CN116150678A - 一种基于色度坐标的黄玉颜色分类分级方法及装置 - Google Patents
一种基于色度坐标的黄玉颜色分类分级方法及装置 Download PDFInfo
- Publication number
- CN116150678A CN116150678A CN202310061383.2A CN202310061383A CN116150678A CN 116150678 A CN116150678 A CN 116150678A CN 202310061383 A CN202310061383 A CN 202310061383A CN 116150678 A CN116150678 A CN 116150678A
- Authority
- CN
- China
- Prior art keywords
- classification
- yellow
- class
- chromaticity coordinate
- yellow jade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000010977 jade Substances 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000012935 Averaging Methods 0.000 claims abstract description 7
- 238000002310 reflectometry Methods 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 11
- 230000000007 visual effect Effects 0.000 description 7
- 238000012512 characterization method Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000002279 physical standard Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 230000001953 sensory effect Effects 0.000 description 3
- 244000062793 Sorghum vulgare Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000004456 color vision Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000019713 millet Nutrition 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- WKBPZYKAUNRMKP-UHFFFAOYSA-N 1-[2-(2,4-dichlorophenyl)pentyl]1,2,4-triazole Chemical compound C=1C=C(Cl)C=C(Cl)C=1C(CCC)CN1C=NC=N1 WKBPZYKAUNRMKP-UHFFFAOYSA-N 0.000 description 1
- 240000004507 Abelmoschus esculentus Species 0.000 description 1
- 102000002322 Egg Proteins Human genes 0.000 description 1
- 108010000912 Egg Proteins Proteins 0.000 description 1
- 241000218314 Liriodendron tulipifera Species 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013345 egg yolk Nutrition 0.000 description 1
- 210000002969 egg yolk Anatomy 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000012907 honey Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013558 reference substance Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000011031 topaz Substances 0.000 description 1
- 229910052853 topaz Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明实施例涉及玉石检测技术领域，公开了一种基于色度坐标的黄玉颜色分类分级方法，包括：启动测量仪器对黄玉样品集进行反射测量以得到各个黄玉样品的反射率值；对分类后各黄玉样品的对应色度坐标值进行聚类操作；根据距离计算公式计算所有黄玉样品的色度坐标值到各个类别的初始分类中心点的欧式距离；对新的各类别下的样品的色度坐标值集合进行均值化处理以得到新的各类别黄玉样品的迭代分类中心点；并将迭代分类中心点与初始分类分类中心点进行比对以得到相应的比对结果；根据比对结果确定各类别黄玉样品的类别色度坐标值；并根据类别色度坐标值来确定各类别下的标准颜色值。通过上述方法其能提升黄玉颜色分类分级的科学性。
