文献类型：期刊文章

作　　者：梁世佳[1] 徐哲壮[1] 林烨[1] 邱洋[1] 陈丹[1] 陈剑[1]

LIANG Shijia;XU Zhezhuang;LIN Ye;QIU Yang;CHEN Dan;CHEN Jian(School of Electrical Engineering and Automation,Fuzhou University,Fuzhou 350108,China)

机构地区：[1]福州大学电气工程与自动化学院自动化系,福建福州350108

出　　处：《传感器与微系统》

基　　金：国家自然科学基金资助项目(61973085)。

年　　份：2022

卷　　号：41

期　　号：2

起止页码：157-160

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：在木材加工领域,木材表面颜色是否协调对最终产品的经济效益有重要的影响。木材由于天然生长的缘故,表面颜色丰富,人工分拣困难。为对木材颜色进行分类,针对该场景提出使用无监督学习算法,即聚类算法。首先对木材图片进行轮廓检测,数据清洗排除异常样本,然后在RGB色彩空间上进行特征提取,最终经过K-means算法对样本的特征聚类。实验结果表明:在木材颜色分类场景下使用聚类算法可有效减少人工标注的成本,算法运行效率高,具有重要的应用价值。

关 键 词：木材选色  机器视觉 聚类算法 色彩空间  

分 类 号：TP399]