[发明专利]分类方法、分类系统、矿产分选机

说明书

本申请提供一种分类方法、分类系统和矿产分选机。其中，分类方法包括以下步骤：获取待分类对象的图像；将待分类图像转换为至少一种特定颜色空间表示的图像；获得以特定颜色空间表示的图像的各个通道颜色直方图，并将其组成为特征向量；将特征向量输入到分类器中，使用分类器对图像进行分类生成分类结果。此方法从若干特征向量中选择特定颜色空间的特征向量，减少了特征向量的选择，减少了计算资源的占用，提高了运算速度。

技术领域

本申请涉及机器视觉算法技术领域，尤其涉及一种分类方法、分类系统、矿产分选机。

背景技术

现有技术中矿产采掘时，通常使用采掘刀具将大块的矿石破碎为较小块的矿石。随后，矿产分选机对矿石进行分类拾取。

矿产分选机可以包括连续供给矿石的给料机构、将矿石传输到预定位置的传输机构、在预定位置对矿石进行检测的检测机构、根据检测机构对矿石的检测结果进行分类拾取的分选机构。

在实现现有技术的过程中，发明人发现：

矿产分选机在使用机器学习算法对矿石进行分类时，由于处理的信息量巨大，占用计算资源多。

因此，需要提供一种占用计算资源少的分类技术方案。

发明内容

本申请实施例提供一种占用计算资源少的图像处理技术方案。

具体的，一种分类方法,包括以下步骤：

获取待分类对象的图像；

将待分类图像转换为至少一种特定颜色空间表示的图像；

获得以特定颜色空间表示的图像的各个通道颜色直方图，并将其组成为特征向量；

将特征向量输入到分类器中，使用分类器对图像进行分类生成分类结果。

进一步的，所述获得以特定颜色空间表示的图像的各个通道颜色直方图，并将其组成为特征向量,还包括：

对特征向量进行归一化方法操作，生成归一化后的特征向量。

进一步的，将特征向量输入到分类器中，使用分类器对图像进行分类生成分类结果,具体包括：

导入事先使用机器学习算法训练好的分类器；

将特征向量输入到分类器，使用分类器对图像进行分类，得到分类结果。

进一步的，将特征向量输入到分类器中，获取包含背景的待分类对象的图像,具体包括：

获取从包含背景图像中分离出来的待分类对象的图像。

进一步的，所述分类方法应用于矿石分类。

本申请还提供一种分类系统，包括：

图像采集装置，用于获取待分类对象的图像；

图像处理装置，用于将待分类图像转换为至少一种特定颜色空间表示的图像；

分类装置，用于获得以特定颜色空间表示的图像的各个通道颜色直方图，并将其组成为特征向量；

将特征向量输入到分类器中，使用分类器对图像进行分类生成分类结果。

进一步的，所述分类装置用于获得以特定颜色空间表示的图像的各个通道颜色直方图，并将其组成为特征向量,还用于：

对特征向量进行归一化方法操作，生成归一化后的特征向量。

进一步的，所述分类装置用于将特征向量输入到分类器中，使用分类器对图像进行分类生成分类结果，具体用于：

导入事先使用机器学习算法训练好的分类器；