一种基于残差网络改进的牙齿颜色分类模型

针对传统牙齿比色方法准确率低和效率低等问题,提出一种基于残差网络改进的牙齿颜色分类模型。该模型通过融合多层卷积结果以及引入压缩与激励注意力机制模块的方式,使网络能学习到更多的图像颜色特征。基于典型牙齿所建数据集进行颜色分类实验,在该数据集上对文中模型与GoogleNet、MobileNet-V1、ResNet-34和ResNet-50等模型进行颜色分类预测结果比较。实验结果表明,文中模型优于传统模型,预测分类准确度达到91.16%,有效提高了牙齿颜色分类准确率和效率。

基于PLC和Factory IO的物料分拣及颜色分类设计

随着工业自动化的迅速发展,自动分拣和机械手的普及也在迅速扩大,自动分拣系统的应用可以提高分拣速度和效率。文章利用PLC和Factory IO设计了一种自动分拣系统,该系统主要对不同大小的货箱和不同颜色的物料进行分拣,由PLC为核心控制,加上组态王监控系统,实时获取分拣系统的运行信息,提高分拣的效率和速度。

基于卷积神经网络的竹片颜色分类

竹片颜色分类是提高竹产品表面美观的重要工艺。提出了基于ResNet神经网络模型与AlexNet神经网络模型的竹片颜色分类方法,分别采用ResNet和AlexNet 2种神经网络进行竹片颜色分类,对比ResNet与AlexNet 2种神经网络的颜色分类准确率,并对改进后的ResNet神经网络模型进行了颜色分类验证。结果表明,AlexNet模型的颜色分类准确率为89.7%,优化后ResNet模型的颜色分类准确率为99.9%,颜色分类效果比AlexNet模型好。

基于线性分类器的混合空间查找表颜色分类方法

提出了一种基于线性分类器的混合颜色空间查找表颜色分类方法,该方法主要解决颜色查找表分类方法的区分能力受颜色空间选择、阈值确定等因素影响而难以区分近似颜色的问题。将模式识别中的线性分类器思想应用于颜色查找表映射关系的建立,并通过同时使用HSI空间与YUV空间的方法提高查找表对近似颜色的区分能力。实验结果表明,基于线性分类器的混合空间查找表颜色分类方法具有查找表建立原则简单、效果直观的特点,并且对近似颜色有较强的区分能力,适用于彩色图像的快速颜色分割。

基于改进算法的ART2网络用于微晶玻璃颜色分类

微晶玻璃颜色分类是最终控制产品质量的重要步骤 .作者改进了传统ART2网络的学习算法 ,借用典型向量的概念 ,以模式的近似均值作为典型向量来快速学习新模式 .改进学习算法极大地改善了ART2网络的模式漂移现象 ,而且能缩短搜索振荡过程 .文中分析了微晶玻璃颜色分量的统计信息 ,经过适当变换将高维颜色特征映射到 16维特征空间中的一个超平面上 .以超平面上的特征点作为改进算法ART2网络的输入进入网络分类器进行学习分类 .实验证明改进算法网络用于微晶玻璃颜色分类时 ,运行正确、可靠 。

纺织品颜色分类算法比较研究

探讨和比较纺织品颜色分类算法。优选了均匀且色域宽阔的L*a*b*颜色空间;基于机器视觉和图像处理技术,通过仿真试验比较分析了支持向量机、最小二乘支持向量机和自组织映射神经网络三种算法的训练和测试样本的准确率和运行时间。试验结果表明:对于小样本集,最小二乘支持向量机算法的分类准确率及收敛速度要优于支持向量机算法和自组织映射神经网络算法。认为:最小二乘支持向量机分类算法在纺织品颜色在线分类方面具有更好的应用潜力。

基于多层感知机的木材颜色分类

目前的木材分类大多需要依靠人工挑选方式完成,但人工分类受操作人员主观因素、工作经验、劳动强度等因素的制约,已经很难适应产业的发展。为了有效提高木材颜色分类的自动化程度及分类的准确性,采用机器视觉技术对木材表面颜色分类方法展开研究。通过使用python opencv软件对木材表面进行高斯滤波、滚动引导滤波以及特征提取预处理操作,实现对木材图像的去背景化,并将图像的RGB、Lab低阶矩作为颜色分类的特征,最后采用多层感知机(MLP)构建木材表面颜色的分类器。选取了320张无损实木板材的完整表面图像作为训练样本,其中25%为测试集,75%为训练集。结果表明:该分类器对木材表面颜色分类的准确率为96.25%,验证了将多层感知机模型应用在木材颜色分类方面的有效性。

