CN114492633B - 一种基于多波长透射特性的有色透明塑料分类方法及系统 - Google Patents

Abstract

本发明设计塑料分选领域，公开了一种基于多波长透射特性的有色透明塑料分类方法，方法包括：获取待测有色透明塑料的透射检测图像；按照预设的特征提取规则获取透射检测图像的特征向量；将特征向量发送分类模型；分类模型为训练完成的深度学习模型；获取分类模型对待测有色透明塑料的颜色分类结果，通过对待测有色透明塑料进行图像采集，得到透射检测图像，然后提取透射检测图像的特征向量来输入训练完成的深度学习模型，能够快速且准确的获取待测有色透明塑料的颜色分类结果，很大程度上避免了颜色相近的待测有色透明塑料无法被人工准确区分的情况，具有相当的实用性。

Description

一种基于多波长透射特性的有色透明塑料分类方法及系统

技术领域

本发明属于塑料处理领域，涉及塑料分选技术，具体是一种基于多波长透射特性的有色透明塑料分类方法及系统。

背景技术

塑料制品是采用塑料为主要原料加工而成的生活、工业等用品的统称。包括以塑料为原料的注塑、吸塑等所有工艺的制品。塑料是一类具有可塑性地合成高分子材料，它与合成橡胶、合成纤维形成了日常生活不可缺少的三大合成材料。具体地说，塑料是以天然或合成树脂为主要成分，加入各种添加剂，在一定温度和压力等条件下可以塑制成一定形状，在常温下保持形状不变的材料。

现有技术中，废旧有色透明塑料的颜色种类众多，如果不进行颜色分类，塑料颗粒在二次使用时会产生杂色污染，影响产品的整体颜色美观，传统的塑料颜色分类大多依靠人工识别完成，分选费时费力，识别效率低下，当下虽然存在机器视觉技术对废旧塑料的颜色进行识别，但是机器视觉技术只能实现某一种颜色挑选或者大类别颜色区别，对于颜色相近的废旧有色透明塑料，其分选效果不好，并且当前的机器视觉技术，大多采用反射光的光学环境，处于此种光学环境下废旧有色透明塑料的表面会形成反射光，从而影响了颜色识别准确率，为此，我们提出一种基于多波长透射特性的有色透明塑料分类系统及方法。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于多波长透射特性的有色透明塑料分类系统及方法。

本发明所要解决的技术问题为：

如何提升有色透明塑料的颜色分类效率和精准度。

本发明的目的可以通过以下技术方案实现：

一种基于多波长透射特性的有色透明塑料分类方法，所述方法包括：

获取待测有色透明塑料的透射检测图像；

按照预设的特征提取规则获取所述透射检测图像的特征向量；

将所述特征向量发送分类模型；所述分类模型为训练完成的深度学习模型；

获取所述分类模型对所述待测有色透明塑料的颜色分类结果。

进一步地，所述分类模型通过以下步骤得到：

获取第i个有色透明塑料的样本在第j种波长光照射下的透射样本图像P_i,j；

针对每个透射样本图像P_i,j，根据所述特征提取规则获取所述透射样本图像P_i,j的特征样本；其中，所述特征样本包含代表所述有色透明塑料对应颜色分类的数字标签；

基于透射样本图像集合对深度学习模型进行训练，得到所述分类模型；所述透射样本图像集合包括每个透射样本图像P_i,j所对应的特征样本。

进一步地，所述特征提取规则包括：

针对每个透射检测图像或透射样本图像P_i,j，获取透射检测图像或透射样本图像P_i,j的三原色分量R_i,j、G_i,j、B_i,j；

所述特征向量或特征样本的向量值F_i,j的计算公式如下：

F_i,j＝(R_i,j/G_i,j，G_i,j/B_i,j，B_i,j/R_i,j)。

进一步地，还包括：

根据预设的识别难度鉴定规则获取所述透射检测图像的处理难度等级；

根据所述处理难度等级设定所述透射检测图像的获取次数；每针对同一所述待测有色透明塑料进行一次透射检测图像的获取，就针对该透射检测图像进行相应的一次特征向量的获取。

进一步地，针对同一所述待测有色透明塑料的所有透射检测图像，将对应的特征向量逐个的输入所述分类模型中；

获取所述分类模型针对该待测有色透明塑料输出的所有颜色分类结果；

统计所有颜色分类结果中各个颜色分类结果所对应的概率；

取最大概率所对应的颜色分类结果作为最终的颜色分类结果。

进一步地，所述处理难度等级的获取方法包括：

获取所述透射检测图像对应待测有色透明塑料的的体积值T_ju；所述透射检测图像为在第j种波长光照射下的第u个透射检测图像；

对所述待测有色透明塑料的正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图进行像素点计算；

若正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图中均存在不同颜色的像素点，则对应的待测有色透明塑料的像素等级为第一像素等级，并设定对应的像素系数；