Description
技术领域
本发明涉及玉石检测技术领域，具体涉及一种基于色度坐标的黄玉颜色分类分级方法及装置。
背景技术
近年来，和田玉中的黄玉这一新品种，以其优质的颜色逐渐成为新贵，且价格逐年攀升。黄玉的颜色形成，是由于Fe或者Fe和Mn元素类质同象替代了和田玉化学成分中的Mg元素，随着致色元素的含量逐渐增加，因此其黄色逐渐变深，或者带绿色调。市场上根据其黄色的特点，分为蜜蜡黄、粟黄、秋葵黄、黄花黄、鸡蛋黄、米黄、黄杨黄等，其中色如粟黄者价值最高。为了更好地规范和田玉市场，促进和田玉产业积极健康地发展，如何准确地对黄玉颜色量化分类分级则显得尤为迫切，而这恰恰给行业内提出了新挑战。因此，设计一种能够对其进行准确颜色划分的方案成为本领域技术人员亟待解决的技术问题。
发明内容
针对所述缺陷，本发明实施例公开了一种基于色度坐标的黄玉颜色分类分级方法，其通过采用测量设备对黄玉样品进行检测来确定相应类别黄玉样品的客观颜色坐标值，并根据所述颜色坐标来确定相应的分类结果，其能提升黄玉颜色分类分级的科学性。
本发明实施例第一方面公开了基于色度坐标的黄玉颜色分类分级方法，包括：
启动测量仪器对黄玉样品集进行反射测量以得到各个黄玉样品的反射率值，所述测量仪器的仪器参数以及测试条件被配置完成；并根据所述反射率值以及预先设置的反射-色度计算公式计算得到黄玉样品的色度坐标值；
对所述黄玉样品集进行分类，并根据聚类算法对分类后各黄玉样品的对应色度坐标值进行聚类操作以确定黄玉样品各个类别的分类中心点；
根据距离计算公式计算所有黄玉样品的色度坐标值到各个类别的初始分类中心点的欧式距离，根据欧式距离值最小原则对各类别下的样品进行重新划分并形成新的各类别下的样品的色度坐标值；
对所述新的各类别下的样品的色度坐标值集合进行均值化处理以得到新的各类别黄玉样品的迭代分类中心点；并将所述迭代分类中心点与所述初始分类分类中心点进行比对以得到相应的比对结果；
根据所述比对结果确定各类别黄玉样品的类别色度坐标值；并根据所述类别色度坐标值来确定各类别下的标准颜色值。
作为一种可选的实施方式，在本发明实施例第一方面中，所述根据聚类算法对分类后各黄玉样品的对应色度坐标值进行聚类操作以确定黄玉样品各个类别的初始分类中心点，包括：
对每个类别所有黄玉样品对应色度坐标值的数据点进行聚类操作，并选取各个类别下密度最大的一个点作为第一类别中心点；
选取相应类别中距离第一类别中心点最远的点作为第二类别中心点；并根据所述第一类别中心点和所述第二类别中心点确定相应的第一分类中心点。
作为一种可选的实施方式，在本发明实施例第一方面中，所述根据比对结果确定各类别黄玉样品的类别色度坐标值，包括：
当所述比对结果一致时，则根据所述初始分类中心点确定各个类别黄玉样品的类别色度坐标值；当所述比对结果不一致时，则执行下一步；
基于所述迭代分类中心点对所述初始分类中心点进行更新操作以得到更新后的初始分类中心点；
根据距离计算公式计算新的各类别下的样品的色度坐标值到更新后的初始分类中心点的欧式距离，并根据欧式距离值最小原则对各类别下的样品进行重新划分并形成新的各类别下的样品的色度坐标值；
对所述新的各类别下的样品的色度坐标值集合进行均值化处理得到各类别样品更新后的迭代分类中心点，将更新后的迭代分类中心点与更新后的初始分类中心点的进行比对，直到两者之间的比对结果一致时，确定各类别样品的类别色度坐标值以完成所有样品的分类。
作为一种可选的实施方式，在本发明实施例第一方面中，在所述根据所述比对结果确定各类别黄玉样品的类别色度坐标值之后，还包括：
划分所述各类别黄玉样品下的级别数量，并确定相应类别黄玉样品下各个级别的初始分级中心点；
计算各类别下各自级别的样品到对应初始分级中心点的欧式距离，根据欧式距离最小原则对各类别下各自级别的黄玉样品进行重新划分并形成新的各类别下对应级别的迭代分级中心点；
对所述初始分级中心点与所述迭代分级中心点相应的进行比对以得到比对结果，当比对结果不一致时，将所述各自级别的初始分级中心点重置为对应级别的迭代分级中心点以形成新的各自级别的初始分级中心点；
重新计算所有样品的色度坐标值与所述新的各自级别的初始分级中心点的欧氏距离，根据欧式距离最小原则对所述各类别下相应级别的黄玉样品进行重新划分并形成新的各自级别的迭代分级中心点，直至所述新的各自级别的迭代分级中心点与所述新的迭代分级中心点比对一致，确定各类别下各自级别的级别色度坐标值以完成各类别下各自级别黄玉样品的分级；
根据比对结果确定各自级别样品的分级下的级别色度坐标值。
作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述类别色度坐标值来确定各类别下的标准颜色值，包括：
根据所述级别色度坐标值和类别色度坐标值来确定各类别级别下标准颜色值。
作为一种可选的实施方式，在本发明实施例第一方面中，所述测量仪器的仪器参数以及测试条件被配置完成，包括：
所述测量仪器选用积分球分光光度计，照明体选用CIE标准照明体D65，采用SCI测试模式，测试波长范围为380-780nm，测量波长间隔设置为10nm，并选用CIE1964标准色度观察者为标准色度观察者。
作为一种可选的实施方式，在本发明实施例第一方面中，所述色度坐标值以CIE1976L*a*b*色度坐标来进行表征。