感官分析方法在和田玉颜色分类中的应用

和田玉通常是以颜色为依据进行分类的,但当和田玉颜色相近且渐变,即颜色只存在深浅、色调细微变化时,对其进行准确分类就很难了。而类别的错位划分会影响其价值及科学研究等。为解决这个难题,结合市场需求,运用感官分析方法,结合数理统计等原理确定出白玉青玉系列样品中白玉、青白玉下限标准样品。由此也表明在和田玉国家标准样品的研制中,感官分析技术数据可靠,方法可行。

简述和田玉的颜色分类

自古以来,世人皆爱美玉,作为中国玉的代表,和田玉从古至今都是爱玉之人的心头好,它以玉质细腻油润、颜色种类繁多等优势在众玉石之中独占鳌头,历朝历代玉雕艺人创作的和田玉精品琳琅满目,精美绝伦,成为名闻世界的"东方瑰宝"。目前,和田玉这一玉种的商业名称比较多,后来考虑到历史传统和商业习惯,以和田玉一词作为其基本名称,可用于各个产地的和田玉。因为和田玉的色彩变化非常多,所以和田玉的玉种分类,往往是人们根据不同的颜色来命名。

甘草种子的颜色分类与发芽试验研究

目的:分析不同颜色的甘草种子质量情况的差异,筛选较好的种子处理方法,以实现甘草种子的精量播种。方法:通过观察并测定16个产区甘草种子的外部形态和净度,根据颜色分类考察其含水量、千粒重、发芽势、发芽率等指标,并分别用98%硫酸处理法和热水浸泡法处理种子,初步确定甘草种子精量播种的标准。结果:绿色组甘草种子的含水量在5.17%~6.09%之间,千粒重在7.70~13.15 g之间,发芽势在58.5%~93.0%之间,发芽率在90.1%~98.3%之间;黄色组甘草种子的含水量在5.07%~6.01%之间,千粒重在7.42~12.54 g之间,发芽势在29.7%~52.0%之间,发芽率在38.8%~68.3%之间;黑色组甘草种子的含水量在4.86%~5.79%之间,千粒重在7.21~11.99 g之间,发芽势在9.5%~24.4%之间,发芽率在18.8%~45.1%之间。甘草种子用70℃热水浸泡8 h萌发率最高,达到60.7%;用98%硫酸处理3 h萌发率最高,达到94.7%。结论:甘草种子主要分为黄色、绿色、黑色三类,其中绿色种子的千粒重最大、发芽势和发芽率均最高,种子采用98%硫酸处理3 h发芽率最高。

桔梗种子的颜色分类与种衣剂研究

分析不同颜色桔梗种子发芽情况的差异,采用不同的种衣剂包衣桔梗种子,以此提高桔梗种子的发芽率和利用率。通过观察并测定10个产区桔梗种子的外部形态,根据颜色分类考察其含水量、千粒重、发芽势、发芽率等指标,并用不同的种衣剂包衣种子,以此确定优质桔梗种子发芽的标准和筛选一种适合桔梗种子包衣的种衣剂。结果表明,桔梗种子主要分为黑色种子、黄色种子、绿色种子三类,发芽率分别为82.3%~88.3%,50.3%~57.0%,38.7%~44.0%。桔梗种子用B种衣剂T3浓度包衣后,种子在纸床中的发芽率比对照提高约7%,发霉率降低约13%,种子在沙床中的出苗率比对照提高约10%。因此,黑色组桔梗种子最好,而且用B种衣剂T3浓度处理效果最好。

颜色分类法在护理管理中的应用

目的探讨颜色分类法在护理管理中的应用及体会。方法在2011年4月～2011年10月期间,用颜色分类法进行五常法护理管理。结果工作场所物品管理定置好,贵重仪器、办公用品以及药品标识清晰,环境管理井然有序,护士养成良好习惯,提高了工作效率及护士形象,改善了服务质量,保证了病人的安全。结论在临床护理管理中运用颜色分类法进行五常法管理是可行的,值得推广。

