[發明專利]基于機器學習的木板分揀方法及系統

有效

• 申請號: 201710566716.1
• 申請日: 2017-07-12
• 公開（公告）號: CN107437094B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 丁磊
• 申請（專利權）人: 北京木業邦科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;B07C5/00
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 陳亞琴

本發明提供了一種基于機器學習的木板分揀方法及系統，首先在不同環境條件下獲取不同移動速度的木板的圖像樣本，然后對木板進行自由定義分類，并建立所述圖像樣本與所述自由定義分類的對應關系；獲取木板的圖像，經過學習的神經網絡對獲取的木板圖像進行分析，確定木板的類別和執行分類操作的時機，在所述時機對木板進行分類操作，來將木板分類到確定的類別中。本發明的方法及系統，能夠使得自動化分選機器能夠快速適應不斷變動的產品分類需求、多變的部署環境、高差異性的木料材質和噴漆工藝。

技術領域

本發明屬于人工智能技術領域，具體涉及一種基于機器學習的木板分揀方法及系統。

背景技術

在木材加工領域，木板分選是一個重要環節。不管是半成品，還是經過成型、上色、烘干等工藝之后的成品，都需要按照不同的木材特征結合質量標準進行分類。在傳統的方法中，木板的分選由人工完成。經過訓練的工人，通過觀察，判斷每一塊木板的顏色、紋理、缺陷等，結合經驗將一塊木板歸入不同的分類。每一個分類之中的木板擁有更為接近的特性，實現較高的產品外觀、質量的一致性。

然而，使用人工的分選的方法需要耗費大量的人力資源，并且由于每一批次的木板材質和上色工藝可能存在不同，每一次的產品分類標準也可能存在變動，因此需要不斷的對工人進行培訓和訓練。同時，隨著工作時間的增加，人力的方法也會出現準確率下降，效率變慢的現象。

使用機器進行木材分選的方法正成為當前行業的新興方向，在木材處理過程中的很多步驟可以通過機器的方法來解決。然而，這些技術多數使用一種固定方式對木材或木板進行特征提取，其分選參數和方法是固定的，必須通過專門的設計和調校才能有效運行，因而標準化和適用性存在一定缺陷。

隨著最近機器學習方面的研究進展，使用機器學習進行木板加工自動化的方法變得越來越受到歡迎。現有技術中也出現了使用機器學習的木材分類方法，通過各種成像方式采集預先指定的樣本木材的圖像，然后使用機器學習的方法訓練一個模型，通過該模型來實現自動的分類檢測。

然而，發明人在實現本發明的過程中發明，現有的機器學習的方法只是部分解決了標準化的問題，并沒能解決木材分類中最關鍵的適應性問題。具體地，當前木板分類的標準通常由生產廠商自定義，也就是說當前的木板分類實質上是非標準化的；現有技術中的機器學習方法采用預先訓練方式，只能為特定廠商訓練出一個特定模型，顯然無法在多個廠商中通用。此外，木材實質上是按批次生產的，每一批次的產品斗魚與該批次的原木材質、噴漆工藝高度相關，不同批次間可能會有巨大差異；但現有技術中的訓練模型完全依賴于樣本批次，并不能針對不同批次進行動態調校。最后，自然光線的改變會對視覺識別產生較大的影響，現有技術并未考慮環境光線變化下的標準化，不能適應不同環境的檢測。

因此，當前缺少自適應的檢測方法，現有技術并不能滿足快速部署的需求，也不能在多變的運行環境中魯棒的運行。

發明內容

本發明的目的在于，使用一種自適應的方法，能夠使得自動化分選機器能夠快速適應不斷變動的產品分類需求、多變的部署環境、高差異性的木料材質和噴漆工藝。通過使用一種將所有潛在變動的因素整合到學習過程中的方法，本發明提供了一種高度自適應的機器學習方法，能夠將傳統需要數月才能完成的訓練、校準、測試、部署等工作壓縮到一天內完成，大大提高了木板加工企業的運作效率。同時，自適應的方法能夠不斷通過迭代的方法改善機器學習的模型，讓分選精度逐步提升。

本發明提供了一種木板分類學習方法，其特征在于，包括：

在不同環境條件下獲取不同移動速度的木板的圖像樣本；

對木板進行初始分類；

建立所述圖像樣本與所述初始分類的對應關系。

可選地，所述初始分類是根據對木板的分類要求而自由定義的分類。