若正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图中其中一张图片存在不同颜色的像素点但不是所有图片存在不同颜色的像素点，则对应的待测有色透明塑料的像素等级为第二像素等级，并设定对应的像素系数；

若正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图中均不存在不同颜色的像素点，则对应的待测有色透明塑料的像素等级为第三像素等级，并设定对应的像素系数；

将体积值T_ju和像素系数代入计算式计算得到待测有色透明塑料的处理值CLu，计算式具体如下：

式中，Xu为待测有色透明塑料的像素系数，a1和a2均为固定数值的比例系数，且a1和a2的取值均大于零；

若CLu＜Q1，则待测有色透明塑料的处理难度等级为第三处理难度等级；

若Q1≤CLu＜Q2，则待测有色透明塑料的处理难度等级为第二处理难度等级；

若Q2≤CLu，则待测有色透明塑料的处理难度等级为第一处理难度等级；其中，Q1和Q2均为处理阈值，且Q1＜Q2。

进一步地，第一像素等级的像素系数大于第二像素等级的像素系数，第二像素等级的像素系数大于第三像素等级的像素系数；

第一处理难度等级的处理难度大于第二处理难度等级的处理难度，第二处理难度等级的处理难度大于第三处理难度等级的处理难度。

一种基于多波长透射特性的有色透明塑料分类系统，包括：

图像采集模块，用于获取待测有色透明塑料的透射检测图像；

特征获取模块，与所述图像采集模块连接，用于按照预设的特征提取规则获取所述透射检测图像的特征向量；

数据处理单元，与所述特征获取模块连接，用于接收所述特征向量，输出对所述待测有色透明塑料的颜色分类结果；其中，所述数据处理单元包括分类模型。

与现有技术相比，本发明的有益效果是：

本发明通过对待测有色透明塑料进行图像采集，得到透射检测图像，然后提取透射检测图像的特征向量来输入训练完成的深度学习模型，能够快速且准确的获取待测有色透明塑料的颜色分类结果，很大程度上避免了颜色相近的待测有色透明塑料无法被人工准确区分的情况，具有相当的实用性。

针对一个待测有色透明塑料，本发明通可过对该待测有色透明塑料的第一张透射检测图像进行处理难度等级的分类，对待测有色透明塑料以及相应特征向量的获取总量进行设定，在必要时，还可以对透射检测图像在获取时所采用光照的波长进行切换，选取最大概率的颜色分类作为最终的颜色分类结果，从而在保证颜色分类效率的同时，大幅的提升颜色分类准确度。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的有色透明塑料分类方法框图；

图2为本发明中分类模型的训练方法框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，一种基于多波长透射特性的有色透明塑料分类方法，方法包括：

获取待测有色透明塑料的透射检测图像；

按照预设的特征提取规则获取透射检测图像的特征向量；

将特征向量发送分类模型；分类模型为训练完成的深度学习模型；

获取分类模型对待测有色透明塑料的颜色分类结果。

本发明摒弃现有人工识别有色透明塑料颜色的方法，通过对待测有色透明塑料进行图像采集，得到透射检测图像，然后提取透射检测图像的特征向量来输入训练完成的深度学习模型，能够快速且准确的获取待测有色透明塑料的颜色分类结果，很大程度上避免了颜色相近的待测有色透明塑料无法被人工准确区分的情况，具有相当的实用性。

在本实施例中，考虑到待测有色透明塑料的采集需要光照下进行，而不同波长的光照在照射到待测有色透明塑料表面时所形成的反射光会有所不同，因此会影响深度学习网络的颜色识别准确率，因此在建立用于训练深度学习网络的训练样本集合的下述步骤中，采用了j种不同波长的光照对有色透明塑料的样本进行照射，来获得不同波长光照下的透射检测图像，以此来丰富对深度学习网络的训练样本集合。