De Bruijn彩色结构光编码图像条纹颜色分类方法

用结构光方法实现三维物体重建和三维测量成为计算机视觉的研究热点,结构光方法中解码精度直接影响重构精度,作为解码基础的颜色分类也成为研究的关键之一。为了提高颜色分类精度,首先采用加权平均的滤波方法来去除图像噪声,然后设置了两种基于聚类分析的颜色分类方法类方法来确定条纹的颜色,最后对De Bruijn彩色结构光编码图像进行高精度的解码。通过对实验结果的分析,颜色分类方法适用于每类颜色的像素点成线性分布的结构光图像,它能够有效地消除颜色干扰,对颜色识别率可达到99%。

基于YOLOv7网络的废弃塑料瓶颜色智能分选系统研究

由于分拣环境中塑料瓶形状、颜色多样,人工提取的特征往往存在着主观性,可能丢失重要的信息或特征之间的复杂关系,从而导致塑料瓶分类效果差等问题,研究提出了一种基于卷积神经网络的废弃塑料瓶颜色分选系统。收集了市面上常见的塑料瓶,使用工业相机采集图像,使用labelimg进行人工标注制作数据集,通过数据增强来增扩数据集,提高训练模型的鲁棒性。利用YOLOv7卷积神经网络模型进行颜色分类的检测识别,使用喷阀筛选目标颜色的塑料瓶。实验表明,实时检测准确率高达95.7%,具有高度自动化和智能化水平,在回收行业中具有较高的应用价值。

3～6岁儿童对11种基本颜色命名和分类研究

对3～6岁儿童11种基本颜色的命名和分类进行了研究.结果表明:(1)汉语儿童对11种基本颜色的正确命名率随年龄增长而提高,顺序是白、黑、红、黄、绿、蓝、粉红、紫、橙、灰和棕.(2)汉语儿童对基本颜色分类能力随年龄增长而提高.3～4岁儿童对基本颜色没有明确的分类标准.5岁儿童有了一定标准,并出现按'彩色/非彩色'和'冷色/暖色'分类的倾向.6岁儿童颜色分类标准更明确,开始由主观标准向客观标准转变.

基于SVM的墙地砖颜色自动分类

支持向量机(SVM)是一种采用结构风险最小化原则的新的机器学习方法,具有完备的理论基础。该文首次把支持向量机技术应用于墙地砖的自动分类,首先通过对墙地砖图像的RGB通道进行小波分解,由于不同通道的相关性,故提取其协变信号作为特征集,再构建二叉树形式的决策树来实现SVM多类分类,然后对墙地砖进行了颜色分类实验,并与knn分类结果对比,实验结果证明SVM分类器具有更高的分类准确率。

基于HSI颜色模型的特征分类方法研究及应用

在方便面包装过程中经常出现三种调味包丢失的情况，目前主要依靠人工检测识别，因而提出了一种基于HSI颜色模型特征分类方法的识别技术。该技术已在方便面生产流水线上试运行成功。经过8个小时，6万包的现场测试，结果表明，该方法实时性好，准确率高，完全能满足生产工艺要求，提高了整个流水线的生产速度，减轻了工人劳动量。

病童对基本颜色的分类和偏好研究

采用自由分类法研究66名住院病童对基本颜色的自由分类,采用对偶比较法研究病童的颜色偏好特点。结果表明:①病童的基本颜色语义空间呈现彩色/非彩色、亮色/暗色分类倾向,将11种基本颜色分为四类:暗色(包括灰、棕、黑),白色,暖色(包括红、橙、黄、粉红、紫),冷色(包括绿、蓝)。②病童的颜色偏好依次是黄、蓝、绿、红、橙、紫、粉红、白、棕、灰、黑;病童的颜色偏好存在显著的性别差异,男病童最偏爱蓝色,女病童最偏爱粉红色。

一种小色差瓷砖颜色自动分类器设计

研究小色差含纹理图像的在线检测方法,通过描述颜色组成和表达,确定颜色检测手段;分析大幅面、小色差检测对象在图像采集中的难点,建立适合企业应用的采集环境;根据检测对象的纹理特点,选择合适颜色特征统计方法,获得表示颜色的特征向量;运用K类均值无监督学习方法,通过小批量样本自动生成分类器,并将分类器应用到同批产品的检验分类中。实验证明采集环境能稳定获取颜色检测数据,通过学习生成的分类器能达到人工分类效果。

舌像颜色特征的计算机分析与识别研究

为研究舌像颜色的客观识别 ,通过对彩色模式应用、舌像颜色特征分析、舌色苔色的分类识别等的分析 ,建立了舌色、苔色的计算机分析识别方法 ,实现了以计算机图像分析为主要方法的舌色和苔色的自动分析与识别。