本发明实施例第二方面公开一种基于色度坐标的黄玉颜色分类分级方法，包括：
启动测量仪器对待测黄玉进行测量以得到所述待测黄玉的反射率值，所述测量仪器的仪器参数以及测试条件被配置完成；
根据所述反射率值以及预先设置的反射-色度计算公式计算得到所述待测黄玉的色度坐标值；
根据所述色度坐标值与各类别级别下标准颜色值进行匹配以确定待测黄玉的颜色分类分级。
本发明实施例第三方面公开一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行本发明实施例第一方面公开的基于色空间坐标的黄玉颜色分类分级方法。
本发明实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的基于色空间坐标的黄玉颜色分类分级方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中的基于色空间坐标的黄玉颜色分类分级方法其通过采用色度坐标来对黄玉进行颜色表征，并通过对黄玉样品中各样品的类别中心进行不断迭代更新以得到更加准确的量化数据进而完成黄玉样品的分类；通过上述方式能够科学量化的对黄玉进行分类分级，并基于色度坐标实现实物样品的复制，其能减少检测人员检测结果不准确的情况出现。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的基于色度坐标的黄玉颜色分类分级方法的流程示意图；
图2是本发明实施例公开的基于色度坐标的黄玉颜色分类分级方法的流程示意图；
图3是本发明实施例公开的黄玉颜色分级的图示；
图4是本发明实施例提供的基于色度坐标的黄玉颜色分类分级方法的另一流程示意图；
图5是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，示例性地，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
现有技术中和田玉颜色分级的评定方法也主要依靠目视法，即“目视感受+语言描述/色卡比色”，专业人员组成的感官评价组根据目视感觉用相近的描述性语言，或对比色卡给出近似的结果，而且无法满足对和田玉的科学研究、检验检测、价值评估等行业中对颜色客观评价的需求，同时，无法满足收藏者对颜色的追求。主要缺点为：(1)颜色分级采用感官评价方法的不确定性较大，易受环境等客观因素和人为的主观因素影响，导致颜色分级误差较大。(2)没有待测样品颜色的定量数据，也没有黄玉颜色中各个类别(级别)的取值范围区间，也没有各个颜色级别下限的颜色定量数据，使得待测样品无法量化比较，无法准确分级。(3)通过感官评价方法的分级，只能对有参考比较的多个样品进行优良评价，当没有对比物时，则不能单独评价待测样品在级别中具体的占位(或位次)。基于此，本发明实施例公开了基于色度坐标的黄玉颜色分类分级方法、装置、电子设备及存储介质，其通过采用色度坐标来对黄玉进行颜色表征，并通过对黄玉样品中各样品的类别中心进行不断迭代更新以得到更加准确的量化数据进而完成黄玉样品的分类；通过上述方式能够科学量化的对黄玉进行分类分级，并基于色度坐标实现实物样品的复制，其能减少检测人员检测结果不准确的情况出现。
实施例一
请参阅图1，图1是本发明实施例公开的基于色度坐标的黄玉颜色分类分级方法的流程示意图。其中，本发明实施例所描述的方法的执行主体为由软件或/和硬件组成的执行主体，该执行主体可以通过有线或/和无线方式接收相关信息，并可以发送一定的指令。当然，其还可以具有一定的处理功能和存储功能。该执行主体可以控制多个设备，例如远程的物理服务器或云服务器以及相关软件，也可以是对某处安置的设备进行相关操作的本地主机或服务器以及相关软件等。在一些场景中，还可以控制多个存储设备，存储设备可以与设备放置于同一地方或不同地方。如图1所示，该基于色度坐标的黄玉颜色分类分级方法包括以下步骤：
S101：启动测量仪器对黄玉样品集进行反射测量以得到各个黄玉样品的反射率值，所述测量仪器的仪器参数以及测试条件被配置完成；并根据所述反射率值以及预先设置的反射-色度计算公式计算得到黄玉样品的色度坐标值；
更为优选的，所述测量仪器的仪器参数以及测试条件被配置完成，包括：
所述测量仪器选用积分球分光光度计，照明体选用CIE标准照明体D65，采用SCI测试模式，测试波长范围为380-780nm，测量波长间隔设置为10nm，并选用CIE1964标准色度观察者为标准色度观察者。
作为一种可选的实施方式，在本发明实施例第一方面中，所述色度坐标值以CIE1976L*a*b*色度坐标来进行表征。通过采用客观的色度坐标来进行颜色表征，使得在进行量化测量的时候有准确的数据依据，能够得到更为客观科学的数据。
具体的，将大量的黄玉样品先测量反射率，并计算颜色结果，以CIE 1976L*a*b*色空间坐标来表征，形成黄玉样品的数据集
其中C表示颜色的CIE1976L*a*b*色空间坐标,j表示计数，j＝1,2,…g。
本发明实施例中的反射-色度计算公式包括光谱反射公式、三刺激计算公式和色度坐标计算公式，其中，光谱反射公式为：δ0(λ)＝γ0(λ)×ρ0(λ)，其中γ0(λ)为标准白板的光谱响应值；：ρ0(λ)为标准白板的光谱反射比；δ0(λ)为标准白板反射曲线值，并建立标准白板的反射曲线。
三刺激值计算公式为：
其中，X10、Y10、Z10为黄玉的三刺激值；k10为归一化系数；ρ(λ)为黄玉的光谱反射比；S(λ)为标准照明体D65相对光谱功率分布；
为CIE1964标准色度系统色匹配函数；Δλ为波长间隔，取10nm。
所述色度坐标计算公式为：
L*＝116f(Y10/Yn)-16
a*＝500[f(X10/Xn)-f(Y10/Yn)]
b*＝200[f(Y10/Yn)-f(Z10/Zn)]
其中，L*、a*、b*为被测样品的CIE1976均匀色空间的色度坐标；X10、Y10、Z10为被测样品的CIE1964标准色度系统的三刺激值；Xn、Yn、Zn为CIE标准照明体D65在CIE1964标准色度观察者下的三刺激值，其中Xn＝94.81，Yn＝100.00，Zn＝107.32。
S102：对所述黄玉样品集进行分类，并根据聚类算法对分类后各黄玉样品的对应色度坐标值进行聚类操作以确定黄玉样品各个类别的分类中心点；
更为优选的，所述根据聚类算法对分类后各黄玉样品的对应色度坐标值进行聚类操作以确定黄玉样品各个类别的初始分类中心点，包括：
对每个类别所有黄玉样品对应色度坐标值的数据点进行聚类操作，并选取各个类别下密度最大的一个点作为第一类别中心点；
选取相应类别中距离第一类别中心点最远的点作为第二类别中心点；并根据所述第一类别中心点和所述第二类别中心点确定相应的第一分类中心点。
具体的，根据黄色颜色特点，采用目视感官方法将其分为绿黄色类(即青黄色类)和黄色类，选取两个色系的簇(类别)的初始中心点，选择方法为：每个类别所有的数据点中选出密度最大的一个点作为第1个簇初始中心点，然后选择该类别中距离此点最远的点作为第2个簇初始中心点，分别用ki表示，其中i＝a,b，a表示青黄色类，b表示黄色类。
S103：根据距离计算公式计算所有黄玉样品的色度坐标值到各个类别的初始分类中心点的欧式距离，根据欧式距离值最小原则对各类别下的样品进行重新划分并形成新的各类别下的样品的色度坐标值；
具体的，计算黄玉数据集到青黄色类和黄色类初始中心点的欧式距离，计算公式为：
其中
表示黄玉中第j个样品分别到第i个类别的类别分类中心的欧氏距离，i＝a,b；j＝1,2,……,g；根据最小距离原则，将每个样品分类到距离值最小的类别集合中，形成青黄色类和黄色类不同类别新的数据集
S104：对所述新的各类别下的样品的色度坐标值集合进行均值化处理以得到新的各类别黄玉样品的迭代分类中心点；并将所述迭代分类中心点与所述初始分类分类中心点进行比对以得到相应的比对结果；
更为优选的，所述根据比对结果确定各类别黄玉样品的类别色度坐标值，包括：
当所述比对结果一致时，则根据所述初始分类中心点确定各个类别黄玉样品的类别色度坐标值；当所述比对结果不一致时，则执行下一步；
基于所述迭代分类中心点对所述初始分类中心点进行更新操作以得到更新后的初始分类中心点；
根据距离计算公式计算新的各类别下的样品的色度坐标值到更新后的初始分类中心点的欧式距离，并根据欧式距离值最小原则对各类别下的样品进行重新划分并形成新的各类别下的样品的色度坐标值；
对所述新的各类别下的样品的色度坐标值集合进行均值化处理得到各类别样品更新后的迭代分类中心点，将更新后的迭代分类中心点与更新后的初始分类中心点的进行比对，直到两者之间的比对结果一致时，确定各类别样品的类别色度坐标值以完成所有样品的分类。
具体的，根据分类结果，计算新形成的青黄色类和黄色类类别的CIE 1976L*a*b*色空间色度坐标的平均值，计算公式为:
其中i＝a,b；j＝1,2,……,k；t代表次数，t＝1,2,……,m。
将计算得到的数据集
作为新的类别的分类中心，计算所有样品分别到新的分类中心的欧式距离，计算公式为：
其中，
表示第i个类别中的第j个样品分别到第t次的第i个类别的类别分类中心的欧式距离，i＝a,b；j＝1,2,……,g；t＝1,2,……,m；
重复步骤上述步骤，直至青黄色类和黄色类的类别分类中心不再变化，该分类中心即为青黄色类和黄色类的最终类别分类中心
其中i＝a,b；t＝m，即
通过上述不断的更新迭代能够使得最终的分类中心更加的准确，便于进行统计计算。
S105：根据所述比对结果确定各类别黄玉样品的类别色度坐标值；并根据所述类别色度坐标值来确定各类别下的标准颜色值。
上述只是类别色度坐标的颜色表征，但是在进行具体实施的时候，除了类别进行颜色表征之外，还可以针对类别下不同级别来进行更加细致的色度坐标划分。
更为优选的，在所述根据所述比对结果确定各类别黄玉样品的类别色度坐标值之后，还包括：
划分所述各类别黄玉样品下的级别数量，并确定相应类别黄玉样品下各个级别的初始分级中心点；
计算各类别下各自级别的样品到对应初始分级中心点的欧式距离，根据欧式距离最小原则对各类别下各自级别的黄玉样品进行重新划分并形成新的各类别下对应级别的迭代分级中心点；
对所述初始分级中心点与所述迭代分级中心点相应的进行比对以得到比对结果，当比对结果不一致时，将所述各自级别的初始分级中心点重置为对应级别的迭代分级中心点以形成新的各自级别的初始分级中心点；
重新计算所有样品的色度坐标值与所述新的各自级别的初始分级中心点的欧氏距离，根据欧式距离最小原则对所述各类别下相应级别的黄玉样品进行重新划分并形成新的各自级别的迭代分级中心点，直至所述新的各自级别的迭代分级中心点与所述新的迭代分级中心点比对一致，确定各类别下各自级别的级别色度坐标值以完成各类别下各自级别黄玉样品的分级；
根据比对结果确定各自级别样品的分级下的级别色度坐标值。
具体的，将形成的黄色类样品依据市场需求现状、价格行情、消费者的认可程度，并结合黄色类的颜色特点和目视观察、人为分类结果，将其初步分为3个级别，分别为浅黄、黄、浓黄，样品数量表示为nbej，颜色数据集
