CN112308818A - 用于钻石净度测量的工艺和*** - Google Patents
用于钻石净度测量的工艺和*** Download PDFInfo
- Publication number
- CN112308818A CN112308818A CN202010745197.7A CN202010745197A CN112308818A CN 112308818 A CN112308818 A CN 112308818A CN 202010745197 A CN202010745197 A CN 202010745197A CN 112308818 A CN112308818 A CN 112308818A
- Authority
- CN
- China
- Prior art keywords
- diamond
- acquired
- images
- axial view
- optical image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000010432 diamond Substances 0.000 title claims abstract description 234
- 229910003460 diamond Inorganic materials 0.000 title claims abstract description 208
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000003749 cleanliness Effects 0.000 title claims abstract description 16
- 238000005259 measurement Methods 0.000 title abstract description 3
- 230000003287 optical effect Effects 0.000 claims abstract description 70
- 238000013528 artificial neural network Methods 0.000 claims abstract description 31
- 230000007547 defect Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 9
- 238000003705 background correction Methods 0.000 claims description 8
- 229910052724 xenon Inorganic materials 0.000 claims description 6
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 claims description 6
- 239000010437 gem Substances 0.000 description 20
- 229910001751 gemstone Inorganic materials 0.000 description 19
- 239000004575 stone Substances 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010004950 Birth mark Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/87—Investigating jewels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/062—LED's
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20208—High dynamic range [HDR] image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Adornments (AREA)
Abstract
本发明涉及用于钻石净度测量的工艺和***。一种可使用计算机化***来操作的工艺,其包括:(i)采集具有不同聚焦深度的钻石的一个或多个轴向视图图像;(ii)将多个轴向视图组合以形成一个或多个单一光学图像;(iii)在预训练的神经网络中,基于在步骤(i)期间采集的一个或多个单一图像来提供与所述钻石的净度等级相关联的回归值,其中已经利用从各自指配有预先指配的净度等级的多个钻石中采集的一个或多个单一光学图像预训练了预训练的神经网络,并且其中从多个钻石采集的一个或多个单一光学图像通过步骤(i)的同一工艺来提供;以及(iv)从输出模块,通过将来自(ii)的回归值与净度等级相关联来为(i)的钻石提供净度等级。
Description
技术领域
本发明涉及一种用于探知宝石的净度的***和工艺。更具体地,本发明提供了一种用于探知钻石的净度的***和工艺。
背景技术
众所周知,钻石是在许多奢侈品特别是珠宝制品中利用的关键部件,并且可能具有非常大的价值。
钻石的价值取决于钻石的若干物理性质,并且存在被利用来评估钻石的质量的四种全球公认的标准,通常称为4C,即净度、颜色、切工和克拉重量。
作为示例,美国宝石学院(GIA)具有如下所示的净度等级:
为了对钻石的净度进行评估,需要确定宝石内的缺陷的量、大小和位置。
从钻石的地下形成条件到对钻石执行的人类应用的工艺,可能在钻石内或钻石上形成不同的缺陷。
在钻石体内部,可能有杂质、空隙和裂缝,这些被认为是内部缺陷。在钻石表面上,可能有抛光不足的不规则和划痕,这些被认为是外部缺陷。