如此，分类模型通过以下步骤得到：

获取第i个有色透明塑料的样本在第j种波长光照射下的透射样本图像P_i,j；0<i<＝n，0<j<＝m；

针对每个透射样本图像P_i,j，根据特征提取规则获取透射样本图像P_i,j的特征样本；其中，特征样本包含代表有色透明塑料对应颜色分类的数字标签；

基于透射样本图像集合对深度学习模型进行训练，得到分类模型；透射样本图像集合包括每个透射样本图像P_i,j所对应的特征样本。

具体的，在本发明分类模型的训练过程中，当预先设定n＝100，m＝6时，也就是采用6种不同波长的光对100个有色透明塑料的样本进行照射，这6种不同波长的光的波长分别为381nm、439nm、495nm、520nm、620nm和白光波长；也就是说，针对同一个有色透明塑料的样本，通过6次照射可以获得对应的6个不同的透射样本图像P_i,j，这6个透射样本图像P_i,j虽然不能够被人眼进行明显的区分，但是根据特征提取规则获取的6个特征样本之间会存在区别。

另外，为了进一步提升分类模型的识别准确度，可以对透射样本图像集合中的部分样本进行指定扰动的添加；具体的，该指定扰动为与该部分样本对应的透射样本图像P_i,j的像素点相同的色块，该色块的每个像素点都会对该透射样本图像P_i,j中的每个像素点进行修改，该过程需要在透射样本图像的获取步骤进行添加，因此对应的特征样本也会发生变化，本发明可以以此来对透射样本图像集合进行样本的扩充，并提升分类模型的识别准确度。

该特征提取规则包括：

针对每个透射检测图像或透射样本图像P_i,j，获取透射检测图像或透射样本图像P_i,j的三原色分量R_i,j、G_i,j、B_i,j；

特征向量或特征样本的向量值F_i,j的计算公式如下：

F_i,j＝(R_i,j/G_i,j，G_i,j/B_i,j，B_i,j/R_i,j)。

因此，针对100个有色透明塑料的样本，通过6种不同波长的光进行照射，可以获得600个不同的透射样本图像，因此可以基于上述原理大幅的扩充对深度学习网络的训练样本数量，从而大幅度的提升分类模型的对待测有色透明塑料的颜色识别准确度。

在本实施例中，不同波长的光照可通过专门的仪器提供，比如多波长光源，但是在对后续待测有色透明塑料进行颜色分类结果的获取时，依然可能存在识别误差，因为实际使用环境并非理想情况，提供不同波长的光照的仪器存在性能上的波动，或者待测有色透明塑料本身的不均匀色彩情况，可能会对颜色分类结果的正确率产生影响，为尽量消除该影响，采用如下步骤对透射检测图像进行处理：

根据预设的识别难度鉴定规则获取透射检测图像的处理难度等级；

根据处理难度等级设定透射检测图像的获取次数；每针对同一待测有色透明塑料进行一次透射检测图像的获取，就针对该透射检测图像进行相应的一次特征向量的获取。

针对同一待测有色透明塑料的所有透射检测图像，将对应的特征向量逐个的输入分类模型中；

获取分类模型针对该待测有色透明塑料输出的所有颜色分类结果；

统计所有颜色分类结果中各个颜色分类结果所对应的概率；

取最大概率所对应的颜色分类结果作为最终的颜色分类结果。

也就是说，在对待测有色透明塑料的透射检测图像进行获取后，可以根据预设的识别难度鉴定规则对该透射检测图像进行处理难度等级的判断，随着处理难度等级的升高，相应的可以提升透射检测图像的获取次数，相应的获取次数的提升，可以有效提升分类模型的对待测有色透明塑料的颜色识别准确度。

比如，在难度等级较高的情况下，可以设定透射检测图像的获取次数为8次，也就是说，针对同一个待测有色透明塑料进行透射检测图像获取时，需要照射8次，至于光照波长可以选择不发生变化，在此基础上，针对同一个待测有色透明塑料可以获得8个特征向量，将这8个特征向量逐个输入分类模型中便可获得8个颜色分类结果，此时可以对这8个颜色分类结果进行统计，分类模型输出的颜色分类结果可以为代表对应颜色的数字标签。

具个例子，若这8个颜色分类结果分别为0002、0002、0002、0002、0002、0002、0001、0002，数字标签0001对应的概率为1/8，数字标签0002对应的概率为7/8，很显然，该待测有色透明塑料最终的颜色分类结果为数字标签0002所对应的颜色分类；

若这8个颜色分类结果分别为0001、0002、0001、0002、0001、0002、0001、0002，数字标签0001对应的概率为1/2，数字标签0002对应的概率为1/2，两者概率相等则无法得到最终的颜色分类结果，此时可以继续提升难度等级，将透射检测图像的获取次数进一步提升至10次，然后按照上述原理继续进行分类；