其中b代表黄色类，e代表黄色类的不同级别，e＝1,2,3，1表示浅黄级别，2表示黄级别，3表示浓黄级别，j表示计数，j＝1,2,.....g。
当得到各个颜色数据集之后，则可以计算黄色类中每个级别样品的CIE1976L*a*b*色空间坐标的平均值，计算公式为:
其中e＝1,2,3；j＝1,2,……,k；t代表次数，t＝1,2,……,m；
将计算得到的数据集
作为黄色类中每个级别的分级中心，计算黄色类中所有样品分别到每个分级中心的欧式距离，计算公式为：
其中，
表示第e个级别中的第j个样品分别到第t次的第e个级别的分级中心的欧氏距离，e＝1,2,3；j＝1,2,……,k；t＝1,2,……,m。
在进行具体实施的时候，根据最小距离原则，将黄色类中每个样品分类到欧氏距离最小的级别集合中，形成黄玉不同类别新的数据集
重复上述步骤，直至黄色类中不同级别的分级中心不再变化，该分级中心即为浅黄、黄和浓黄级别的最终分级中心
其中e＝1,2,3；t＝m，即
任何一个黄色类的样品分级即可通过上述步骤中的欧式距离公式计算并确定其CIE 1976L*a*b*色空间的色度坐标到浅黄、黄、浓黄三个级别空间坐标与各个类别的最终类别分类中心
的距离值，所得最小的距离值对应的级别即为对应的颜色级别。
更为优选的，所述根据所述类别色度坐标值来确定各类别下的标准颜色值，包括：
根据所述级别色度坐标值和类别色度坐标值来确定各类别级别下标准颜色值。
具体的，任何一个黄色类的样品分级即可通过步骤(10)中的欧式距离公式计算并确定其CIE 1976L*a*b色空间色度坐标到浅黄、黄、浓黄三个级别空间坐标与各个类别的最终类别分类中心
的距离值，所得最小的距离值对应的级别即为对应的颜色级别；可通过挑选出的青黄色类别和黄色类别中不同级别的下限实物标准样品的CIE 1976L*a*b*色空间色度坐标值，借助色卡或比色石等其他方式可再现颜色，实现标准样品颜色的复制。
如图3所示，左侧为黄色类别，并在该类别中分三级，并确定下限范围；右侧为青黄色类别，不再在该类别中再分级，确定类别的下限范围。
具体的，本发明实施例通过大量黄玉颜色测试数据和对比分析，将黄玉按照色调量化范围分为青黄色类和黄色类两大类，再结合目视感官+比色实物样品，以黄色的浓度，大致将待测样品分为浅黄、黄、浓黄3种不同级别，但要准确的将待测样品颜色分级，准确划分颜色级别时，就必须确定各个级别的量化范围。通过可量化的颜色范围来确定待测样品所属级别，为品质价值评估做依据。本发明实施例的方法通过测量获得大量的黄玉色度坐标，通过数据统计分析，对黄玉先分类再分级，后确定各类别和级别范围，通过分析确定各级别下限的色空间参考值。利用各级别下限的色空间参考值可复制颜色分级的实物标准样品。
现有的技术通过目视观察结合检测工作人员的行业经验，无法准确地对黄玉样品进行科学地分类和分级，尤其对于不同类别和级别的临界样品，分类结果的随机性较大。与现有技术相比，本发明实现了黄玉品种的颜色的可量化的准确的分类和分级，并通过分类和分级结果的下限值挑选青黄色类别(即青黄)和黄色类中不同级别的下限实物标准样品(即浅黄、黄、浓黄三个级别)。其优点体现在：
(1)避免各种环境干扰和检测人员的颜色视觉差异，提高了颜色分类和分级的科学性和客观性；(2)对于黄玉中颜色类别和级别临界样品能够准确分类和分级；(3)实现了对黄玉的样品批量分类和分级，不受视觉疲劳和没有参比物等的限制；(4)依据分类分级结果和欧式距离计算结果，结合样品的CIE 1976L*a*b*色空间色度坐标值，挑选青黄色类别和黄色类中不同级别的下限实物标准样品；(5)通过色卡、比色石等手段，可实现青黄色类别和黄色类中不同级别的下限实物标准样品的复制；(6)通过准确可靠的分级结果，开展颜色致色成因与颜色的量化关联性研究，并对改良优化和田玉黄玉颜色提供可量化的数据方案。
本发明提供了通过大量黄玉中不同颜色样品的CIE 1976L*a*b*色空间色度坐标值所形成的数据库，并统计分类归类后确定青黄色类(即青黄)和黄色类最终分类中心以及黄色类中不同级别的最终分级中心(即浅黄、黄、浓黄三个级别)。借助该分类中心和分级中心，对黄玉样品进行科学客观、准确高效地分类和分级。并依据分类和分级结果，挑选青黄色类别和黄色类别中不同级别的下限实物标准样品。
本发明实施例中的基于色空间坐标的黄玉颜色分类分级方法其通过采用色度坐标来对黄玉进行颜色表征，并通过对黄玉样品中各样品的类别中心进行不断迭代更新以得到更加准确的量化数据进而完成黄玉样品的分类；通过上述方式能够科学量化的对黄玉进行分类分级，并基于色空间坐标实现实物样品的复制，其能减少检测人员检测结果不准确的情况出现。
实施例二
请参阅图4，图4是本发明实施例公开的基于色度坐标的黄玉颜色分类分级方法的流程示意图。其中，本发明实施例所描述的方法的执行主体为由软件或/和硬件组成的执行主体，该执行主体可以通过有线或/和无线方式接收相关信息，并可以发送一定的指令。当然，其还可以具有一定的处理功能和存储功能。该执行主体可以控制多个设备，例如远程的物理服务器或云服务器以及相关软件，也可以是对某处安置的设备进行相关操作的本地主机或服务器以及相关软件等。在一些场景中，还可以控制多个存储设备，存储设备可以与设备放置于同一地方或不同地方。
如图4所示，该基于色度坐标的黄玉颜色分类分级方法包括以下步骤：
S201：启动测量仪器对待测黄玉进行测量以得到所述待测黄玉的反射率值，测量仪器的仪器参数以及测试条件被配置完成.