这些内部和外部特性对于钻石也很重要,因为它们可以是能够被用于识别特定钻石的唯一识别标记或“胎记”之一。
当前,确定钻石的净度的最认可的做法是由受过训练的人员进行并通过在10倍放大率下进行视觉检查。
宝石学家通过具有不同类型的缺陷的标准样品接受了若干月的训练,以期宝石当由不同人评估时应该再现相同的评估结果。
然而,即使在标准化训练和评估程序下,也不能保证可重复性,包括至少不可避免的人类主观判断问题。
另外,同一个人在不同时间对同一钻石的评估也可能导致该同一个人对同一钻石应用不同的净度等级。这也可能归因于人类的视觉疲劳,也可能在对许多不同宝石进行评估之前和之后对同一钻石做出不同的判断。
因此,即使对于受过训练且经验丰富的专业宝石学家,此类宝石学家仍然难以在钻石的净度评估中提供可重复性。
发明内容
发明的目的
本发明的目的是提供一种用于探知宝石特别是钻石的净度的***和工艺,该***和工艺克服或至少部分地改良了如与现有技术相关联的至少一些缺陷。
发明的概要
在第一方面中,本发明提供了一种可使用计算机化***来操作用于对钻石的净度进行分级的工艺,该计算机化***包括可操作地互连在一起的光学图像采集设备、处理器、预训练的神经网络和输出模块,所述工艺包括以下步骤:
(i)经由光学图像采集设备采集具有不同聚焦深度的钻石的一个或多个轴向视图图像,其中,聚焦深度是由钻石的高度确定的,并且在具有预先确定的恒定光水平的环境中采集多个轴向视图图像,并且其中,轴向视图被定义为在垂直于钻石的台面并且穿过钻石的亭部的顶点的中心轴线的方向上朝向钻石的视图,并且钻石的高度被定义为钻石的中心轴线的长度,
(ii)在处理器中,将多个轴向视图组合以形成一个或多个单一光学图像,其中单一图像包括来自多个轴向视图的焦点对准缺陷并且使得来自钻石内的多个轴线的焦点未对准缺陷被拒绝;
(iii)在预训练的神经网络中,基于在步骤(i)期间采集的一个或多个单一图像来提供与所述钻石的净度等级相关联的回归值;其中已经利用从各自指配有预先指配的净度等级的多个钻石采集的一个或多个单一光学图像预训练了预训练的神经网络,并且其中从多个钻石采集的一个或多个单一光学图像是通过步骤(i)的同一工艺来提供的、并且是在具有与(i)相同的预先确定的恒定光水平的环境中所采集的;以及
(iv)从输出模块,通过将来自(ii)的回归值与净度等级相关联来为(i)的钻石提供净度等级。
钻石的高度可以由经由垂直于钻石的中心轴线定位的另一光学图像采集设备采集的光学图像来确定。
不同聚焦深度用钻石的折射率进行校正。
可以根据以下公式来校正用于聚焦的视在聚焦深度D视在:
其中n钻石≈2.42。
预先确定的恒定光水平优选为6500K的色温。
可以在积分球的***内采集钻石的多个轴向视图图像。
提供所述预先确定的光水平的光源可以选自包括以下各项的组:LED(发光二极管)光源、氙灯光源和白炽灯光源以及荧光灯光源、太阳模拟器等。
光学图像采集设备可以是数码相机。光学图像采集设备是单色或多色设备。
可以围绕所述中心轴线采集钻石的多个轴向视图图像。
所述多个钻石的多个轴向视图图像是围绕所述中心轴线来采集的。
可以利用高动态范围(HDR)技术来采集钻石的一个以上的多个轴向视图图像。
可以利用高动态范围(HDR)技术来采集所述多个钻石的一个以上的多个轴向视图图像。
可以在采集钻石的一个以上的多个轴向视图图像时利用平场校正。
可以在采集所述多个钻石的一个以上的多个轴向视图图像时利用平场校正。
轴向视图可以是在朝向钻石的台面的方向上的视图。
轴向视图可以是在朝向钻石的亭部的方向上的视图。
在第二方面中,本发明提供了一种用于根据钻石体内的内部缺陷对钻石的净度进行分级的计算机化***,该计算机化***包括可操作地互连在一起的光学图像采集设备、处理器、预训练的神经网络和输出模块,所述工艺包括以下步骤:
(i)光学图像采集设备用于采集具有不同聚焦深度的钻石的一个以上的多个轴向视图图像,其中聚焦深度由钻石的高度确定并且在具有预先确定的恒定光水平的环境中采集多个轴向视图图像,并且其中轴向视图被定义为在垂直于钻石的台面并且穿过钻石的亭部的顶点的中心轴线的方向上朝向钻石的视图,并且钻石的高度被定义为钻石的中心轴线的长度,
(ii)处理器与图像采集设备通信,以用于将多个轴向视图组合以形成一个或多个单一光学图像,其中单一图像包括来自多个轴向视图的焦点对准缺陷并且使得来自钻石内的多个轴线的焦点未对准缺陷被拒绝;
(iii)预训练的神经网络与处理器通信并且基于由光学图像采集设备对所述钻石采集的一个或多个单一图像来提供与钻石的净度等级相关联的回归值,其中已经利用从各自指配有预先指配的净度等级的多个钻石采集的一个或多个单一光学图像预训练了预训练的神经网络,并且其中从多个钻石采集的一个或多个单一光学图像通过步骤(i)的同一工艺来提供,并且在具有与(i)相同的预先确定的恒定光水平的环境中采集;以及
(iv)输出模块与预训练的神经网络通信并且用于通过将来自的回归值与净度等级相关联来为钻石提供净度等级。
计算机化***还可以包括色温为6500K的用于提供所述预先确定的恒定光水平的光源。该光源可以选自包括以下各项的组:LED(发光二极管)光源、氙灯光源和白炽灯光源以及荧光灯光源、太阳模拟器等。
计算机化***还可以包括积分球的***,当采集至少第一光学图像时,钻石位于在该积分球中。
计算机化***还可以包括可围绕所述中心轴线并在积分球的***内旋转的旋转平台,其中该旋转平台提供用于钻石围绕中心轴线的旋转,使得钻石的多个光学图像能够由光学图像采集设备采集。
光学图像采集设备可以是数码相机。光学图像采集设备是单色或多色的。
***还可以包括用于采集钻石的侧视图的光学图像以便提供用于探知钻石的高度的另一光学采集设备。
轴向视图可以是在朝向钻石的台面的方向上的视图。轴向视图可以是在朝向钻石的亭部的方向上的视图。