若最终难度等级提升至最高后，依然无法获得最终的颜色分类结果时，可以在获取对应次数的透射检测图像时，对光照的波长进行随机或者循环调用，然后按照上述原理继续进行分类。如此，可以充分的提升对待测有色透明塑料的颜色分类的准确度。

比如，当难度等级无法再继续提升时，可采用381nm、439nm、495nm、520nm、620nm这几种波长的光对待测有色透明塑料进行照射，然后进行透射检测图像的采集。在采集时，可以对在381nm波长的光照下对待测有色透明塑料进行连续的4次采集，相应的可以得到4个特征向量，其他4种波长的光照同理；

之后，可分别从上述的5种波长的光照条件下分别随机的提取一个特征向量，比如可以提取381nm波长光照下的第2次照射得到的特征向量、439nm波长光照下的第3次照射得到的特征向量、495nm波长光照下的第1次照射得到的特征向量、520nm波长光照下的第3次照射得到的特征向量、520nm波长光照下的第4次照射得到的特征向量，然后将上述5个特征向量依次输入分类模型中，获取最终的颜色分类结果。

当然，在本发明中针对同一个待测有色透明塑料进行透射检测图像获取时，也可以将多次不同波长光照下所得到的特征向量进行组合后，输入分类模型中进行分类；比如，将381nm波长光照下的第a次照射得到的特征向量、439nm波长光照下的第b次照射得到的特征向量、495nm波长光照下的第c次照射得到的特征向量、520nm波长光照下的第d次照射得到的特征向量、520nm波长光照下的第e次照射得到的特征向量进行合并，然后将合并后的数据作为一个新的特征向量输入分类模型中进行分类。其中，a、b、c、d、e可以相等，也可以为互不相等的正整数；当然，该分类模型需要在训练阶段对上文中透射样本图像集合进行扩充后进行再次训练才可以使用；举个例子，本实施例中上述组合的新的特征向量为5个特征向量的组合，因此用于训练的透射样本图像集合中的新扩充的每个样本同样也需要是5个不同波长光照下得到的特征向量的组合。

特别的，为尽量提高识别效率，可将光照的波长种类数量设置为正奇数。

具体的，处理难度等级的获取方法包括：

获取透射检测图像对应待测有色透明塑料的的体积值T_ju；透射检测图像为在第j种波长光照射下的第u个透射检测图像；

对待测有色透明塑料的正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图进行像素点计算；

若正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图中均存在不同颜色的像素点，则对应的待测有色透明塑料的像素等级为第一像素等级，并设定对应的像素系数；

若正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图中其中一张图片存在不同颜色的像素点但不是所有图片存在不同颜色的像素点，则对应的待测有色透明塑料的像素等级为第二像素等级，并设定对应的像素系数；

若正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图中均不存在不同颜色的像素点，则对应的待测有色透明塑料的像素等级为第三像素等级，并设定对应的像素系数；

将体积值T_ju和像素系数代入计算式计算得到待测有色透明塑料的处理值CLu，计算式具体如下：

式中，Xu为待测有色透明塑料的像素系数，a1和a2均为固定数值的比例系数，且a1和a2的取值均大于零；

若CLu＜Q1，则待测有色透明塑料的处理难度等级为第三处理难度等级；

若Q1≤CLu＜Q2，则待测有色透明塑料的处理难度等级为第二处理难度等级；

若Q2≤CLu，则待测有色透明塑料的处理难度等级为第一处理难度等级；其中，Q1和Q2均为处理阈值，且Q1＜Q2。

其中，第一像素等级的像素系数大于第二像素等级的像素系数，第二像素等级的像素系数大于第三像素等级的像素系数；

第一处理难度等级的处理难度大于第二处理难度等级的处理难度，第二处理难度等级的处理难度大于第三处理难度等级的处理难度。

一种基于多波长透射特性的有色透明塑料分类系统，包括：

图像采集模块，用于获取待测有色透明塑料的透射检测图像；

特征获取模块，与图像采集模块连接，用于按照预设的特征提取规则获取透射检测图像的特征向量；

数据处理单元，与特征获取模块连接，用于接收特征向量，输出对待测有色透明塑料的颜色分类结果；其中，数据处理单元包括分类模型。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置，比例系数和权重系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于比例系数和权重的大小，只要不影响参数与量化后数值的比例关系即可。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (5)