S202：根据上述反射率值以及预先设置的反射-色度计算公式计算得到上述待测黄玉的色度坐标值。
S203：根据上述色度坐标值与各类别级别下标准颜色值进行匹配以确定待测黄玉的颜色分类分级。
实施例二中的步骤S201和步骤S202与实施例一中的步骤S101和步骤S102大致相同，这里不再赘述。
S203：根据上述色度坐标值与各类别级别下标准颜色值进行匹配以确定待测黄玉的颜色分类分级。
通过上述测量方法可得到待测黄玉色度坐标值，然后与上述各类别级别下标准颜色值进行匹配即可完成对待测黄玉进行相应的分类分级。本发明实施例中公开的基于色度坐标的黄玉颜色分类分级方法，可以对黄玉颜色的分类分级进行快速匹配和鉴定。本发明实施例的方案主要基于设备采集到的客观参数来进行计算，避免检测人员的颜色视觉差异带来的误差，提高了黄玉颜色识别的准确性；最终使得检测到的结果更加准确。
实施例三
请参阅图5，图5是本发明实施例公开的一种电子设备的结构示意图。电子设备可以是计算机以及服务器等，当然，在一定情况下，还可以是手机、平板电脑以及监控终端等智能设备，以及具有处理功能的图像采集装置。如图5所示，该电子设备可以包括：
存储有可执行程序代码的存储器510；
与存储器510耦合的处理器520；
其中，处理器520调用存储器510中存储的可执行程序代码，执行实施例一中的基于色空间坐标的黄玉颜色分类分级方法中的部分或全部步骤。
本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行实施例一中的基于色空间坐标的黄玉颜色分类分级方法中的部分或全部步骤。
本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行实施例一中的基于色空间坐标的黄玉颜色分类分级方法中的部分或全部步骤。
本发明实施例还公开一种应用发布平台，其中，应用发布平台用于发布计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行实施例一中的基于色空间坐标的黄玉颜色分类分级方法中的部分或全部步骤。
在本发明的各种实施例中，应理解，所述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例所述方法的部分或全部步骤。
在本发明所提供的实施例中，应理解，“与A对应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。
本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的基于色度坐标的黄玉颜色分类分级方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于色度坐标的黄玉颜色分类分级方法，其特征在于，包括：
启动测量仪器对黄玉样品集进行反射测量以得到各个黄玉样品的反射率值，所述测量仪器的仪器参数以及测试条件被配置完成；并根据所述反射率值以及预先设置的反射-色度计算公式计算得到黄玉样品的色度坐标值；
对所述黄玉样品集进行分类，并根据聚类算法对分类后各黄玉样品的对应色度坐标值进行聚类操作以确定黄玉样品各个类别的分类中心点；
根据距离计算公式计算所有黄玉样品的色度坐标值到各个类别的初始分类中心点的欧式距离，根据欧式距离值最小原则对各类别下的样品进行重新划分并形成新的各类别下的样品的色度坐标值；
对所述新的各类别下的样品的色度坐标值集合进行均值化处理以得到新的各类别黄玉样品的迭代分类中心点；并将所述迭代分类中心点与所述初始分类分类中心点进行比对以得到相应的比对结果；
根据所述比对结果确定各类别黄玉样品的类别色度坐标值；并根据所述类别色度坐标值来确定各类别下的标准颜色值。
2.如权利要求1所述的基于色度坐标的黄玉颜色分类分级方法，其特征在于，所述根据聚类算法对分类后各黄玉样品的对应色度坐标值进行聚类操作以确定黄玉样品各个类别的初始分类中心点，包括：
对每个类别所有黄玉样品对应色度坐标值的数据点进行聚类操作，并选取各个类别下密度最大的一个点作为第一类别中心点；
选取相应类别中距离第一类别中心点最远的点作为第二类别中心点；并根据所述第一类别中心点和所述第二类别中心点确定相应的第一分类中心点。
3.如权利要求1所述的基于色度坐标的黄玉颜色分类分级方法，其特征在于，所述根据比对结果确定各类别黄玉样品的类别色度坐标值，包括：
当所述比对结果一致时，则根据所述初始分类中心点确定各个类别黄玉样品的类别色度坐标值；当所述比对结果不一致时，则执行下一步；
基于所述迭代分类中心点对所述初始分类中心点进行更新操作以得到更新后的初始分类中心点；
根据距离计算公式计算新的各类别下的样品的色度坐标值到更新后的初始分类中心点的欧式距离，并根据欧式距离值最小原则对各类别下的样品进行重新划分并形成新的各类别下的样品的色度坐标值；
对所述新的各类别下的样品的色度坐标集合进行均值化处理得到各类别样品更新后的迭代分类中心点，将更新后的迭代分类中心点与更新后的初始分类中心点的进行比对，直到两者之间的比对结果一致时，确定各类别样品的类别色度坐标值以完成所有样品的分类。
4.如权利要求1所述的基于色度坐标的黄玉颜色分类分级方法，其特征在于，在所述根据所述比对结果确定各类别黄玉样品的类别色度坐标值之后，还包括：
划分所述各类别黄玉样品下的级别数量，并确定相应类别黄玉样品下各个级别的初始分级中心点；
计算各类别下各自级别的样品到对应初始分级中心点的欧式距离，根据欧式距离最小原则对各类别下各自级别的黄玉样品进行重新划分并形成新的各类别下对应级别的迭代分级中心点；
对所述初始分级中心点与所述迭代分级中心点相应的进行比对以得到比对结果，当比对结果不一致时，将所述各自级别的初始分级中心点重置为对应级别的迭代分级中心点以形成新的各自级别的初始分级中心点；
重新计算所有样品的色度坐标值与所述新的各自级别的初始分级中心点的欧氏距离，根据欧式距离最小原则对所述各类别下相应级别的黄玉样品进行重新划分并形成新的各自级别的迭代分级中心点，直至所述新的各自级别的迭代分级中心点与所述新的迭代分级中心点比对一致，确定各类别下各自级别的级别色度坐标以完成各类别下各自级别黄玉样品的分级；
根据比对结果确定各自级别样品的分级下的级别色度坐标值。
