[发明专利]一种基于光谱分析的皮革无损检测方法及其系统在审
申请号: | 201710339817.5 | 申请日: | 2017-05-15 |
公开(公告)号: | CN107014770A | 公开(公告)日: | 2017-08-04 |
发明(设计)人: | 崔哲;李伟平 | 申请(专利权)人: | 崔哲 |
主分类号: | G01N21/3563 | 分类号: | G01N21/3563;G06K9/62 |
代理公司: | 北京创遇知识产权代理有限公司11577 | 代理人: | 李芙蓉,冯建基 |
地址: | 100020 北京市朝阳区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 光谱分析 皮革 无损 检测 方法 及其 系统 | ||
1.一种基于光谱分析的皮革无损检测方法,其特征在于,所述方法包括如下步骤:
S101、建立光谱数据库:
预先采集皮革的样本光谱数据,并给每一组所述样本光谱数据设置属性标签信息,并且将所述样本光谱数据和对应的所述属性标签信息存储到光谱数据库;
S102、光谱数据预处理:
根据所述属性标签信息对所述光谱数据库的所述样本光谱数据进行分类,并获得皮革光谱模型,存储到皮革光谱模型库;
S103、皮革光谱实时检测:
采集所需要检测的皮革光谱数据,与所述皮革光谱模型进行比对,并输出所需要检测的皮革检测结果。
2.根据权利要求1所述的一种基于光谱分析的皮革无损检测方法,其特征在于,所述步骤S101中,所述属性标签信息包括皮革种类、产地、制作时间、生产单位、物理参数、化学参数。
3.根据权利要求1所述的一种基于光谱分析的皮革无损检测方法,其特征在于,所述步骤S102中,采用支持向量机算法、贝叶斯决策法、最大似然估计法、BP神经网络算法、无监督学习算法和聚类算法对所述样本光谱数据进行分类。
4.根据权利要求1所述的一种基于光谱分析的皮革无损检测方法,其特征在于,所述步骤S103中,与所述皮革光谱模型进行比对时,分别获得所需要检测的皮革光谱数据每一属性的匹配度,并获得所需要检测的皮革光谱数据的匹配度百分比。
5.根据权利要求4所述的一种基于光谱分析的皮革无损检测方法,其特征在于,所述步骤S103中,所需要检测的皮革光谱数据与所述皮革光谱模型匹配度百分比低于50%时,将所述皮革光谱数据和对应的所述属性标签信息存储到光谱数据库。
6.一种基于光谱分析的皮革无损检测系统,其特征在于,所述系统包括光谱检测终端和服务器端,所述光谱检测终端,用于预先采集皮革的样本光谱数据,并给每一组所述样本光谱数据设置属性标签信息;以及采集所需要检测的皮革光谱数据;所述服务器端包括光谱数据库、比对处理模块和皮革光谱模型库;所述光谱数据库用于存储所述样本光谱数据和对应的所述属性标签信息,所述比对处理模块用于通过机器学习算法对所述样本光谱数据进行分类处理获得皮革光谱模型,存储到所述皮革光谱模型库,以及接收所需要检测的皮革光谱数据,与所述皮革光谱模型进行比对,并输出所需要检测的皮革检测结果。
7.根据权利要求6所述的一种基于光谱分析的皮革无损检测系统,其特征在于,所述光谱检测终端包括控制器、光谱传感器、显示模块、光源模块、通信模块、电源模块,所述光谱传感器、所述显示模块、所述光源模块、所述通信模块和所述电源模块与所述控制器电性连接;所述光谱传感器用于皮革光谱数据采集,所述光源模块用于提供光谱采集的光线;所述显示模块用于显示皮革检测匹配度和设备参数,所述通信模块用于与服务器端实现数据通信。
8.根据权利要求7所述的一种基于光谱分析的皮革无损检测系统,其特征在于,所述光谱检测终端还包括参数设置模块,用于预先采集皮革的样本光谱数据时,给每一组所述样本光谱数据设置属性标签信息。
9.根据权利要求6所述的一种基于光谱分析的皮革无损检测系统,其特征在于,所述比对处理模块包括通信接口单元,用于与所述光谱检测终端进行数据通信;
数据库接口单元,用于与所述光谱数据库和所述皮革光谱模型库进线数据通信;
分类建模单元,用于利用机器学习算法对所述样本光谱数据进行分类并获得皮革光谱模型;
预测比对单元,用于接收所需要检测的皮革光谱数据,与所述皮革光谱模型进行比对,并获得所需要检测的皮革光谱数据的匹配度百分比。
10.根据权利要求6所述的一种基于光谱分析的皮革无损检测系统,其特征在于,所述服务器端是一终端主机,所述终端主机与所述光谱检测终端连接;或者所述服务器端是一云端服务器,所述云端服务器与所述光谱检测终端通过通信网络实现数据通信。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于崔哲,未经崔哲许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710339817.5/1.html,转载请声明来源钻瓜专利网。