[發(fā)明專利]一種鉆石4C標(biāo)準(zhǔn)自動分級方法、設(shè)備及存儲設(shè)備

在審

• 申請?zhí)枺?/td>: 201711116775.5
• 申請日: 2017-11-13
• 公開（公告）號: CN107909103A
• 公開（公告）日: 2018-04-13
• 發(fā)明（設(shè)計）人: 肖瀅;田軼;安博;王春
• 申請（專利權(quán)）人: 武漢地質(zhì)資源環(huán)境工業(yè)技術(shù)研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 武漢知產(chǎn)時代知識產(chǎn)權(quán)代理有限公司42238
• 代理人: 馮必發(fā),郝明琴

1.一種鉆石4C標(biāo)準(zhǔn)自動分級方法，所述方法由硬件設(shè)備實(shí)現(xiàn)，其特征在于：包括以下步驟：采集4C標(biāo)準(zhǔn)下各級別中預(yù)定級別的鉆石樣本圖像；將所述鉆石樣本圖像輸入卷積神經(jīng)網(wǎng)絡(luò)得到鉆石樣本圖像對應(yīng)的特征向量；將所述特征向量輸入平均池化層得到平均池化特征向量；選取分類器并用所述平均池化特征向量訓(xùn)練所述分類器得到有效分類器；將4C標(biāo)準(zhǔn)下采集到的各級別中預(yù)定級別的鉆石樣本圖像輸入所述有效分類器得到鉆石分類結(jié)果。

2.如權(quán)利要求1所述的一種鉆石4C標(biāo)準(zhǔn)自動分級方法，其特征在于：卷積神經(jīng)網(wǎng)絡(luò)對4C標(biāo)準(zhǔn)下采集到的各級別中預(yù)定級別的鉆石樣本圖像進(jìn)行處理具體步驟包括：卷積神經(jīng)網(wǎng)絡(luò)中后一層對前一層的輸出進(jìn)行卷積運(yùn)算和激活操作提取前一層的空間特征；對提取的前一層空間特征進(jìn)行池化；逐層重復(fù)上述步驟直至通過全連接層；輸出各級別的鉆石樣本對應(yīng)的特征向量；將所述特征向量分別輸入平均池化層得到平均池化特征向量。

3.如權(quán)利要求2所述的一種鉆石4C標(biāo)準(zhǔn)自動分級方法，其特征在于：所述激活操作的激活函數(shù)為：

x^l＝f(W^lx^l-1+b^l)

其中，x^l-1是l-1層的輸出，也就是l層的輸入，x^l是l層的輸出，W^l是l層的權(quán)值，b^l為l層的偏差，f為sigmoid激活函數(shù)。

4.如權(quán)利要求1所述的一種鉆石4C標(biāo)準(zhǔn)自動分級方法，其特征在于：所述分類器為：softmax分類器或SVM分類器。

5.如權(quán)利要求4所述的一種鉆石4C標(biāo)準(zhǔn)自動分級方法，其特征在于：所述SVM分類器的訓(xùn)練具體步驟包括：設(shè)定4C標(biāo)準(zhǔn)下的級別為K；設(shè)置K-1層SVM分類器，第k-i層有k-i個SVM分類器；第k-i層的第k-j個SVM分類器將第k-i+1層的第k-j+1個和第k-j平均池化特征向量作為正負(fù)樣本進(jìn)行訓(xùn)練，其中，i∈[1,k-1]，j∈[1,k-1]；重復(fù)上一步驟直至平均池化特征向量合并為兩類特征向量；以所述兩類特征向量作為第一層SVM分類器的正負(fù)樣本。

6.如權(quán)利要求5所述的一種鉆石4C標(biāo)準(zhǔn)自動分級方法，其特征在于：第k層對應(yīng)k個級別的鉆石樣本圖像的平均池化特征向量。

7.如權(quán)利要求6所述的一種鉆石4C標(biāo)準(zhǔn)自動分級方法，其特征在于：所述設(shè)置K-1層SVM分類器是按照有向無環(huán)圖進(jìn)行設(shè)置。

8.存儲設(shè)備，其特征包括：所述存儲設(shè)備存儲指令及數(shù)據(jù)用于實(shí)現(xiàn)權(quán)利要求1～7所述的任意一種方法。

9.一種鉆石4C標(biāo)準(zhǔn)自動分級設(shè)備，其特征在于：包括：處理器及所述存儲設(shè)備；所述處理器加載并執(zhí)行權(quán)利要求8中所述存儲設(shè)備中的指令及數(shù)據(jù)用于實(shí)現(xiàn)權(quán)利要求1～7所述的任意一種方法。