1.一种基于多波长透射特性的有色透明塑料分类方法，其特征在于，所述方法包括：

获取待测有色透明塑料的透射检测图像；

按照预设的特征提取规则获取所述透射检测图像的特征向量；

将所述特征向量发送分类模型；所述分类模型为训练完成的深度学习模型；

获取所述分类模型对所述待测有色透明塑料的颜色分类结果；

所述方法还包括：

根据预设的识别难度鉴定规则获取所述透射检测图像的处理难度等级；

根据所述处理难度等级设定所述透射检测图像的获取次数；每针对同一所述待测有色透明塑料进行一次透射检测图像的获取，就针对该透射检测图像进行相应的一次特征向量的获取；

针对同一所述待测有色透明塑料的所有透射检测图像，将对应的特征向量逐个的输入所述分类模型中；

获取所述分类模型针对该待测有色透明塑料输出的所有颜色分类结果；

统计所有颜色分类结果中各个颜色分类结果所对应的概率；

取最大概率所对应的颜色分类结果作为最终的颜色分类结果；

所述处理难度等级的获取方法包括：

获取所述透射检测图像对应待测有色透明塑料的体积值T_ju；所述透射检测图像为在第j种波长光照射下的第u个透射检测图像；

对所述待测有色透明塑料的正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图进行像素点计算；

若正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图中均存在不同颜色的像素点，则对应的待测有色透明塑料的像素等级为第一像素等级，并设定对应的像素系数；

若正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图中其中一张图片存在不同颜色的像素点但不是所有图片存在不同颜色的像素点，则对应的待测有色透明塑料的像素等级为第二像素等级，并设定对应的像素系数；

若正视塑料图、后视塑料图、左视塑料图、右视塑料图、上视塑料图和下视塑料图中均不存在不同颜色的像素点，则对应的待测有色透明塑料的像素等级为第三像素等级，并设定对应的像素系数；

将体积值T_ju和像素系数代入计算式计算得到待测有色透明塑料的处理值CLu，计算式具体如下：

；式中，Xu为待测有色透明塑料的像素系数，a1和a2均为固定数值的比例系数，且a1和a2的取值均大于零；

若CLu＜Q1，则待测有色透明塑料的处理难度等级为第三处理难度等级；

若Q1≤CLu＜Q2，则待测有色透明塑料的处理难度等级为第二处理难度等级；

若Q2≤CLu，则待测有色透明塑料的处理难度等级为第一处理难度等级；其中，Q1和Q2均为处理阈值，且Q1＜Q2。

2.根据权利要求1所述的一种基于多波长透射特性的有色透明塑料分类方法，其特征在于，所述分类模型通过以下步骤得到：

获取第i个有色透明塑料的样本在第j种波长光照射下的透射样本图像P_i,j；

针对每个透射样本图像P_i,j，根据所述特征提取规则获取所述透射样本图像P_i,j的特征样本；其中，所述特征样本包含代表所述有色透明塑料对应颜色分类的数字标签；

基于透射样本图像集合对深度学习模型进行训练，得到所述分类模型；所述透射样本图像集合包括每个透射样本图像P_i,j所对应的特征样本。

3.根据权利要求2所述的一种基于多波长透射特性的有色透明塑料分类方法，其特征在于，所述特征提取规则包括：

针对每个透射检测图像或透射样本图像P_i,j，获取透射检测图像或透射样本图像P_i,j的三原色分量R_i,j、G_i,j、B_i,j；

所述特征向量或特征样本的向量值F_i,j的计算公式如下：

F_i,j=（R_i,j/G_i,j，G_i,j/B_i,j，B_i,j/R_i,j）。

4.根据权利要求1所述的一种基于多波长透射特性的有色透明塑料分类方法，其特征在于，第一像素等级的像素系数大于第二像素等级的像素系数，第二像素等级的像素系数大于第三像素等级的像素系数；

第一处理难度等级的处理难度大于第二处理难度等级的处理难度，第二处理难度等级的处理难度大于第三处理难度等级的处理难度。

5.一种采用权利要求1-4中任意一项所述方法的基于多波长透射特性的有色透明塑料分类系统，其特征在于，包括：

图像采集模块，用于获取待测有色透明塑料的透射检测图像；

特征获取模块，与所述图像采集模块连接，用于按照预设的特征提取规则获取所述透射检测图像的特征向量；

数据处理单元，与所述特征获取模块连接，用于接收所述特征向量，输出对所述待测有色透明塑料的颜色分类结果；其中，所述数据处理单元包括分类模型。

Images