下步骤：S1：采集多种颜色并且有缺陷的木地板图像，标注少量木地板中的颜色类别以及框选缺陷位置作为有标记图像，剩余作为未标记图像，由于缺陷可能对木地板颜色识别造成影响，根据缺陷色彩校正公式矫正木地板颜色；S2：利用有标记图像训练出一个Color-RCNN模型，实现木地板的颜色分类和缺陷检测；S3：将有标记图像的检测框作为正样本，在部分图像上随机画框作为负样本，构建一个包含正负样本的数据集，训练一个半监督预测监视网络，输入为ROI的特征表示和ROI的类别，输出为该ROI是否为可靠的伪标签，判别伪标签是否准确；S4：用训练好的Color-RCNN模型预测剩余的未标记图像，实现颜色分类，生成伪标签，利用半监督预测监视网络对伪标签进行判别，将正确识别的检测框留下，过滤掉错误的检测框；S5：筛选后的未标记图像和有标记图像结合起来，重新训练Color-RCNN模型，预测剩余的未标记图像，直至未标记图像全部获得可靠标签，实现半监督学习；在所述步骤S1中，使用基于灰度世界和完美反射结合的色彩矫正器矫正木地板颜色，基于灰度世界算法和完美反射算法结合的色彩矫正公式，如下所示： 其中，Rcorr表示考虑了缺陷占比面积和分布情况的R通道校正值，Gcorr表示考虑了缺陷占比面积和分布情况的G通道校正值，Bcorr表示考虑了缺陷占比面积和分布情况的B通道校正值，Ravg表示R通道平均值，Gavg表示G通道平均值，Bavg表示B通道平均值，Rmax表示R通道最大值，Gmax表示G通道最大值，Bmax表示B通道最大值，Gf表示核函数gx的傅里叶变换，gx表示描述缺陷占比面积的分布情况的高斯核函数，f表示频率，A表示木地板中多有缺陷占比面积的总和，x表示单个缺陷占比面积，将傅里叶变换和反变换的过程进行展开，可以得到： 接着，可以将指数项进行合并，得到： 最后，可以将x从积分中提出来，得到： 其中，表示核函数在频域中的值，可以通过傅里叶反变换得到，当缺陷占比面积分布更加均匀时，的值会更加集中在低频部分，反之则会更加分散在高频部分，因此，的值可以用来表示缺陷占比面积分布对颜色的影响程度，在色彩校正公式中，将与x进行卷积或积分，就可以得到考虑缺陷占比面积分布影响后的色彩校正值。

全文数据：

权利要求：

百度查询： 南京林业大学 基于半监督多任务检测的木地板颜色分类及缺陷检测方法