附图说明
为了能够获得对上述发明的更精确理解,将通过参考本发明的在附图中图示的具体实施例来提出以上简要地描述的本发明的更特定描述。本文呈现的附图可能未按比例绘制,并且在附图或以下描述中对尺寸的任何引用特定于所公开的实施例。
图1示出根据本发明的***的实施例的示意表示;
图2a示出根据本发明的工艺的流程图;
图2b示出根据本发明的工艺的实施例的流程图的表示;
图3图解地描绘根据本发明的工艺的实施例;
图4a示出焦点对准的钻石的台面的图像的照片表示;
图4b示出聚焦在图4a的钻石中间的图像的照片表示;
图4c示出深度聚焦到图4a和图4b中的钻石中的图像的照片表示;
图4d示出保存如图4a、图4b和图4c中采集的不同聚焦深度下的所有焦点对准特征的组合图像的图像的照片表示;
图5a示出在反射刻面处具有过度曝光特征的具有高曝光的钻石的图像的照片表示;
图5b示出具有低曝光的图5a的钻石的图像的照片表示;
图5c示出具有非常低曝光的图5a的钻石的图像的照片表示;
图5d示出图5a的钻石的图像的照片表示,其中聚焦组合保存反射刻面处的特征;
图6a示出没有平场校正的钻石的图像;
图6b示出平场图像;以及
图6c示出具有均匀亮度和背景的图6a的钻石的平场校正后的图像。
具体实施方式
本发明人已经以执行钻石的净度分级的方式识别了缺点,并且在识别现有技术的问题后,已提供了克服现有技术的问题的***和工艺,并且提供了更加一致且可靠的***和工艺。
1.本发明
本发明的实施例如下:
1.1预处理
在本发明的实施例中,训练后的神经网络净度分级工艺的预处理包括若干步骤。预处理适用于相对于钻石具有不同聚焦深度的照片。预处理步骤包括:
(i)HDR(高动态范围)
宝石的夹杂物,另外称为缺陷或不均匀性,具有不同的大小和颜色。因此,不同的夹杂物在相机视图下具有不同的能见度。
一些较小的夹杂物需要更强的光照度或更长的相机曝光时间才能被捕获。然而,如果为低能见度的夹杂物设定非常长的曝光时间,则宝石的某些刻面和高能见度的夹杂物可能会过度曝光。
因此,优选地以不同的曝光时间或光强度拍摄一系列图像。所捕获的图像系列包含高能见度的夹杂物和低能见度的夹杂物两者。然后将图像系列组合以形成单一图像。此方法是高动态范围(HDR)方法。
(ii)聚焦组合
宝石的夹杂物分布在三维体积中。因此,需要在不同聚焦深度下拍摄的一系列图像来捕获整个宝石的所有夹杂物。
为了获得具有宝石的所有夹杂物的宝石的图像,将具有不同聚焦的一系列图像组合。
对于组合工艺,保留焦点对准信息,然而拒绝焦点未对准信息,从而在焦点对准条件下形成具有所有夹杂物的图像。
(iii)平场校正
平场校正是一种用于校正因像素灵敏度变化而引起的图像伪影的技术。
灵敏度变化通常是由2个因素引起的。首先是电子级像素性能。由于不可能将相机检测器上的每一像素完美地设计为完全相同,所以在以往的相机检测器上的灵敏度方面存在像素到像素变化。导致变化的第二常见原因是光学设计。
相机中透镜的组合可以引起图像的亮度变化。最常见情况是图像的调光器周长。
可以通过在工作照明条件下拍摄背景空且干净的多个平场图像F来校正像素灵敏度的变化。
也可以在遮盖相机以阻挡所有光的情况下拍摄暗场图像D。
有时能够省略暗场图像,因为尤其对于高质量相机,它通常具有低像素值。
然后可以用原始图像R进行平场校正,以产生因子为m的校正后的图像C,该因子m是(F-D)的图像平均值或目标值。
C=((R-D)*m)/((F-D))
(iv)背景去除
也可以执行背景去除,以便通过神经网络提供改进的学习和对净度等级的增强确定。
(v)调整大小和裁切
钻石的图像是从周边背景中裁切出来的。
不同的钻石可以具有不同的大小。其图像因此被调整大小以彼此实现恒定大小和分辨率。
调整大小和裁切是优选的,并且不一定体现在本发明的每一方面。
(vi)用于数据增强的旋转
可以采集围绕钻石轴线的多个图像,以通过神经网络改进学习和对净度等级的增强确定。
1.2神经网络处理
(i)回归
将预处理图像输入卷积神经网络(CNN)中用于净度训练和预测。
由于宝石的净度受夹杂物类型和位置影响,所以宝石的净度等级是离散分类问题。然而,由于净度也受夹杂物大小、颜色和量的影响,所以宝石的净度也具有某些连续性质。
因此,使用神经网络的人工智能(AI)净度分级不像经典分类问题一样简单。
例如,存在具有净度VS1但非常接近于下一个净度等级VVS2的宝石,因为这些宝石具有在VVS2边际的夹杂物大小。在人工智能(AI)净度分级的情况下,将图像输入到CNN中以从净度图像中捕获抽象特性。
通过回归方法来分析这些特性以适应和照顾净度的连续性质。回归的输出是连续值,而不是离散等级。
(ii)旋转方法
由于宝石的3D体积中的夹杂物分布,所以当观察角度不同时,它在不同的旋转角度上可能会显示不同。
因此,使用神经网络对宝石进行AI净度评估可以在不同的旋转角度下给出不同的结果。
在传统AI分类问题中,通常使用投票方法来确定最合适或可能的结果。
然而,在宝石的情况下,宝石学家通过一般考虑对由本发明人确定的宝石的净度进行分级,而不是对不同角度的净度进行投票。
因此,为了模仿或模拟净度分级的真实情形,可以使用来自不同角度的净度结果的平均。
在优选的实施例中,围绕钻石的轴线采集多个照片表示,例如相隔9度的40个不同图像,因为由于夹杂物在特定角度下的可视性,净度可能会显示不同。
此类多视图可以被既用于评估钻石的净度,也可以用于利用预定净度等级的钻石来训练神经网络。
1.3数据解释
净度域
对组合回归和平均值或其它类似的统计分析方法进行组合,通过求平均值将不同角度的回归值进行组合以得出最终回归值。
回归值是指不同净度等级之间的宝石的位置。
例如,1.0表示净度等级VVS2而2.0表示净度等级VS1。具有回归值1.3的宝石意味着它具有净度等级VVS2,因为它更接近1.0,诸如如下所示:
此回归值也意味着宝石具有接近净度VS1但不接近净度VVS1的净度。
为此,除了诸如GIA净度分级***的现有净度***之外,还引入了“净度域”的新概念。
回归值在2个连续整数之间的宝石被认为是相同的净度域。
2.本发明的示例和实施例
参考图1,示出了根据本发明的***100的示意表示。***100包括与处理器130进行通信112的光学图像采集设备110,该处理器130与神经网络120进行通信132。提供了输出设备340,该输出设备340与神经网络120进行通信125。
***100包括***积分球150,当采集多个光学图像时钻石315位于该***积分球150中。
光学图像采集设备110是数码相机设备或诸如CCD相机等的其它设备,其允许采集被定位的钻石115的光学图像,以便能够在朝向钻石的台面的方向上从钻石115上方采集钻石的图像。在此示例中,按台面向下布置钻石115。钻石由光学透明平台117支撑,该光学透明平台117可以例如由薄石英层形成,以允许借此采集图像。
***100可以包括用于在朝向钻石115的亭部的方向上观察钻石的另一光学图像采集设备111。
因此并且根据本发明,可以在不同的焦距下采集钻石115的轴向视图。
轴向视图被定义为在垂直于钻石115的台面的中心轴线的方向上朝向钻石115并且穿过钻石的亭部的顶点的视图。
钻石的高度被定义为垂直于钻石115的台面并且穿过钻石的亭部的顶点的中心轴线的长度。
根据本发明,钻石115的轴向视图可以是在朝向钻石115的台面的方向上的视图。这样的视图是从钻石115上方并直接看向钻石115的台面的顶视图。
替代地,钻石115的轴向视图可以是在朝向钻石115的亭部的方向上的视图。这样的视图是从钻石115下方并直接看向钻石115的亭部的钻石115的底视图。
如应理解的,能替代地结合适当的支架利用单一光学图像采集设备来使钻石倒置,以允许实现钻石115的台面视图和亭部视图两者。
另一光学图像采集设备116被提供用于采集钻石115的侧视图,这些侧视图能够用于确定钻石115的高度,并且与处理器130进行通信。
***100包括用于提供色温为6500K的所述预先确定的恒定光水平的光源118。该光源选自包括以下各项的组:LED(发光二极管)光源、氙灯光源和白炽灯光源以及荧光灯光源、太阳模拟器等。
平台117可以围绕钻石115的所述中心轴线并在积分球150的***内旋转,其中旋转平台117提供钻石绕中心轴线的旋转,使得钻石的多个光学图像能够由光学图像采集设备110采集。
可以将***100作为单一单元提供,并且可以将***100的整体作为整体设备提供。
替代地,能够单独地提供***100的整体,并且神经网络120被设置在与例如触摸敏感输入设备和视觉显示单元140相邻的位置中或者设置在远程位置中,并且通过电信网络的方式与触摸敏感输入设备和视觉显示单元140进行通信。
现在参考图2a和图2b并参考图3,在图2a中示出了本发明的工艺200a的流程图,在图2b中示出了本发明的工艺200b的实施例的流程图,图3图解地描绘能够在图1的***内实现的本发明的工艺。
本发明的工艺200a可使用图1的计算化***100来操作以用于根据钻石体内的内部缺陷对钻石的净度进行分级,由此该计算化***包括可操作地互连在一起的光学图像采集设备、处理器模块、神经网络和输出模块。
工艺200a包括以下步骤:
第一步骤210a—经由诸如图1的光学图像采集设备110的光学图像采集设备采集具有不同聚焦深度的钻石的一个以上的多个轴向视图图像,其中聚焦深度由钻石的高度确定并且在具有预先确定的恒定光水平的环境中采集多个轴向视图图像,并且其中轴向视图被定义为垂直于钻石的台面的视图,而钻石的高度被定义为垂直于钻石的台面并且穿过钻石的亭部的顶点的中心轴线的长度。
轴向视图被定义为在垂直于钻石的台面并且穿过钻石的亭部的顶点的中心轴线的方向上朝向钻石的视图,而钻石的高度被定义为垂直于钻石的台面并且穿过钻石的亭部的顶点的中心轴线的长度。
根据本发明,钻石的轴向视图可以是在朝向钻石的台面的方向上的视图。替代地,钻石的轴向视图可以是在朝向钻石的亭部的方向上的视图。
第二步骤220a—在诸如图1的处理器模块130的处理器模块中,将多个轴向视图组合以形成一个或多个单一光学图像,其中单一图像包括来自多个轴向视图的焦点对准缺陷并且使得来自钻石内的多个轴向视图的焦点未对准缺陷被拒绝。
第三步骤230a—在诸如图1的预训练的神经网络120的预训练的神经网络中,基于在步骤(i)期间采集的一个或多个单一图像来提供与所述钻石的净度等级相关联的回归值;其中已经利用从各自指配有预先指配的净度等级的多个钻石采集的一个或多个单一光学图像预训练了预训练的神经网络,并且其中从多个钻石采集的一个或多个单一光学图像通过步骤(i)的同一工艺来提供,并且在具有与(i)相同的预先确定的恒定光水平的环境中采集。
第四步骤240a—从诸如图1的输出模块140的输出模块,通过将来自(ii)的回归值与净度等级相关联来向(i)的钻石提供净度等级。
钻石的高度可以由经由垂直于钻石的中心轴线定位的另一光学图像采集设备例如图1的光学图像采集设备116采集的光学图像来确定。
根据以下公式来校正用于聚焦的视在聚焦深度D视在:
其中n钻石≈2.42
利用从侧视图图像推理的宝石高度,可以垂直于台面捕获钻石的不同聚焦深度的多个图像以检测缺陷。这可以通过将钻石的高度划分成对应的聚焦深度来进行。
然而,由于侧视图图像是在空气中捕获的,然而与台面垂直的图像是在钻石中捕获的,所以空气(n空气≈1)和钻石(n钻石≈2.42)的折射率差将影响聚焦深度确定。相对于垂直于台面捕获的图像,将光线的入射角的近似值视为小的,能够将用于聚焦的视在深度D视在校正为:
而不是真实深度D真实。
预先确定的恒定光水平是6500K的色温的范围。
在积分球的***内采集钻石的多个轴向视图图像,并且提供所述预先确定的光水平的光源选自包括以下各项的组:LED(发光二极管)光源、氙灯光源和白炽灯光源以及荧光灯光源、太阳模拟器等。
现在参考图2b,在如图所示的实施例中,利用了工艺200b的以下步骤:
步骤(i)210b—捕获具有不同聚焦深度的钻石的多个轴向视图图像;
步骤(ii)220b—对光学图像进行预处理,并且将具有不同聚焦深度的多个图像组合以形成焦点对准的一个或多个单一光学图像;
步骤(iii)230b—将经预处理的图像输入到预训练的神经网络中,该预训练的神经网络在本示例中使用预先确定的净度等级的钻石来在相同的方式和条件下进行预训练;
步骤(iv)240b—识别钻石的抽象特性;
步骤(v)250b—通过回归方法来分析抽象特性;
步骤(vi)260b—确定钻石的一个或多个光学图像的回归值;
步骤(vii)270b—确定钻石的一个或多个光学图像的回归值的平均值;以及
步骤(viii)280b—确定钻石的净度等级。
如图3中所示,从钻石300的高度的侧视图,示出了台面310在不同聚焦深度1至5下的多个图像,与方法的第一步骤相对应。钻石的高度h可以由侧视图确定,该侧视图可以由诸如数码相机或CCD相机的图像采集设备采集。
参考图4a、图4b和图4c,示出了钻石400的轴向图像的照片表示,其中轴向图像分别在朝向焦点对准的钻石400的台面的方向上,聚焦在中间,并且深度聚焦到钻石中。
图4a示出焦点对准的钻石400的台面410的图像的照片表示。图4b示出聚焦在图4a的钻石400中间的图像的照片表示。图4c示出利用如参考图3所描述的工艺深度聚焦到图4a和图4b的钻石中的图像的照片表示。
图4d示出保存如图4a、图4b和图4c中采集的钻石400的不同聚焦深度下的所有焦点对准特征的组合图像的图像的照片表示。
根据本发明,当利用本图像采集技术进行净度分级时并以根据本发明的方式进行训练和分级,都提供了优于现有技术的准确性和一致性增加的工艺。
作为另一示例,图5a示出钻石500的轴向图像的照片表示,其中轴向图像在朝向在反射刻面处具有过度曝光特征的具有高曝光的钻石500的台面的方向上,图5b示出具有低曝光的图5a的钻石500的图像的照片表示,图5c示出具有非常低曝光的图5a的钻石的图像的照片表示,并且图5d示出图5a-5c的钻石的图像的照片表示,其中聚焦组合保存反射刻面处的特征;
作为另一示例,图6a示出钻石600的轴向图像,其中轴向图像在朝向没有平场校正的钻石610的台面的方向上;图6b示出平场图像605;并且图6c示出具有均匀亮度和背景的图6a的钻石610的平场校正后的图像615。
与现有技术相比较,在没有人类视觉疲劳的问题并且具有用于分析缺陷的算法的本发明的机器***中实现的这样的工艺,提供了具有高重复性的改进且有利的替代方案。
本发明的***和工艺也减少了生产原石套装并培训专业的宝石学家的成本和时间。这也能够减少在净度分级方面培训专业的宝石学家的时间。
由于净度和固有偏差的视觉性质,需要在受控环境中完成对钻石的净度的评估。如由本发明所提供的,这确保了每颗钻石的照明条件和背景是相同的。
此外,受控环境在不同位置处必须是可重复的,使得在不同位置的人们仍然能够对本发明提供的钻石净度具有相同的评估。
如本发明的优选的实施例中所利用的积分球的***,能够在很好地控制并重复光强度、光谱和均匀性方面起到作用,并且因此本发明的***能够为净度评估提供服务。
Claims (27)
1.一种可使用计算机化***来操作用于对钻石的净度进行分级的工艺,所述计算机化***包括可操作地互连在一起的光学图像采集设备、处理器、预训练的神经网络和输出模块,所述工艺包括以下步骤:
(i)经由光学图像采集设备采集具有不同聚焦深度的钻石的一个以上的多个轴向视图图像,其中,所述聚焦深度是由所述钻石的高度确定的,并且所述多个轴向视图图像是在具有预先确定的恒定光水平的环境中被采集的,并且其中,所述轴向视图被定义为在垂直于所述钻石的台面并且穿过所述钻石的亭部的顶点的中心轴线的方向上朝向所述钻石的视图,并且所述钻石的所述高度被定义为所述钻石的所述中心轴线的长度,
(ii)在处理器中,将所述多个轴向视图组合以形成一个或多个单一光学图像,其中,所述单一图像包括来自所述多个轴向视图的焦点对准缺陷并且使得来自所述钻石内的所述多个轴向视图的焦点未对准缺陷被拒绝;
(iii)在预训练的神经网络中,基于在步骤(i)期间采集的所述一个或多个单一图像来提供与所述钻石的所述净度等级相关联的回归值;其中,已经利用从各自指配有预先指配的净度等级的多个钻石采集的一个或多个单一光学图像预训练了所述预训练的神经网络,并且其中,从多个钻石采集的所述一个或多个单一光学图像是通过步骤(i)的同一工艺所提供的、并且是在具有与(i)相同的预先确定的恒定光水平的环境中所采集的;以及
(iv)从输出模块,通过将来自(ii)的所述回归值与净度等级相关联,来为(i)的所述钻石提供净度等级。
2.根据权利要求1所述的工艺,其中,所述钻石的所述高度是由经由垂直于所述钻石的所述中心轴线所定位的另一光学图像采集设备采集的光学图像来确定的。
3.根据权利要求1或权利要求2所述的工艺,其中,不同聚焦深度被用所述钻石的折射率进行校正。
5.根据前述权利要求中的任一项所述的工艺,其中,所述预先确定的恒定光水平是6500K的色温。
6.根据前述权利要求中的任一项所述的工艺,其中,在积分球的***内采集钻石的所述多个轴向视图图像。
7.根据前述权利要求中的任一项所述的工艺,其中,用于提供所述预先确定的光水平的光源是选自包括以下各项的组:
LED(发光二极管)光源,氙灯光源,以及白炽灯光源,以及荧光灯光源、太阳模拟器等。
8.根据前述权利要求中的任一项所述的工艺,其中,所述光学图像采集设备是数码相机。
9.根据前述权利要求中的任一项所述的工艺,其中,所述光学图像采集设备是单色或多色设备。
10.根据前述权利要求中的任一项所述的工艺,其中,所述钻石的多个轴向视图图像是围绕所述中心轴线来采集的。
11.根据前述权利要求中的任一项所述的工艺,其中,所述多个钻石的多个轴向视图图像是围绕所述中心轴线来采集的。
12.根据前述权利要求中的任一项所述的工艺,其中,所述钻石的所述一个以上的多个轴向视图图像是利用高动态范围(HDR)技术来采集的。
13.根据前述权利要求中的任一项所述的工艺,其中,所述多个钻石的所述一个以上的多个轴向视图图像是利用高动态范围(HDR)技术来采集的。
14.根据前述权利要求中的任一项所述的工艺,其中,在采集所述钻石的所述一个以上的多个轴向视图图像时利用平场校正。
15.根据前述权利要求中的任一项所述的工艺,其中,在采集所述多个钻石的所述一个以上的多个轴向视图图像时利用平场校正。
16.根据前述权利要求中的任一项所述的工艺,其中,所述钻石的所述轴向视图是在朝向所述钻石的所述台面的所述方向上的视图。
17.根据权利要求1至15中的任一项所述的工艺,其中,所述钻石的所述轴向视图是在朝向所述钻石的所述亭部的所述方向上的视图。
18.一种用于根据钻石体内的内部缺陷对钻石的净度进行分级的计算机化***,所述计算机化***包括可操作地互连在一起的光学图像采集设备、处理器、预训练的神经网络和输出模块,所述工艺包括以下步骤:
(i)光学图像采集设备用于采集具有不同聚焦深度的钻石的一个以上的多个轴向视图图像,其中,所述聚焦深度由所述钻石的高度确定的,并且所述多个轴向视图图像是在具有预先确定的恒定光水平的环境中所采集的,并且其中,所述轴向视图被定义为在垂直于所述钻石的台面并且穿过所述钻石的亭部的顶点的中心轴线的方向上朝向所述钻石的视图,并且所述钻石的所述高度被定义为所述钻石的所述中心轴线的长度,
(ii)处理器与所述图像采集设备通信,以用于将所述多个轴向视图进行组合以形成一个或多个单一光学图像,其中,所述单一图像包括来自所述多个轴向视图的焦点对准缺陷并且使得来自所述钻石内的所述多个轴线视图的焦点未对准缺陷被拒绝;
(iii)预训练的神经网络与所述处理器通信,并且基于由所述光学图像采集设备对所述钻石采集的所述一个或多个单一图像来提供与所述钻石的所述净度等级相关联的回归值,其中,已经利用从各自指配有预先指配的净度等级的多个钻石采集的一个或多个单一光学图像预训练了所述预训练的神经网络,并且其中,从多个钻石采集的所述一个或多个单一光学图像是通过步骤(i)的同一工艺所提供的、并且是在具有与(i)相同的预先确定的恒定光水平的环境中所采集的;以及
(iv)输出模块与所述预训练的神经网络通信,并且用于通过将来自的所述回归值与净度等级相关联来为所述钻石提供净度等级。
19.根据权利要求18所述的计算机化***,还包括用于提供色温为6500K的所述预先确定的恒定光水平的光源。
20.根据权利要求18或19所述的计算机化***,其中,所述光源是选自包括以下各项的组:
LED(发光二极管)光源,氙灯光源,以及白炽灯光源,以及荧光灯光源、太阳模拟器等。
21.根据权利要求18至20中的任一项所述的计算机化***,还包括:
积分球的***,当采集至少第一光学图像时,所述钻石位于所述积分球中。
22.根据权利要求18至21中的任一项所述的计算机化***,还包括:
可围绕所述中心轴线并在所述积分球的***内旋转的旋转平台,
其中,所述旋转平台提供用于所述钻石围绕所述中心轴线的旋转,使得所述钻石的多个光学图像能够由所述光学图像采集设备采集。
23.根据权利要求18至22中的任一项所述的计算机化***,其中,所述光学图像采集设备是数码相机。
24.根据权利要求18至23中的任一项所述的计算机化***,其中,所述光学图像采集设备是单色的或多色的。
25.根据权利要求18至24中的任一项所述的计算机化***,还包括:
另一光学采集设备,以用于采集所述钻石的侧视图的光学图像以便提供用于探知所述钻石的所述高度。
26.根据权利要求18至25中的任一项所述的计算机化***,其中,所述钻石的所述轴向视图是在朝向所述钻石的所述台面的所述方向上的视图。
27.根据权利要求18至25中的任一项所述的计算机化***,其中,所述钻石的所述轴向视图是在朝向所述钻石的亭部的所述方向上的视图。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
HK19127404 | 2019-07-29 | ||
HK19127404.2 | 2019-07-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112308818A true CN112308818A (zh) | 2021-02-02 |
Family
ID=71894605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010745197.7A Pending CN112308818A (zh) | 2019-07-29 | 2020-07-29 | 用于钻石净度测量的工艺和*** |
Country Status (5)
Country | Link |
---|---|
US (1) | US11137355B2 (zh) |
EP (1) | EP3771903B1 (zh) |
CN (1) | CN112308818A (zh) |
WO (1) | WO2021018175A1 (zh) |
ZA (1) | ZA202201376B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117589109A (zh) * | 2024-01-19 | 2024-02-23 | 上海强华实业股份有限公司 | 石英中心托盘制作工艺的质量检测与控制方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230228690A1 (en) * | 2022-01-18 | 2023-07-20 | Gemological Institute Of America, Inc. (Gia) | Surface analysis of gemstones |
GB2625546A (en) * | 2022-12-20 | 2024-06-26 | De Beers Uk Ltd | Optical characterisation of an object |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100250201A1 (en) * | 2007-11-27 | 2010-09-30 | Sergey Borisovich Sivovolenko | Method and System for Improved Optical Modeling of Gemstones |
US20180342053A1 (en) * | 2017-05-25 | 2018-11-29 | International Business Machines Corporation | Mapping and encoding gemological features |
CN109991230A (zh) * | 2017-12-29 | 2019-07-09 | 金展科技有限公司 | 用于钻石的颜色分级方法和*** |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2008128455A (ru) | 2005-12-12 | 2010-01-20 | Платформ Девелопмент Энд Инвестмент Лтд. (Il) | Оценка цвета алмазов |
WO2008045613A2 (en) * | 2006-10-11 | 2008-04-17 | Rosy Blue Dmcc | Diamond valuation method, apparatus and computer readable medium product |
US7652755B2 (en) | 2007-02-23 | 2010-01-26 | Yan Liu | Apparatus and method for color measurement and color grading of diamonds, gemstones and the like |
US8402066B2 (en) | 2008-10-07 | 2013-03-19 | Gemological Institute Of America (Gia) | Method and system for providing a clarity grade for a gem |
US9953406B2 (en) | 2008-10-07 | 2018-04-24 | Gemological Institute Of America, Inc. (Gia) | Automated system and method for clarity measurements and clarity grading |
US9008832B2 (en) | 2009-09-22 | 2015-04-14 | Eternity Manufacturing Limited | Diamond sorting system |
US8878145B1 (en) * | 2012-07-27 | 2014-11-04 | Yan Liu | Apparatus and method for fluorescence spectral and color measurements of diamonds, gemstones and the like |
CN105701709A (zh) | 2016-01-08 | 2016-06-22 | 深圳钻明网络运营有限公司 | 散装钻石分类方法及*** |
CN108009564A (zh) | 2017-10-31 | 2018-05-08 | 昆明理工大学 | 一种基于径向基函数神经网络模型的翡翠手镯品质分级方法 |
CN107909103A (zh) | 2017-11-13 | 2018-04-13 | 武汉地质资源环境工业技术研究院有限公司 | 一种钻石4c标准自动分级方法、设备及存储设备 |
CN111788474B (zh) | 2017-12-29 | 2024-06-04 | 金展科技有限公司 | 钻石净度测量方法和*** |
US10739271B2 (en) * | 2018-05-31 | 2020-08-11 | Garry Ian Holloway | Gemstone periphery light qualification system |
CN109685038A (zh) | 2019-01-09 | 2019-04-26 | 西安交通大学 | 一种物品干净程度监测方法及其装置 |
US11037282B2 (en) * | 2019-05-17 | 2021-06-15 | International Business Machines Corporation | Detection of clarity markings in gemstones |
-
2020
- 2020-07-29 WO PCT/CN2020/105431 patent/WO2021018175A1/en active Application Filing
- 2020-07-29 US US16/942,696 patent/US11137355B2/en active Active
- 2020-07-29 CN CN202010745197.7A patent/CN112308818A/zh active Pending
- 2020-07-29 EP EP20188445.9A patent/EP3771903B1/en active Active
-
2022
- 2022-01-28 ZA ZA2022/01376A patent/ZA202201376B/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100250201A1 (en) * | 2007-11-27 | 2010-09-30 | Sergey Borisovich Sivovolenko | Method and System for Improved Optical Modeling of Gemstones |
US20180342053A1 (en) * | 2017-05-25 | 2018-11-29 | International Business Machines Corporation | Mapping and encoding gemological features |
CN109991230A (zh) * | 2017-12-29 | 2019-07-09 | 金展科技有限公司 | 用于钻石的颜色分级方法和*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117589109A (zh) * | 2024-01-19 | 2024-02-23 | 上海强华实业股份有限公司 | 石英中心托盘制作工艺的质量检测与控制方法 |
CN117589109B (zh) * | 2024-01-19 | 2024-03-29 | 上海强华实业股份有限公司 | 石英中心托盘制作工艺的质量检测与控制方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021018175A1 (en) | 2021-02-04 |
US20210033540A1 (en) | 2021-02-04 |
US11137355B2 (en) | 2021-10-05 |
EP3771903B1 (en) | 2023-05-03 |
ZA202201376B (en) | 2022-09-28 |
EP3771903A1 (en) | 2021-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112308818A (zh) | 用于钻石净度测量的工艺和*** | |
US11562473B2 (en) | Automated system and method for clarity measurements and clarity grading | |
US11835466B2 (en) | Diamond clarity measurement process and system | |
RU2476862C2 (ru) | Устройство для экспертизы, оценки и классификации драгоценных камней | |
JP6670327B2 (ja) | 宝石用原石の色測定 | |
TW202113335A (zh) | 用於評估寶石之色彩特性之方法 | |
JP2012505375A (ja) | 宝石の査定、評価および等級づけのための改良された装置および方法 | |
TW201702576A (zh) | 用於寶石的螢光分級之設備與方法 | |
US11467101B2 (en) | System for ascertaining optical characteristics of gemstone | |
CN110418958A (zh) | 外延晶圆背面检查方法及其检查装置、外延成长装置的起模针管理方法及外延晶圆制造方法 | |
RU2784694C1 (ru) | Способ и система для определения чистоты алмаза | |
CN111837024A (zh) | 图像分析工艺和*** | |
CN115100102A (zh) | 镀膜镜片的缺陷检测方法、装置、设备及可读存储介质 | |
CN112381833A (zh) | 用于钻石的颜色分级的工艺和*** | |
RU2786504C1 (ru) | Способ и система определения группы цвета алмазов | |
RU2781397C1 (ru) | Система для определения оптических характеристик драгоценного камня | |
Beloborodov et al. | Multichannel high-performance optoelectronic control of the surface of fuel pellets | |
Willcox | Automatic Defect Recognition in Magnetic Particle Inspection Applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40037871 Country of ref document: HK |