5.如权利要求4所述的基于色度坐标的黄玉颜色分类分级方法，其特征在于，所述根据所述类别色度坐标值来确定各类别下的标准颜色值，包括：
根据所述级别色度坐标值和类别色度坐标值来确定各类别级别下标准颜色值。
6.如权利要求1所述的基于色度坐标的黄玉颜色分类分级方法，其特征在于，所述测量仪器的仪器参数以及测试条件被配置完成，包括：
所述测量仪器选用积分球分光光度计，照明体选用CIE标准照明体D65，采用SCI测试模式，测试波长范围为380-780nm，测量波长间隔设置为10nm，并选用CIE1964标准色度观察者为标准色度观察者。
7.如权利要求1所述的基于色度坐标的黄玉颜色分类分级方法，其特征在于，所述色度坐标值以CIE1976L*a*b*色度坐标来进行表征。
8.一种基于色度坐标的黄玉颜色分类分级方法，其特征在于，包括：
启动测量仪器对待测黄玉进行测量以得到所述待测黄玉的反射率值，所述测量仪器的仪器参数以及测试条件被配置完成；
根据所述反射率值以及预先设置的反射-色度计算公式计算得到所述待测黄玉的色度坐标值；
根据所述色度坐标值与各类别级别下标准颜色值进行匹配以确定待测黄玉的颜色分类分级。
9.一种电子设备，其特征在于，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，用于执行权利要求1至7任一项所述的基于色空间坐标的黄玉颜色分类分级方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序使得计算机执行权利要求1至7任一项所述的基于色空间坐标的黄玉颜色分类分级方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310061383.2A CN116150678B (zh) | 2023-01-18 | 2023-01-18 | 一种基于色度坐标的黄玉颜色分类分级方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310061383.2A CN116150678B (zh) | 2023-01-18 | 2023-01-18 | 一种基于色度坐标的黄玉颜色分类分级方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116150678A true CN116150678A (zh) | 2023-05-23 |
| CN116150678B CN116150678B (zh) | 2023-09-22 |
Family
ID=86338492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310061383.2A Active CN116150678B (zh) | 2023-01-18 | 2023-01-18 | 一种基于色度坐标的黄玉颜色分类分级方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116150678B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116777915A (zh) * | 2023-08-23 | 2023-09-19 | 国检中心深圳珠宝检验实验室有限公司 | 一种海蓝宝石的子类识别方法、装置及存储介质 |
| CN117686093A (zh) * | 2023-12-12 | 2024-03-12 | 广州番禺职业技术学院 | 一种和田玉黄玉颜色黄度的评价方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070153256A1 (en) * | 2005-12-30 | 2007-07-05 | Yan Liu | Method and system for color grading of gemstones |
| US20160290930A1 (en) * | 2015-03-30 | 2016-10-06 | Gemological Institute Of America, Inc. | Apparatus and method for assessing optical quality of gemstones |
| US20180136141A1 (en) * | 2015-07-29 | 2018-05-17 | Wenshuai DENG | Method of Testing the Color Quality of a Colored Gemstone |
| CN207923290U (zh) * | 2018-03-02 | 2018-09-28 | 河南省产品质量监督检验院 | 一种宝石颜色测量系统 |
| CN109508724A (zh) * | 2019-01-16 | 2019-03-22 | 北京印刷学院 | 用聚类分析分类观察者颜色匹配函数的方法 |
| CN111007047A (zh) * | 2019-12-23 | 2020-04-14 | 中国地质大学（武汉） | 一种蓝珀饰品质量等级评价方法 |
| CN113189021A (zh) * | 2021-05-11 | 2021-07-30 | 自然资源实物地质资料中心 | 基于光谱识别岩石颜色的方法 |
-
2023
- 2023-01-18 CN CN202310061383.2A patent/CN116150678B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070153256A1 (en) * | 2005-12-30 | 2007-07-05 | Yan Liu | Method and system for color grading of gemstones |
| US20160290930A1 (en) * | 2015-03-30 | 2016-10-06 | Gemological Institute Of America, Inc. | Apparatus and method for assessing optical quality of gemstones |
| US20180136141A1 (en) * | 2015-07-29 | 2018-05-17 | Wenshuai DENG | Method of Testing the Color Quality of a Colored Gemstone |
| CN207923290U (zh) * | 2018-03-02 | 2018-09-28 | 河南省产品质量监督检验院 | 一种宝石颜色测量系统 |
| CN109508724A (zh) * | 2019-01-16 | 2019-03-22 | 北京印刷学院 | 用聚类分析分类观察者颜色匹配函数的方法 |
| CN111007047A (zh) * | 2019-12-23 | 2020-04-14 | 中国地质大学（武汉） | 一种蓝珀饰品质量等级评价方法 |
| CN113189021A (zh) * | 2021-05-11 | 2021-07-30 | 自然资源实物地质资料中心 | 基于光谱识别岩石颜色的方法 |
Non-Patent Citations (4)
| Title |
|---|
| SOPHIE M. WUERGER: "Proximity judgments in color space: Tests of a Euclidean color geometry", VISION RESEARCH * |
| 沈澈: "宝石级刚玉的颜色定量研究", 硕士电子期刊 * |
| 纳秀溪等: "透明类缅甸琥珀颜色的定量分类", 桂林理工大学学报 * |
| 魏进国;: "关于和田玉（软玉）颜色测量和评定的探讨", 轻工标准与质量, no. 01 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116777915A (zh) * | 2023-08-23 | 2023-09-19 | 国检中心深圳珠宝检验实验室有限公司 | 一种海蓝宝石的子类识别方法、装置及存储介质 |
| CN117686093A (zh) * | 2023-12-12 | 2024-03-12 | 广州番禺职业技术学院 | 一种和田玉黄玉颜色黄度的评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116150678B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116150678B (zh) | 一种基于色度坐标的黄玉颜色分类分级方法及装置 | |
| CN110687072B (zh) | 一种基于光谱相似度的校正集和验证集的选择及建模方法 | |
| US10969952B2 (en) | Color and texture match ratings for optimal match selection | |
| US20190034518A1 (en) | Target class feature model | |
| AU2014346520B2 (en) | Texture analysis of a coated surface using pivot-normalization | |
| CN116026769A (zh) | 一种烟青玉颜色分级的测定方法、评定方法及装置 | |
| TWI759577B (zh) | 用於在光譜量化期間避免誤報識別的設備和方法以及相關的非暫時性電腦可讀取媒體 | |
| TW201350836A (zh) | 用於自動缺陷分類之不明缺陷拒絕率之最佳化 | |
| TW201407154A (zh) | 自動及手動缺陷分類之整合 | |
| CN113298373B (zh) | 一种金融风险评估方法、装置、存储介质和设备 | |
| CN113109240B (zh) | 一种计算机实施的粮食不完善粒测定方法和系统 | |
| CN105678734B (zh) | 一种图像匹配系统的异源测试图像标定方法 | |
| WO2002030265A2 (en) | Method and display for multivariate classification | |
| CN108470194B (zh) | 一种特征筛选方法及装置 | |
| CN111860698A (zh) | 确定学习模型的稳定性的方法和装置 | |
| CN116026770B (zh) | 白玉-青玉颜色分类分级的测定方法、评定方法及装置 | |
| CN116519693A (zh) | 一种和田玉颜色的定量测量方法 | |
| De Mast et al. | Measurement system analysis for binary inspection: Continuous versus dichotomous measurands | |
| Foca et al. | Different feature selection strategies in the wavelet domain applied to NIR-based quality classification models of bread wheat flours | |
| US20230169638A1 (en) | Automatic quality categorization method and system for pharmaceutical glass containers | |
| CN113987240B (zh) | 一种基于知识图谱的海关检样溯源方法及系统 | |
| JP7420957B2 (ja) | 深層学習を用いて画像類似度指標を展開し使用するための方法およびデバイス | |
| CN115862080A (zh) | 血清质量识别模型的训练方法、装置、设备及存储介质 | |
| CN115778317A (zh) | 皮肤测评方法、皮肤测评设备以及存储介质 | |
| CN113420772A (zh) | 基于多分类器与svdd协同算法的缺陷检测方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |