申请/专利权人：深圳市比特原子科技有限公司

申请日：2017-08-17

公开（公告）日：2024-04-19

公开（公告）号：CN107462330B

主分类号：G01J3/50

分类号：G01J3/50;G01J3/46;G01J3/42;G01J3/28;G06F18/214;G06F18/2411

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2018.01.05#实质审查的生效;2017.12.12#公开

摘要：本发明实施例提供一种颜色识别方法和系统，涉及终端技术领域。其中，该方法包括：获取待识别颜色的光谱数据，从光谱数据中提取待识别颜色的特征向量，将特征向量输入预置的颜色识别模型，得到待识别颜色的颜色类型。一方面，上述方法采用的是获取的待识别颜色光谱数据，颜色信息全面，另一方面，利用颜色识别模型可以避免RGB传感器识别颜色的缺点，直接获得颜色类型，大大的提高了颜色识别的精度。

主权项：1.一种颜色识别方法，其特征在于，所述方法包括：获取待识别颜色的光谱数据；从所述光谱数据中提取不同波长的吸收光强度的值作为所述光谱数据的特征值；利用方差阈值法从所述特征值中选取有效特征值，并将有效特征值进行标准化处理得到所述待识别颜色的特征向量；将所述特征向量输入预置的颜色识别模型，得到所述待识别颜色的颜色类型；其中，所述预置的颜色识别模型通过如下步骤获得：获取多个颜色类型的光谱数据，并将所述光谱数据通过分层采样法分别划分为训练集、验证集和测试集；从所述训练集、所述验证集和所述测试集中的光谱数据中提取16种波长对应的吸收光强度的值作为该训练集、该验证集和该测试集中的光谱数据的特征值；利用方差阈值法从该特征值中选取有效特征值，并将有效特征值进行标准化处理得到该训练集、该验证集和测试集中各个颜色类型的特征向量；其中，标准化处理包括：假设X’为对有效特征值进行标准化处理后的特征向量，X为由有效特征值组成的有效特征值向量，μ为有效特征值的均值，S为有效特征值的标准差向量，则，；由所述训练集、所述验证集和所述测试集中的特征向量及所述特征向量对应的颜色类型，得到所述颜色识别模型；其中，颜色识别模型为 ；其中，α为拉格朗日因子，y表示颜色类型，C为惩罚系数，惩罚系数为预设值；N是训练样本数量，n和m代表训练数据集中的样本索引，n代表第n个样本，m代表第m个样本；为核函数，核函数选择线性核函数：和高斯核函数，其中，σ是高斯核函数的带宽参数，控制高斯核函数的衰减速度。

全文数据：_种颜色识别方法和系统技术领域[0001]本发明属于电子技术领域，尤其涉及一种颜色识别方法和系统。背景技术[0002]随着现代工业生产的高速化和自动化，以人眼起主导作用的颜色识别工作将越来越多地被颜色传感器所替代。颜色传感器适于色度计测量，通过颜色传感器可以将颜色可以应用在各个技术领域，例如：图书馆使用颜色对文献进行分类，能够极大地提高排架管理和统计等工作:在包装行业，利用不同颜色或装潢可以表示产品不同的性质或用途。[0003]目前的颜色传感器通常为RGB红绿蓝传感器，其主要是在独立的光电二极管上覆盖经过修正的红R、绿G、蓝B滤光片，然后对输出信号进行相应的处理，才能将颜色信号识别出来。所以，我们看到的物体颜色，实际上是物体表面吸收了照射到它上面的白光（日光）中的一部分有色成分，而反射出的另一部分有色光在人眼中的反应。根据德国物理学家赫姆霍兹的三原色理论可知，各种颜色是由不同比例的三原色红、绿、蓝）混合而成的。白色是由各种频率的可见光混合在一起构成的，也就是说白光中包含着各种颜色的色光如红R、黄Y、绿G、青V、蓝B、紫P。[0004]当前使用的颜色传感器在实际应用中存在两个问题，首先，从理论上讲，白色是由等量的红色、绿色和蓝色混合而成的，但实际上白色中的三原色并不完全相等。由于RGB传感器对这三种基本色的敏感性不同，导致RGB输出不相等，因而，需要在测试前进行白平衡调整。然而，白平衡调整容易受环境光的干扰，造成的对颜色识别精度低的问题。其次，由于RGB传感器的分辨率和信号采集电路的分辨率有限，很难对颜色进行细致精确的划分。由于上述原因，导致当前颜色识别的精度低。发明内容[0005]本发明提供一种颜色识别方法和系统，旨在解决利用RGB传感器进行颜色识别时需要进行白平衡调整，一方面由于白平衡调整容易受到环境光的干扰，另一方面由于RGB传感器的分辨率和信号采集电路的分辨率有限，这两方面原因造成的颜色识别的精度低的问题。[0006]本发明第一方面提供的一种颜色识别方法，包括：[0007]获取待识别颜色的光谱数据；[0008]从所述光谱数据中提取所述待识别颜色的特征向量；[0009]将所述特征向量输入预置的颜色识别模型，得到所述待识别颜色的颜色类型。[0010]本发明第二方面提供的一种颜色识别系统，包括:光谱采集装置和终端；[0011]其中，所述终端用于实现第一方面的颜色识别方法，所述光谱采集装置用于向所述终端提供光谱数据；[0012]所述光谱采集装置包括:发光二极管、探测器、印刷电路板、导光管和底座，所述发光二极管和所述探测器分别与所述印刷电路板连接；[0013]所述发光二极管，用于发射光；[0014]所述导光管为一端密封的中空透明管，其中，所述导光管的密封端的内壁与所述探测器相对，所述导光管的另一端的管沿与所述发光二极管相对，所述导光管除密封端的内壁和外壁外，其余的内壁和外壁均镀有反射膜，用于将所述发光二极管发射的光进行反射，以射向待测物体；[0015]所述探测器，用于通过所述导光管的密封端接收所述待测物体反射的光；[0016]所述底座，用于固定所述印刷电路板和所述导光管。[0017]本发明提供的一种颜色识别方法和系统，将从待识别颜色的光谱数据得到的特征向量输入到预置的颜色识别模型即可得到待识别颜色的类型。一方面，该方法采用的是获取的待识别颜色光谱数据，颜色信息全面；另一方面，利用颜色识别模型可以避免RGB传感器识别颜色的缺点，直接获得颜色类型，大大的提高了颜色识别的精度。附图说明[0018]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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。[0019]图1是本发明第一实施例提供的一种颜色识别方法的实现流程示意图；[0020]图2是本发明第二实施例提供的一种颜色识别方法的实现流程示意图；[0021]图3是本发明第二实施例提供的每种颜色类型中不同波长与吸收光强度的关系图；[0022]图4是本发明第二实施例提供的一种颜色类型中16个不同的波长下，每一个特征值的方差的直方图；[0023]图5是本发明第二实施例提供的25个支持向量机颜色识别模型输出的颜色类型的错误率的图；[0024]图6是本发明第三实施例提供的一种颜色识别系统的结构示意图；[0025]图7是本发明第三实施例提供的光谱采集装置的结构示意图；[0026]图8是本发明第三实施例提供的光谱采集装置的剖面图；[0027]图9是本发明第三实施例提供的光谱采集装置的另一剖面图。具体实施方式[0028]为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域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。[0029]请参阅图1，图1为本发明第一实施例提供的颜色识别方法的实现流程示意图，图1所示的接领人识别方法主要包括以下步骤：[0030]Sl01、获取待识别颜色的光谱数据；[0031]待识别颜色为待识别物体上的颜色。具体的，可以利用光谱采集装置采集待识别物体上的颜色来获取待识别颜色的光谱数据，也可以通过输入待识别颜色的光谱数据来获取。[0032]S102、从该光谱数据中提取待识别颜色的特征向量；[0033]特征向量为用于表示光谱数据颜色的数据。[0034]S103、将该特征向量输入预置的颜色识别模型，得到该待识别颜色的颜色类型。[0035]本发明实施例提供的一种颜色识别方法，将从待识别颜色的光谱数据得到的特征向量输入到预置的颜色识别模型即可得到待识别颜色的类型。一方面，该方法采用的是获取的待识别颜色光谱数据，颜色信息全面；另一方面，利用颜色识别模型可以避免RGB传感器识别颜色的缺点，直接获得颜色类型，大大的提高了颜色识别的精度。[0036]请参阅图2,图2为本发明第二实施例提供的颜色识别方法的实现流程示意图，图2所示的颜色识别方法主要包括以下步骤：[0037]S201、获取待识别颜色的光谱数据；[0038]待识别颜色为待识别物体上的颜色。具体的，可以利用光谱采集装置采集待识别物体上的颜色来获取待识别颜色的光谱数据，也可以通过输入待识别颜色的光谱数据来获取。通常，每种颜色的光谱数据由16个不同波长的吸收光强度组成，如图3所示，图3为漆膜颜色标准卡中83种颜色的不同波长与吸收光强度的关系图，示出了83种颜色的16个不同波长的吸收光强度。[0039]S202、从该光谱数据中提取不同波长的吸收光强度的值作为该光谱数据的特征值；[0040]如图3所示，从图3示意的波长和吸收光强度的关系图中，记录每个颜色类型的16个波长对应的吸收光强度的值，作为每个颜色类型的光谱数据的特征值。[0041]S203、利用方差阈值法从该特征值中选取有效特征值，并将有效特征值进行标准化处理得到该待识别颜色的特征向量；[0042]从图3可以看到，每个颜色类型中，不同波长对应的光吸收强度值是不同的。为了提高计算效率，减少特征值的数量，采用方差阈值法来选择有效特征值，即，计算每一个特征值的方差，若方差小于阈值，则说明特征值包含的信息量少，可以舍去;若方差大于阈值，则说明特征值包含的信息量大，为有效特征值。如图4所示，图4示出了某种颜色类型中16个不同的波长强度下，每一个特征值的方差，图中的线代表吸收光强度的阈值。具体的，提取方差大于预置的特征值作为有效特征值。[0043]进一步地，对有效特征值进行标准化处理包括：[0044]假设X’为对有效特征值进行标准化处理后的特征向量，X为由有效特征值组成的有效特征值向量，μ为有效特征值的均值，S为有效特征值的标准差向量，则，[0046]S204、获取多个颜色类型的光谱数据，并将该光谱数据通过分层采样法分别划分为训练集、验证集和测试集；[0047]本发明实施例中，针对漆膜颜色标准卡中的83种颜色类型，从每种颜色类型中选取20组光谱数据，并将20组光谱数据按照分层采样法或整群抽样法等方法划分为训练集、验证集以及测试集。此处，光谱数据的具体划分方法不作限制。[0048]S205、从该训练集、该验证集和测试集中的光谱数据中分别提取各个颜色类型的特征向量；[0049]进一步地，从该训练集、该验证集和测试集中的光谱数据分别提取各个颜色类型的特征向量，包括如下步骤：[0050]步骤一、从该训练集、该验证集和测试集中的光谱数据中提取不同波长的吸收光强度的值作为该训练集、该验证集和测试集中的光谱数据的特征值；[0051]步骤二、利用方差阈值法从该特征值中选取有效特征值，并将有效特征值进行标准化处理得到该训练集、该验证集和测试集中各个颜色类型的特征向量。[0052]上述步骤一和步骤二的具体细节可以参照步骤S202-S203,在此不再赘述。[0053]S206、由该训练集、该验证集和测试集中的特征向量及该特征向量对应的颜色类型，得到该颜色识别模型；[0054]进一步地，由该训练集、该验证集和测试集中的特征向量及该特征向量对应的颜色类型，得到该颜色识别模型，具体包括以下步骤：[0055]步骤一、利用该训练集中的特征向量建立支持向量模型，并改变该支持向量机模型中的核函数和惩罚系数，得到多个支持向量机颜色识别模型；[0059]其中，α为拉格朗日因子，y表示颜色类型，C为惩罚系数，KX，X〇为核函数。核函数可以选择线性核函数:ΚΧ，χ=O+RXW和高斯核函数:KX，X=θχρ-γI|Χ-χ2。惩罚系数可以根据实际情况进行选择，如选择2、5、15、35等数字。下表为不同的核函数和不同的惩罚因子形成的组合，通过变换支持向量机模型中的核函数和惩罚因子，得到多个支持向量机颜色识别模型。Τ〇〇6ϊϊ~步骤二、利用该训练集和该验证集中的特征向量和颜色类型的对应关系，验证该-颜色识别模型识别颜色类型的准确性，并将准确性最高的支持向量机颜色识别模型确定为初始颜色识别模型；[0062]上述通过漆膜颜色标准卡的83种颜色类型得到了每种颜色类型对应的特征向量。具体的，将验证集中每种颜色类型的特征向量输入到每个支持向量机颜色模型中，计算出颜色类型，将计算出的颜色类型与特征向量对应的颜色类型进行比对，验证每个支持向量机颜色识别模型的准确性。如图5所示，图5示出了本发明实施例中验证集验证多个支持向量机模型准确性的图。其中，核函数选取线性核函数和高斯核函数，惩罚系数按照1-50,步长为2进行取值，得到的50个支持向量机颜色识别模型输出的颜色类型的错误率。其中，核函数为线性核函数的支持向量机模型为25个，核函数为高斯核函数的支持向量机模型为25个。错误率最低的即为准确性最高的初始颜色识别模型。需要说明的是，训练集验证支持向量机模型准确性的方法请参考上述验证集，在此不再赘述。[0063]步骤三、利用该测试集中的特征向量对该初始颜色识别模型进行评价，得到评价系数；[0064]进一步地，步骤三包括如下步骤：[0065]将该测试集中每个颜色类型的特征向量输入该初始颜色识别模型，得到多个颜色类型；[0066]将得到的颜色类型与该测试集中的特征向量对应的颜色类型进行比对，计算该初始颜色识别模型识别颜色的准确率，并将该准确率作为该评价系数。[0067]准确率为初始颜色识别模型识别对的颜色的个数占所有识别颜色个数的百分比。[0068]步骤四、若该评价系数大于预置数值，则将该初始颜色识别模型确定为该颜色识别模型。[0069]可选地，确定颜色识别模型还包括：[0070]若该评价系数大于预置数值，确定初始颜色识别模型识别错误的颜色类型；[0071]若识别的颜色类型与真实的颜色类型为同一色系，则确定初始颜色识别模型为颜色识别模型；[0072]若识别的颜色与真实的颜色不是同一色系，则对所述初始颜色模型进行修正，并将修正后的初始颜色识别模型确定为颜色识别模型。[0073]将特征向量输入到初始颜色识别模型后得出的颜色类型与输入的特征向量对应的颜色类型不同时，初始颜色识别模型识别错误，此时，特征向量对应的颜色类型即为识别错误的颜色类型，例如，将特征向量X输入到初始颜色识别模型中，得到的颜色类型是柠檬黄，然而事实上特征向量X对应的颜色类型是米黄，则识别错误的颜色类型即为米黄。[0074]可选地，确定颜色识别模型还包括：[0075]若评价系数小于预置数值，则计算每个颜色类型的查全率和查准率，并利用查全率和查准率计算每个颜色类型的Fl度量；[0076]获取Fl度量低于预设Fl度量的颜色类型的光谱数据，并利用获取的光谱数据来修正初始颜色识别模型，以及将修正后的初始颜色识别模型确定为颜色识别模型。[0077]计算每个颜色类型的查全率和查准率时，将每个颜色类型作为正例，其余的颜色类型作为反例，得到下表所示的混淆矩阵：[0079]根据查准率P和查全率R的计算公式：[0082]即可计算每个颜色类型的查准率和查全率。[0083]根据上述查准率和查全率计算Fl度量：[0085]其中，度量Fl是一个综合考察查准率P和查全率R的性能度量指标，Fl越大说明颜色识别模型识别颜色类型的性能越好。在实际应用中，若评价系数小于预置值，说明颜色识别类型的评价系数低，则通过分析颜色识别模型识别错误的颜色类型的度量Fl可以确认颜色识别模型对于识别错误的颜色类型的性能。并通过或取识别错误的颜色类型的光谱数据来重新修正颜色识别模型，并将修正后的颜色识别模型作为最终确定的颜色识别模型，以进一步提高识别颜色的准确性。修正时可采用下述方法进行，例如，增加一些相关特征或者去除一些不相关，冗余特征，使用更多的光谱数据来训练模型，提高模型的泛化能力，或者考虑其它效果更好的建模方法，如神经网络。尝试增加容易误判的颜色的数据，并使用集成模型的思想，针对这些容易误判的颜色来局部建模，然后再集成结合。[0086]可选地，确定颜色识别模型还包括：[0087]确定初始颜色识别模型识别错误的颜色类型，并计算识别错误的颜色类型的查全率、查准率和Fl度量；[0088]获取Fl度量低于预设Fl度量的颜色类型的光谱数据，并利用获取的光谱数据来修正初始颜色识别模型，以及将修正后的初始颜色识别模型确定为颜色识别模型。[0089]具体计算过程请参照上述查全率、查准率和Fl度量的过程，在此不再赘述。[0090]S207、将该特征向量输入预置的颜色识别模型，得到该待识别颜色的颜色类型。[0091]本发明实施例提供的一种颜色识别方法，将从待识别颜色的光谱数据得到的特征向量输入到预置的颜色识别模型即可得到待识别颜色的类型。一方面，该方法采用的是获取的待识别颜色光谱数据，颜色信息全面；另一方面，利用颜色识别模型可以避免RGB传感器识别颜色的缺点，直接获得颜色类型，大大的提高了颜色识别的精度。[0092]请参阅图6,图6是本发明第三实施例提供的一种颜色识别系统的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。图6示例的颜色识别系统，主要包括:光谱采集装置601和终端602;[0093]终端602用于实现本发明第一实施例和第二实施例所示的颜色识别方法。[0094]光谱采集装置601用于向终端602提供光谱数据，请参阅图7,图7为光谱采集装置的机构示意图，其中，光谱采集装置701包括:发光二极管711、探测器721、印刷电路板731、导光管741和底座751;[0095]发光二极管711和探测器721分别与印刷电路板731连接。[0096]发光二极管711，用于发射光。[0097]具体的，发光二极管711可以为一个或多个。发光二极管711发出的光的波长范围可以按照待测物体的性质进行确定。优选的，发光二极管711为多个单色发光二极管，即多个发出预设范围波长的发光二极管，且每个发光二极管711发出的光的波长范围各不相同，这样，不同波长范围的光射向待测物体表面，会使待测物体表面反射的光包含更多的光谱信息，进而提高了光谱检测的准确性。[0098]需要说明的是，发光二极管711在印刷电路板731上的排列不作限制。于本发明的一个实施例中，如图7所示，图7示出了多个发光二极管711呈圆形排列，且与印刷电路板731连接。[0099]导光管741，用于将发光二极管711发射的光进行反射，以射入待测物体。[0100]导光管741为一端密封的中空透明管，导光管741的密封端的内壁与探测器721相对，导光管741的另一端的管沿与发光二极管711相对。导光管741除密封端的内壁和外壁夕卜，其余的内壁和外壁均镀有反射膜。图8为本发明实施例中光谱采集装置的剖面图，图8示出了反射膜的位置。如图8所示，采集待测物体的光谱时，将导光管741的密封端与待测物体的表面接触，此时，由于发光二极管711与导光管741的管沿相对，发光二极管711发射的光经导光管741的内壁和外壁上的反射膜连续反射，将发光二极管711发射的光导入待测物体的表面。由于密封端没有反射膜，待测物体反射的光经透明的密封端进入探测器721。[0101]需要说明的是，导光管741的非密封端的端面的形状不作限制，只要能使管沿与发光二极管711相对即可。优选的，如图7所示，导光管101的非封闭端面的截面形状为圆形，且非封闭端面的半径与发光二极管711排列成的圆形的半径相同，如此，导光管741的管沿可以与发光二极管711相对。此外，导光管741的管沿可以与发光二极管711紧贴相对，也可以保留空隙相对，在此不作限制。导光管741可以为玻璃管或塑料管等其它材质的透明管。[0102]探测器721，用于通过导光管741的密封端接收待测物体反射的光。[0103]具体的，探测器721可以根据发光二极管的发射波长来选择。探测器102可以是由硅、锗、铟镓砷、硫化铅或碲镉汞等半导体材料构成的光电二极管、光电三极管或者阵列探测器。其中，探测器721与导光管741的内壁相对，这样，待测物体反射的光可以经透明的封闭端射入探测器721中。图7所示的实施例中，探测器721位于多个发光二极管711的中间，通过两个引脚与印刷电路板731连接，以及与导光管741的内壁紧贴相对。[0104]底座751，用于固定印刷电路板731和导光管741。[0105]需要说明的是，底座751固定印刷电路板731和导光管741的方式不作限定。于本发明的一个实施例，图7和图9提供的一种底座751的形状图，其中，图7示出了底座751的结构，图9为光谱采集装置的另一剖面图，示出了底座的剖面，底座751为圆柱形，其中圆柱的侧壁开口，利于印刷电路板731从开口处插入到底座751中进行固定，另外，在底座的一端与导光管接触，可以通过卡扣或螺纹对导光管进行固定。[0106]进一步地，如图7所示，光谱采集装置701还包括:温度传感器761。[0107]温度传感器761固定于印刷电路板103上，用于感应当前环境中的温度。[0108]具体的，温度传感器761通过印刷电路板103将温度的信号发送给光谱采集装置的处理单元，使得处理单元可以根据当前的温度确定当前采集的待测物体的光的波长的准确范围，进而获得准确的光谱数据。[0109]上述各终端602实现其功能的方法，具体可参考前述图1和图2所示第一实施例和第二实施例提供的颜色识别方法中的相关内容，此处不再赘述。[0110]本发明实施例提供的一种颜色识别系统，终端将从待识别颜色的光谱数据得到的特征向量输入到预置的颜色识别模型即可得到待识别颜色的类型。一方面，该方法采用的是获取的待识别颜色光谱数据，颜色信息全面；另一方面，利用颜色识别模型可以避免RGB传感器识别颜色的缺点，直接获得颜色类型，大大的提高了颜色识别的精度。[0111]在本申请所提供的多个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信链接可以是通过一些接口，装置或模块的间接耦合或通信链接，可以是电性，机械或其它的形式。[0112]所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。[0113]另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。[0114]所述集成的模块如果以软件功能模块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读取存储介质中。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介质中，包括若干指令用以使得一台计算机设备可以是个人计算机，服务器，或者网络设备等执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory、随机存取存储器RAM，RandomAccessMemory、磁碟或者光盘等各种可以存储程序代码的介质。[0115]需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。[0116]在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。[0117]以上为对本发明所提供的接领人识别方法、装置及系统的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

权利要求：1.一种颜色识别方法，其特征在于，所述方法包括：获取待识别颜色的光谱数据；从所述光谱数据中提取所述待识别颜色的特征向量；将所述特征向量输入预置的颜色识别模型，得到所述待识别颜色的颜色类型。2.根据权利要求1所述的方法，其特征在于，所述从所述光谱数据中提取所述待识别颜色的特征向量，具体包括：从所述光谱数据中提取不同波长的吸收光强度的值作为所述光谱数据的特征值；利用方差阈值法从所述特征值中选取有效特征值，并将有效特征值进行标准化处理得到所述待识别颜色的特征向量。3.根据权利要求1所述的方法，其特征在于，所述将所述特征向量输入预置的颜色识别模型，得到所述待识别颜色的颜色类型之前，还包括：获取多个颜色类型的光谱数据，并将所述光谱数据通过分层采样法分别划分为训练集、验证集和测试集；从所述训练集、所述验证集和所述测试集的光谱数据中分别提取各个颜色类型的特征向量；由所述训练集、所述验证集和所述测试集中的特征向量及所述特征向量对应的颜色类型，得到所述颜色识别模型。4.根据权利要求3所述的方法，其特征在于，所述由所述训练集、所述验证集和所述测试集中的特征向量及所述特征向量对应的颜色类型，得到所述颜色识别模型，具体包括：利用所述训练集中的特征向量建立支持向量机模型，并改变所述支持向量机模型中的核函数和惩罚系数，得到多个支持向量机颜色识别模型；利用所述训练集和所述验证集中的特征向量和颜色类型的对应关系，验证所述多个支持向量机颜色识别模型识别颜色类型的准确性，并将准确性最高的支持向量机颜色识别模型确定为初始颜色识别模型；利用所述测试集中的特征向量对所述初始颜色识别模型进行评价，得到评价系数；若所述评价系数大于预置数值，则将所述初始颜色识别模型确定为所述颜色识别模型。5.根据权利要求4所述的方法，其特征在于，所述利用所述测试集中的特征向量对所述初始颜色识别模型进行评价，得到评价系数，具体包括：将所述测试集中每个颜色类型的特征向量输入所述初始颜色识别模型，得到多个颜色类型；将得到的颜色类型与所述测试集中的特征向量对应的颜色类型进行比对，计算所述初始颜色识别模型识别颜色的准确率，并将所述准确率作为所述评价系数。6.根据权利要去4所述的方法，其特征在于，所述利用所述测试集中的特征向量对所述初始颜色识别模型进行评价，得到评价系数之后，还包括：若所述评价系数小于预置数值，则计算每个颜色类型的查全率和查准率，并利用所述查全率和所述查准率计算每个颜色类型的Fl度量；获取Fl度量低于预设Fl度量的颜色类型的光谱数据，并利用获取的光谱数据修正所述初始颜色识别模型，以及将修正后的初始颜色识别模型确定为所述颜色识别模型。7.—种颜色识别系统，其特征在于，所述系统包括:光谱采集装置和终端，其中，所述终端用于实现权利要求1-6中的颜色识别方法，所述光谱采集装置用于向所述终端提供光谱数据；所述光谱采集装置包括:发光二极管、探测器、印刷电路板、导光管和底座，所述发光二极管和所述探测器分别与所述印刷电路板连接；所述发光二极管，用于发射光；所述导光管为一端密封的中空透明管，其中，所述导光管的密封端的内壁与所述探测器相对，所述导光管的另一端的管沿与所述发光二极管相对，所述导光管除密封端的内壁和外壁外，其余的内壁和外壁均镀有反射膜，用于将所述发光二极管发射的光进行反射，以射向待测物体；所述探测器，用于通过所述导光管的密封端接收所述待测物体反射的光；所述底座，用于固定所述印刷电路板和所述导光管。8.根据权利要求7所述的系统，其特征在于，所述光谱采集装置还包括:温度传感器；所述温度传感器与所述印刷电路板连接，用于感应当前环境中的温度。9.根据权利要求7所述的系统，其特征在于，所述发光二极管为多个单色发光二极管。10.根据权利要求9所述的系统，其特征在于，所述多个单色发光二极管呈圆形排列于所述印刷电路板上。

百度查询： 深圳市比特原子科技有限公司 一种颜色识别方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD