1、基于卷积神经网络的竹片颜色分类方怡红，伍希志，牛 晗，贾 惠（湖南双达机电有限责任公司，湖南长沙；中南林业科技大学材料科学与工程学院，湖南长沙）摘要 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 神经网络模型与 神经网络模型的竹片颜色分类方法，分别采用 和 种神经网络进行竹片颜色分类，对比 与 种神经网络的颜色分类准确率，并对改进后的 神经网络模型进行了颜色分类验证。结果表明，模型的颜色分类准确率为，优化后 模型的颜色分类准确率为，颜色分类效果比 模型好。关键词 卷积神经网络；颜色分类；竹片；中图分类号 文献标识码 文章编号（）：开放科学（资源服务）标识码（）：，（，；，），；基金项
2、目 湖南省自然科学基金项目（）；湖南省教育厅项目（）；中国博士后科学基金资助项目（）。作者简介 方怡红（），女，湖南娄底人，工程师，从事机器视觉、工程机械研究。通信作者，副教授，博士，从事智能装备、机器视觉研究。收稿日期 我国是世界竹林资源最丰富的国家，全国竹林面积为 万，年竹产业产值已经到达 亿，竹产品包括竹板、竹家具等。在制造竹产品时，为了达到美观的效果，面板的颜色要尽可能相近。这就需要对竹片的颜色进行分类，一般将竹片颜色分为黑、白、黄 类。目前国内许多工厂的竹片颜色分类工作由工人完成，人工检测存在生产效率低、劳动强度大、产品质量不统一等诸多缺点，因此采用机器视觉技术进行竹片颜色分类具有非
3、常重要的实际意义。近年来，已有一些学者进行了基于机器视觉的颜色分类研究。年，等提出一种基于木材图像特征和支持向量机的木材颜色分类方法，使用一对一的构造方法将多个两分类支持向量机组合成多分类支持向量机，用支持向量机建立颜色分类器，可以较好地对木材颜色进行分类。年，窦刚等针对传统的木材切片细胞分析法操作难度大、准确率和效率低的问题，提出了 种采用神经网络进行木材树种分类的方法。把颜色、纹理和光谱等 个特征输入 个 层模糊 综合神经网络中进行训练，得到的输出对应 个树木种类，木材树种分类的精度达到。年，等设计了一种实木板的颜色分类算法，提取出实木板图像的、和 个颜色空间的、和 个颜色通道的一阶颜色矩
4、、二阶颜色矩和颜色直方图峰值，把这 个颜色特征采用 聚类算法进行实木表面颜色特征的聚类，将具有相似表面颜色的实木板材分类为一个类，实现了实木板的颜色分类。综上可知，国内外学者对木材颜色分类研究较多，对竹材颜色分类研究较少。该研究提出了基于神经网络模的竹片颜色分类方法，分别采用 和 种神经网络进行竹片颜色分类，对比 与 种神经网络的颜色分类准确率，并对改进后的 神经网络模型进行了颜色分类验证。竹片图像数据库竹片图像检测实验平台如图 所示，整体实验设备包括图像采集模块、光源系统模块和暗箱。图像采集装置采用海康威视 万像素 面阵工业相机采集图像，工业相机镜头距竹片 ，光源系统采用对射式条形光源，在线
5、性上保证均匀的光照，暗箱保证图像采集的光照条件一致，不受外界环境干扰。竹片图像是在湖南省益阳市湖南桃花江竹材科技有限公司拍摄，该公司生产所用竹片长度为 ，宽度为。在公司实地采集黑色竹片图像 幅，白色竹片图像 幅，黄色竹片图像 幅，每张图像采集竹片长度为 ，所采集的图像为 格式，图像大小为 像素。将采集图像分为训练集与测试集，从数据库中分别随机选取 张黑、白、黄 类颜色竹片图像，按照 的比例划分训练集与测试集，即黑白黄竹片图像各 张用于训练，张用于测试神经网络识别准确率，训练集共 幅图像，测试集共 幅图像。数据集如图 所示。安徽农业科学，（）：图 竹片图像检测实验平台及采集现场 图 竹片图像数据
6、集 竹片颜色分类的神经网络算法 卷积神经网络 卷积神经网络（）是一种应用范围非常广的深度学习模型，在结构上属于多层前馈神经网络。卷积神经网络是由输入层，若干个隐藏层和输出层组成的，不存在环或回路。每一层都由多个神经元组成，但是每层的神经元和神经元之间没有连接，也没有跨层神经元连接（图）。图 简单全连接神经网络示意 竹片颜色分类的 算法 从历年图像分类冠军网络 到 可以发现，层数越深的神经网络表达能力越强、效果越好，所以学者们纷纷通过加深神经网络的深度达到更好的效果。但研究发现，网络层数到达一定深度时，分类准确率反而会大幅下降。这是因为网络过深而导致训练误差变大，网络层数越深，训练难度越大。于是
7、，等提出了一种新的 神经网络算法，获得 年 竞赛图像分类项目冠军。包括一种新网络结构 残差网络，通过短路连接方式构建残差单元，来跳过卷积层模块，如图 所示。把学习到的结果（）加上原有浅层网络得输出 作为输出。即使这一层新的网络学习到得（）没有意义，它的输出（）仍然包括浅层函数得输出。这就使得 在增加深度的同时，可以保证新加的层能够保持原有结构的准确性，从而可以训练更深得神经网络。在网络变得更深的同时，由于每层网络的输出结果都包含浅层函数的输出，因此深层神经网络的逼近最优值的能力大大增强。且由于残差结构输出（）是加法运算，加法运算非常简单，因此残差单元极大地提高了模型的训练速度。网络包含 个卷积
8、层和 个全连接层，一共有 层网络，所以被命名为。采用的池化算法是最大池化，激活函数使用的是。的网络结构如图 所示。图 残差模块示意 图 网络结构 网络的网络参数见表。在 网络结构，为了减短训练所需时间，使用 优化器，优化器可以动态调节网络的学习率，当达到神经网络的监测指标要求时，将 乘以 的值赋给。网络的评价指标为竹片颜色分类准确率。网络的训练是在环境下进行的。安徽农业科学 年 竹片颜色分类的 算法设计 网络是由多伦多大学 提出，获得 年 竞赛的冠军。该竞赛的数据集有 万张图像，在对数据集进行分类时取得了优秀的表现，分类错误率仅为，比第 名分类错误率提高了。因此，给学术界带来了巨大的影响，引起
9、了广大学者研究的兴趣。表 参数设置 序号参数数值 学习率（）权重衰减（）批训练样本数（）最大训练轮数（）的网络结构如图 所示，共包含 个卷积层、个全连接层。采用的池化算法是最大池化，激活函数使用的是，最后采用 防止过拟合。在 试验中，采用 激活函数的 网络训练到错误率为 所花时间仅为 的。图 网络结构 该研究 网络的网络参数见表，学习率为，批训练样本数为，图像输入尺寸为，其余参数与 网络一致。表 参数设置 序号参数数值 学习率（）权重衰减（）批训练样本数（）最大训练轮数（）结果与分析 算法的试验结果分析 算法竹片颜色分类的训练结果如图，神经网络在训练至第 轮收敛，收敛后测试集的颜色分类准确率为
10、，最高分类准确率为。但在 神经网络训练过程中，每轮训练时间为 左右，训练速度较慢，原因可能为：电脑配置不够高，配置低；电脑内存不够，每批次训练量 张图片过多，占用内存过大，导致训练速度较慢。在神经网络训练之前需要做图像导入。将图像中的竹片区域截取。其中调用 库找到竹片区域并截取，且每次喂入 张图像，要截取 次，这一步骤耗费时间过长。截取过程中有可能把背景截取进去，喂入神经网络的 图像可能不完全是竹片，影响神经网络识别准确率。图 神经网络竹片颜色分类的识别准确率 因此，为了提高训练效率，预先去除竹片图像的背景，减少背景对神经网络的影响，仅保留竹片图像。改进后试验结果如图，神经网络在训练至第 轮时
11、收敛，收敛后测试集的颜色分类准确率为，对比之前最高识别准确率提高了，且每轮训练时间为 左右，对比之前 缩短了 ，省去了 的训练时间。图 改进后 神经网络竹片颜色分类的识别准确率 算法的试验结果分析 算法竹片颜色分类的训练结果如图，神经网络在训练至第 轮收敛，收敛后测试集的颜色分类准确率为，最高分类准确率为。但在神经网络训练过程中，每轮训练时间为 左右，训练速度比 神经网络快，但分类准确率比 神经网络低。算 法 的 分 类 结 果 验 证 综 上 可 知，网络的识别准确率比 网络高，该研究使用无背景竹片图像作为测试数据集，选择改进后的网络进行竹片颜色分类。从不属于训练数据集的 幅黑色竹片图像、幅
12、白色竹片图像和 幅黄色竹片图 卷 期 方怡红等 基于卷积神经网络的竹片颜色分类像中随机各选一幅作为验证样本，输入训练好的 神经网络进行分类结果验证，验证样本如图 所示，测试结果如图 所示，均能输出正确结果。图 神经网络竹片颜色分类的识别准确率 图 白、黑、黄 类颜色的验证样本 ，结论该研究使用基于 与 种神经网络模型对竹片图像进行颜色分类。针对 模型的训练特点，对试验方案进行了改进优化。未优化前，模型的最高颜图 竹片颜色分类结果 色分类准确率为。优化后 模型的颜色分类准确率为。模型收敛后的颜色分类准确率为，颜色分类效果比 模型差。参考文献 崔海鸥，刘珉我国第九次森林资源清查中的资源动态研究西部
13、林业科学，（）：张毓雄，姚顺波民间竹文化的传承与竹产业的发展：基于“中国竹子之乡”湖南益阳的调查北京林业大学学报（社会科学版），（）：，：石佳浩 基于深度学习的实木板材缺陷检测算法研究南京：南京林业大学，牛晗，伍希志，任桂芹，等基于 与 算法的竹片缺陷图像检测森林工程，（）：张昭，何东健基于计算机视觉的竹块颜色分类方法研究安徽农业科学，（）：，：窦刚，陈广胜，赵鹏采用颜色纹理及光谱特征的木材树种分类识别天津大学学报（自然科学与工程技术版），（）：，（）：，：，（上接第 页）张东东，孙金金胡椒属植物资源应用研究进展现代农业科技，（）：，：，（）：潘媛，陈大霞，宋旭红，等基于 标记的栽培栀子种质资
14、源遗传多样性研究中草药，（）：石海霞，肖承鸿，周涛，等地黄种质资源的 分子标记遗传多样性分析中药材，（）：朱田田，晋玲，马晓辉，等甘肃祁连山地区麻花秦艽 指纹图谱与遗传多样性研究中国药学杂志，（）：尚小红，严华兵，曹升，等广西地方葛根种质资源遗传多样性的 分析核农学报，（）：熊发前，唐荣华，陈忠良，等目标起始密码子多态性（）：一种基于翻译起始位点的目的基因标记新技术分子植物育种，（）：程虎印，王艳，颜永刚，等陕西产重楼属种质资源的 遗传多样性分析中草药，（）：马利奋，尹跃，赵建华，等 个枸杞品种的 遗传多样性浙江农业学报，（）：陈大霞，王钰，张雪，等黄连属部分药用植物遗传多样性与亲缘关系的 分析中国中药杂志，（）：蔡诚诚，杨志业，谢晖，等胡椒属药材核糖体 的 序列分析及其分子鉴定中国临床医学，（）：安徽农业科学 年
