[發明專利]一種鉆石4C標準自動分級方法、設備及存儲設備

在審

• 申請號: 201711116775.5
• 申請日: 2017-11-13
• 公開（公告）號: CN107909103A
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 肖瀅;田軼;安博;王春
• 申請（專利權）人: 武漢地質資源環境工業技術研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 武漢知產時代知識產權代理有限公司42238
• 代理人: 馮必發,郝明琴

技術領域

本發明涉及鉆石檢測領域，具體涉及一種鉆石4C標準自動分級方法、設備及存儲設備。

背景技術

長久以來，由于鉆石鑒定是一項極為專業的工作，普通消費者及鉆石愛好者受限于個人經驗，往往難以自行對鉆石進行鑒定。雖然GIA創立了4C標準，即重量(CARAT)、凈度(CLARITY)、色澤(COLOUR)和切工(CUT)。但是，由于不同機構細節標準的不同、專業水準的差異，導致認證結果略有差別，導致消費者在購買時往往無所適從。因此，尋求一種客觀真實且具有較高準確性的鉆石分類方法就成為業界亟需解決的問題。

發明內容

本發明提供了一種鉆石4C標準自動分級方法、設備及存儲設備，可以有效解決上述問題。

本發明提供的技術方案是：一種鉆石4C標準自動分級方法，所述方法包括步驟：采集4C標準下各級別中預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網絡得到鉆石樣本圖像對應的特征向量；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練所述分類器得到有效分類器；將4C標準下采集到的各級別中預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果。存儲設備，所述存儲設備存儲指令及數據用于實現所述一種鉆石4C標準自動分級方法。一種鉆石4C標準自動分級設備，所述設備包括處理器及所述存儲設備；所述處理器加載并執行所述存儲設備中的指令及數據用于實現所述的一種鉆石4C標準自動分級方法。

本發明的有益效果是：本發明提供了一種鉆石4C標準自動分級方法、設備及存儲設備，通過將卷積神經網絡與分類器結合，使得發明的技術方案具有使用方便的特點，為方法的廣泛應用提供了基礎。同時，由于其不依賴專家經驗和人為判斷，具有客觀性。最后，本發明的技術方案具有較高的準確性，通過實驗驗證模型的準確性及可靠性，結果顯示進行切工分級的平均準確率高達97％。

附圖說明

圖1是本發明實施例中鉆石4C標準自動分級方法的整體流程圖；

圖2是本發明實施例中卷積神經網絡對4C標準下采集到的各級別中預定級別的鉆石樣本圖像進行處理具體步驟流程圖；

圖3是本發明實施例中SVM分類器的訓練具體步驟流程圖；

圖4是本發明實施例中4C標準下鉆石切工5等級SVM分類器訓練方法示意圖；

圖5是本發明實施例的硬件設備工作示意圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明實施方式作進一步地描述，下文中提到的具體技術細節，如：方法，設備等，僅為使讀者更好的理解技術方案，并不代表本發明僅局限于以下技術細節。

本發明的實施例提供了一種鉆石4C標準自動分級方法、設備及存儲設備。請參閱圖1，圖1是本發明實施例中鉆石4C標準自動分級方法的整體流程圖，所述方法由硬件設備實現，具體步驟包括：

S101：采集4C標準下各級別中預定級別的鉆石樣本圖像。

S102：將所述鉆石樣本圖像輸入卷積神經網絡得到鉆石樣本圖像對應的特征向量。

S103：將所述特征向量輸入平均池化層得到平均池化特征向量。

S104：選取分類器并用所述平均池化特征向量訓練所述分類器得到有效分類器,所述分類器為：softmax分類器或SVM分類器。

S105：將4C標準下采集到的各級別中預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果。

參見圖2，圖2是本發明實施例中卷積神經網絡對4C標準下采集到的各級別中預定級別的鉆石樣本圖像進行處理具體步驟流程圖，包括：

S201：卷積神經網絡中后一層對前一層的輸出進行卷積運算和激活操作提取前一層的空間特征。所述激活操作的激活函數為：

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層的權值，b^l為l層的偏差，f為sigmoid激活函數

S202：對提取的前一層空間特征進行池化。

S203：逐層重復上述步驟直至通過全連接層。

S204：輸出各級別的鉆石樣本對應的特征向量。

S205：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。