[go: up one dir, main page]

CN112381833A - 用于钻石的颜色分级的工艺和系统 - Google Patents

用于钻石的颜色分级的工艺和系统 Download PDF

Info

Publication number
CN112381833A
CN112381833A CN202010747166.5A CN202010747166A CN112381833A CN 112381833 A CN112381833 A CN 112381833A CN 202010747166 A CN202010747166 A CN 202010747166A CN 112381833 A CN112381833 A CN 112381833A
Authority
CN
China
Prior art keywords
diamond
images
diamonds
color
optical
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
Application number
CN202010747166.5A
Other languages
English (en)
Inventor
许冠中
郑家荣
邓詠芝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Goldway Technology Ltd
Original Assignee
Goldway Technology Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Goldway Technology Ltd filed Critical Goldway Technology Ltd
Publication of CN112381833A publication Critical patent/CN112381833A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Quality & Reliability (AREA)
  • Pathology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biodiversity & Conservation Biology (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的颜色分级的工艺和系统。一种可使用计算机化系统以操作用于对钻石的颜色进行分级的工艺，所述工艺包括以下步骤：(i)采集钻石的至少一部分的一个或多个光学图像，(ii)在预训练神经网络中，基于在步骤(i)中采集的所述钻石的至少一部分的一个或多个光学图像，提供与所述钻石的颜色等级相关联的回归值；其中，该预训练神经网络已经利用从多个钻石中采集的光学图像被预训练，所述多个钻石中的每一个钻石均具有指配给该钻石的预先指配的颜色等级，其中，所述多个钻石包括每个预先指配颜色等级的多个钻石；以及(iii)通过将来自(ii)的回归值与颜色等级关联，从输出模块为(i)的钻石提供颜色等级。

Description

用于钻石的颜色分级的工艺和系统
技术领域
本发明涉及用于确定宝石的颜色的系统和工艺。更具体地，本发明提供了一种用于确定钻石的颜色的系统和工艺
背景技术
钻石是奢侈品中特别是珠宝首饰中使用的关键部件，并且可以具有非常大的价值。钻石的价值取决于钻石的几种物理特性。
存在四种用于评估钻石的质量的全球公认标准，通常称为4C，即Clarity(净度)、Color(颜色)、Cut(切割)和Carat Weight(克拉重量)。
对于钻石，除了可能具有特定或奇特颜色的钻石的颜色外，钻石的价值高度依赖于所谓的无色。钻石越无色，价值越高。
举例来说，美国宝石学院(GIA)具有从D到Z的颜色等级，其中，D等级表示完全无色的钻石，并且范围到Z等级，其表示具有显著量的不期望的颜色的钻石。
下文示出的是美国宝石学院(GIA)色标，对其应用颜色分级，等级从左到右被示出为从无色到浅色。
GIA色标
Figure BDA0002608765630000011
尽管对于不同钻石颜色的人类视觉识别特别对于类似分级的钻石并不特别敏感，但仅略微的颜色变化能够显著影响钻石的价值。
有几个因素会导致钻石的颜色，最常见和最重要的因素是钻石中的杂质。
在钻石的形成过程期间，杂质容易掺入钻石中。氮是天然钻石中最常见的杂质，其会产生不期望的黄色。钻石中的氮含量越高，颜色越深，因此石材的颜色等级越低。
硼也可以影响钻石的钻石颜色，但不太常见。具有硼杂质的钻石显示浅蓝色。还有其他杂质也影响钻石颜色，但它们很少见。
除了杂质之外，钻石内的空穴缺陷也导致钻石的颜色。有不同形式的空穴，诸如孤立的空穴、多空穴复合体以及与杂质结合的空穴等。
在一些钻石中，由于在地球深处形成过程中的环境压力条件，碳原子可能不会形成理想的四面体结构，并且四面体结构可能变形。天然钻石中的这种晶体变形残留也会引起钻石的颜色变化。为了评估钻石的颜色，确定钻石颜色的最公认的行业标准和实践是通过利用标准色标的经训练的人眼。
以GIA颜色分级系统为例，利用来自具有各种颜色等级的主石组的标准主石，对颜色分级人员进行数月训练。此外，在颜色分级过程期间，在受控环境中，将受评估的钻石与主石并排比较。
受控环境是具有放置在主石后的白色瓷砖并且测试钻石作为背景的标准灯箱。在这种标准化的环境下，钻石的颜色可以通过将其参考具有最接近颜色的主石来分级。
通常从下方与亭部成大约45度处观看钻石，颜色分级人员主要看向钻石的亭部并且在朝向钻石的台面的方向中。
应用颜色分级人员的重复训练，以便不同的分级人员可以重现相同的评估结果，以便在颜色分级人员之间提供统一性和一致性。
虽然这种颜色分级工艺被广泛使用并且在这种严格的颜色分级程序下，颜色分级工艺的可靠性和可重复性仍然容易出现不一致，并且这种不一致会导致不正确的分级，这会对钻石的价值产生不利影响。
发明内容
技术问题
本发明的目的是提供一种用于确定宝石特别是钻石的颜色的系统和工艺，其克服或至少部分地改善了与现有技术相关的至少一些缺陷。
技术解决方案
在第一方面中，本发明提供一种可使用计算机化系统以操作用于对钻石的颜色进行分级的的工艺，其使用用于确定颜色分级的预训练神经网络，所述计算机化系统包括经由通信链路可操作地互连在一起的光学图像采集设备、预训练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钻石的至少一部分的一个或多个光学图像，其中，一个或多个光学图像以相对于所述钻石的中心轴的预定角被采集，其中，所述中心轴垂直于台面和穿过所述钻石的亭部的顶点并在朝向所述台面的方向延伸，以及其中，所述一个或多个光学图像在具有预定恒定光水平的环境中被采集；
(ii)在预训练神经网络中，基于在步骤(i)中采集的所述钻石的至少一部分的一个或多个光学图像，提供与所述钻石的颜色等级相关联的回归值；
其中，所述预训练神经网络已经利用从多个钻石中采集的光学图像被预训练，多个钻石中的每一个均具有指配给该钻石的预先指配的颜色等级，
其中，所述多个钻石包括每个预先指配的颜色等级的多个钻石，
其中，光学图像采集设备在相同刻面并以相对于钻石的中心轴的相同预定角如(i)一样并且在具有与(i)相同的预定恒定光水平的环境中采集所述多个钻石的每一个钻石的至少一部分的一个或多个光学图像，其中，所述中心轴垂直于所述台面并穿过所述钻石的亭部的顶点延伸；以及
(iii)通过将来自(ii)的回归值与颜色等级关联，从输出模块为(i)的钻石提供颜色等级。
可以在步骤(i)中，在朝向所述钻石的台面的方向上采集钻石的至少一部分的一个或多个光学图像，并且其中，所述预训练神经网络已经利用从所述多个钻石采集的光学图像被预训练，所述多个钻石中的每一个均在朝向该钻石的台面的方向上具有指配给该钻石的预先指配的颜色等级。
可以在步骤(i)中，在朝向所述钻石的亭部的方向上采集钻石的至少一部分的一个或多个光学图像，并且其中，所述预训练神经网络已经利用从所述多个钻石采集的光学图像被预训练，所述多个钻石中的每一个均在朝向钻石的亭部的方向上具有指配给该钻石的预先指配的颜色等级。
可以在步骤(i)中，在朝向所述钻石的台面的方向上以及在朝向所述钻石的亭部的方向上均采集钻石的至少一部分的一个或多个光学图像，并且其中，所述预训练神经网络已经利用从所述多个钻石采集的光学图像被预训练，所述多个钻石中的每一个均在朝向所述钻石的台面的方向上和在朝向所述钻石的亭部的方向上具有指配给该钻石的预先指配的颜色等级。
优选，(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像是视野内的钻石的整体视图。
(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像可以以相对于所述中心轴的在零度至90度的范围中的角度被采集。
多个(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像优选绕所述中心轴被采集。
(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像可以以绕所述中心轴的相等间隔的角度被采集。
可以对钻石的亭部刻面采集(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像。
可以对钻石的台面刻面采集(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像。
可以对钻石的台面刻面采集(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像。
可以以相对于所述中心轴的在零度至90度的范围中的角度，采集(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像。
可以以相对于中心轴的在40度至50度的范围中的倾斜角采集(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像。
可以以相对于中心轴的约45度的倾斜角采集(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像。
可以在一对积分球的系统内采集(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像。
提供所述预定光水平的光源选自包括LED(发光二极管)光源、Xeon灯光源、以及白炽光源、以及荧光灯光源、太阳能模拟器等的组。
多个钻石的预先指配的颜色等级是对应于预先存在的颜色等级系统的标准参考钻石。所述预先存在的颜色分级系统是美国宝石学院(GIA)颜色分级系统。
(i)的钻石的一个或多个图像在被所述神经网络接收之前优选调整大小和裁剪，使得所述图像彼此具有恒定大小和分辨率。
在由所述神经网络接收之前，最好对(ii)的所述多个钻石的一个或多个图像进行大小调整和裁剪，使得所述图像彼此具有恒定大小和分辨率。
优选，在采集(i)的钻石的一个或多个图像和(ii)的多个钻石的一个或多个图像中利用平场校正。
在第二方面中，本发明提供一种用于对钻石的颜色进行分级的计算机化系统，其使用用于确定颜色分级的预训练神经网络，所述计算机化系统包括：
光学图像采集设备，用于采集钻石的至少一部分的一个或多个光学图像，其中，一个或多个光学图像以相对于所述钻石的中心轴的预定角被采集，其中，所述中心轴垂直于台面和穿过所述钻石的亭部的顶点并在朝向所述台面的方向延伸，以及其中，所述一个或多个光学图像在具有预定恒定光水平的环境中被采集；
预训练神经网络，用于从所述光学图像采集设备接收钻石的至少一部分的一个或多个光学图像，并且基于所述钻石的至少一部分的一个或多个光学图像来提供与所述钻石的颜色等级相关联的回归值；
其中，所述预训练神经网络已经利用从多个钻石中采集的光学图像被预训练，多个钻石中的每一个均具有指配给该钻石的预先指配的颜色等级，以及其中，所述多个钻石包括每个预先指配有颜色等级的多个钻石，以及
其中，光学图像采集设备在相同刻面并以相对于中心轴的相同预定角如(i)的那样并且在具有与当采集钻石的至少一部分的一个或多个光学图像时一样的预定恒定光水平的环境中采集所述多个钻石的每一个钻石的至少一部分的一个或多个光学图像，其中，所述中心轴垂直于所述台面并穿过所述钻石的亭部的顶点以及在朝向所述台面的方向延伸；以及
与所述预训练神经网络通信的输出模块，用于通过将所述回归值与颜色分级关联，为钻石提供颜色分级。
所述光学图像采集设备可以以相对于所述中心轴的在零度到90度的范围内的角度被倾斜。所述光学图像采集设备可以以相对于所述中心轴的约45度的角度被倾斜。
所述光学图像采集设备优选位于距所述钻石100mm至300mm的范围内的距离处，并且可以位于距所述钻石约200mm的距离处。
系统可以包括用于提供所述预定恒定光水平的至少一个光源，所述至少一个光源的色温为6500K。光源可以选自包括LED(发光二极管)光源、Xeon灯光源、白炽光源、荧光灯光源、太阳能模拟器等的组。
系统可以进一步包括一对积分球的系统，其中，积分球由在当采集钻石的一个或多个图像时该钻石所处的孔径区域处彼此进行光通信的两个积分球组成，并且其中，钻石位于互连积分球系统的每个球的孔径处。
系统可以进一步包括旋转平台，所述旋转平台绕所述中心轴并且在积分球的系统内旋转，其中，所述旋转平台提供所述钻石绕所述中心轴的旋转，使得可以通过所述光学图像采集设备采集所述钻石的多个光学图像。所述光学图像采集设备可以是数字相机。
所述光学图像采集设备可以被布置在所述两个积分球的第一球内并且朝向所述孔径倾斜。所述光学图像采集设备被布置在所述两个积分球的第二球内并且朝向所述孔径倾斜。
附图说明
为了能够获得对上述发明的更精确的理解，将通过参考在附图中示出的本发明的特定实施例来呈现上面简要描述的本发明的更具体的描述。本文呈现的附图可能未按比例绘制，并且附图或以下描述中对大小的任何引用特定于所公开的实施例。
图1示出了根据本发明的系统的第一实施例的示意性表示；
图2示出了根据本发明的工艺的流程图；
图3示出了根据本发明的系统的实施例的示意性表示；
图4a示出了没有平场校正的图像；
图4b示出了平场图像；
图4c示出了具有均匀亮度和背景的平场校正图像；以及
图5示出了根据本发明的工艺的实施例的流程图。
具体实施方式
本发明人已经认识到进行钻石的颜色分级的方式的缺点，并且在认识到现有技术的问题后，已经提供了克服现有技术问题的系统和工艺，并且提供了用于宝石特别是钻石的颜色分级的、更加一致和可靠的系统和工艺。
1.现有技术的问题
本发明人认识到的问题包括如下：
1.1内在因素-参考主石
对于颜色等级的标准参考，主石需要在不同组之间具有非常高的精度和可重复性。由于很难从大量天然钻石中选择符合标准颜色和其他物理要求的主石，因此主石可以是真正的或合成的钻石、氧化锆或其他合适的材料。无论主石是由何种材料制成的，为了有效比较的目的，它们必须在同一组中具有相同的大小和相同的切割。
然而，由于需要颜色分级的钻石本身具有不同的大小，为了钻石分级人员进行适当的比较，应该使用具有与被评估的钻石相似大小的主石组，以减少光学比较误差。
固有地，具有覆盖了一定范围使得覆盖所有大小的钻石以进行评估的主石组是非常昂贵且在商业上不切实际的。
进一步并且更重要的是，分级组的每块主石必须用特定的标准颜色均匀地饱和，以便可以在待分级的石头和分级组的参考石头之间进行最佳比较。
主石的准确性和可用性不仅适用于不同的主石组，而且也适用于评估时的不同时间点处的相同主石组。因此，主石的颜色必须是永久性的，不会随时间发生任何变化，否则必须为主石提供可用的寿命。
在主石的可用寿命或使用寿命到期后，无法保证颜色将保持稳定，并且因此无法保证颜色分级评估的准确性和可重复性。
所有上述问题都会影响颜色分级的精度和可重复性，并且会产生很高的技术难度，从而导致准备用于颜色分级的主石组的高生产成本。
1.2外在因素-环境问题
即使使用最可靠的主石并且在保证的寿命内，使得由于内在因素引起的变化最小化，由于使用人眼完成颜色分级和评估的可靠性和可重复性仍然固有地会对钻石的正确颜色分级造成问题。
颜色感知是人类色觉的常见心理影响。背景颜色和光照条件的任何差异或变化都可能导致宝石的颜色分级引起的错误。因此，环境参数也可能对颜色分级产生显著影响。
1.3外在因素-人为错误不一致和感知
由于人类视觉的生理效应，也可能在对于许多不同石头的评估之前和之后,即使由同一颜色分级人员，也会产生疲劳和对同一钻石的不同判断。
同样地，同一人在不同时间对同一钻石的颜色进行评估可能导致不同评估并且产生颜色分级偏差。
即使在严格控制的环境和休息良好的人的情况下，钻石的物理特性也会影响颜色分级。钻石的切割可以对颜色判断和评估产生物理效应。
钻石的非常高的折射率导致全内反射和光的散射，这也可以影响人的准确的颜色分级。不同钻石之间切割会变化，因此没有针对每颗钻石切割的用于公平比较的相应主石。
因此，在标准化的训练和评估程序下，由于心理、生理和物理效应，专业的颜色分级人员仍然面临可靠性和可重复性的困难。
1.4物理因素
存在钻石颜色分级受现有技术的亭部视图的影响的其他物理因素，导致不充分的颜色分级工艺。
一个这样的因素是直接来自白光源的光被钻石外面的亭部刻面反射。这种反射光会影响颜色分级的准确性，因为反射光的刻面看起来颜色较浅。
此外，当观察亭部刻面时，通常看到彼此处于不同的角度的多个刻面，从而在光学评估中导致不同的颜色印象。除了圆形明亮的切割的钻石外，钻石还可以以不同的方式切割，例如公主、椭圆形、侯爵夫人、梨形、垫形、祖母绿形、暗指形、辐射形和心形切割等。
2.本发明
为了提供可重复的和可靠的颜色分级，本发明提供了一种相对于现有技术的颜色分级工艺，用于评估和分级钻石颜色的优异的新的和创新工艺。
为了提供一种改进的用于钻石的颜色分级系统，该系统克服了本发明人发现的与现有技术相关联的缺陷，本发明人提供了克服了这些问题并且可以用于基于现有的颜色分级系统(诸如GIA的颜色分级系统)来提供颜色分级的系统和工艺。
本发明利用以下内容：
(i)钻石的图像预处理；
(ii)经训练的神经网络；以及
(iii)色域处理。
2.1预处理：
在本发明的实施例中，用于训练和评估的颜色分级的预处理可以包括几个步骤。预处理适用于亭部或台面刻面的照片，通常与台面成一定角度。预处理步骤涉及如下：
2.1.1调整大小和裁剪
从周围的背景中裁剪钻石的图像。
不同的钻石可能具有不同的大小。因此，将其图像调整大小以实现彼此恒定的大小和分辨率。
尽管调整大小和裁剪是优选的，但不一定在本发明的每个方面中均体现。
2.1.2平场校正
平场校正是一种校正因像素灵敏度变化而引起的图像伪影的技术。灵敏度的变化通常由两个因素引起。
首先是电子水准仪的像素性能。由于不可能完美地将相机检测器上的每个像素设计为完全相同，因此在以往的相机检测器上，存在灵敏度的像素间变化。
引起变化的第二个常见原因是光学设计。相机的镜头的组合会导致图像的亮度变化。最常见的情况是图像的调光器周长。
在工作照明条件下，通过拍摄背景为空且干净的多个平场图像F，可以校正像素灵敏度的变化。
也可以通过遮盖以阻挡所有光线的相机拍摄暗场图像D。暗场图像有时可以省略，因为它通常具有较低的像素值，尤其是对于高质量的相机。
然后可以用原始图像R完成平场校正，以产生具有系数m的校正后图像C，m是(F-D)的图像平均值或目标值。
C＝((R-D)*m)/(F-D))
平场校正是本发明的重要方面，因为颜色是光学印象，并且消除其影响有助于颜色评估可靠性。
平场校正的优点包括：
(i)在同一图像内提供均匀的暗/亮感知，以避免诸如暗角的伪像；
(ii)避免在使用具有不同传感器的图像采集设备时的图像的色温的变化；以及
(iii)避免由于传感器的每个像素的灵敏度而导致的图像不均匀。
2.2神经网络处理
2.2.1回归
预处理图像优选地被输入到卷积神经网络(CNN)中以进行颜色训练和预测。
由于对象的颜色是连续的属性，因此神经网络颜色分级不像经典的分类问题那样简单。
在传统的计算机视觉应用中，颜色可以视为连续光谱。对诸如钻石的宝石，例如存在颜色为E(例如，参考GIA色标)但非常接近下一个颜色等级F的宝石。
在本发明提供的神经网络颜色分级的情况下，将图像输入到CNN中以捕获彩色图像中的抽象特征。
通过回归方法分析特性，以留心或适应颜色的连续属性。回归的输出是连续值，而不是离散等级。在训练期间，使用(例如来自颜色分级组中的)具有已知或预定颜色分级的钻石以便训练CNN。
2.2.2表决方法
由于宝石的颜色分布在宝石中可能不均匀，因此在观察时，在不同的旋转角度下可能看起来具有不同的颜色。因此，宝石的神经网络颜色评估可能在宝石的不同旋转角度下产生不同的结果。
在传统的AI(人工智能)分类问题中，通常使用表决方法来确定最合适或可能的结果。
然而，本发明人已经确定，在宝石的情况下，宝石学家通过一般考虑而不是以不同角度对颜色进行投票来对宝石的颜色进行分级。
因此，为了最好地复制颜色分级的真实情况，使用了回归方法和统计方法(诸如平均来自不同角度的颜色结果)来代替表决方法。
2.3数据解释
根据本发明，由于颜色是连续的，因此在本发明中利用了色域。
在本发明中，结合回归和求平均值(或其他类似和适当的统计方法)，通过求平均来结合来自钻石的不同角度的回归值，以得出最终回归值。
回归值是指不同颜色等级之间的宝石的位置。
通过下面的示例，1.0代表颜色E，而2.0代表颜色F。
回归值为1.3的宝石是指它具有颜色E，因为它更接近1.0。
该回归值还指该宝石的颜色接近于颜色F，但不接近颜色D。
为此，除了诸如GIA颜色分级系统的系统之外，还引入了新概念“色域”。
具有在2个连续整数之间的回归值的宝石被视为相同的色域。
出于比较目的，这种系统提供增强的颜色分级和颜色分级的意义。
回归值 <0.5 [0.5,1.5) [1.5,2.5) [2.5,3.5) [3.5,4.5) [4.5,5.5)
颜色等级 D E F G H I
参考图1，示出了根据本发明的系统100的第一实施例的示意性表示。
系统100包括与神经网络120进行通信112的至少一个光学图像采集设备110。提供输出设备140，其与神经网络120进行通信124。
光学图像采集设备110优选的是CCD的数字相机设备，其允许采集钻石台面的光学图像。
系统100可以被提供为单个单元，并且整数个系统100被提供为整体设备。
可替代地，可以单独地提供整数个系统100，并且神经网络120被设置在与例如触敏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并通过电信网络与触敏输入设备和视觉显示单元140进行通信。
现在参考图2，示出了根据本发明的工艺的流程图200。
本发明的工艺可以使用诸如参考图1所示和所述的计算机化系统操作。
在计算机化系统中实现的该工艺提供对钻石的颜色进行分级。
体现该工艺的计算机化系统包括光学图像采集设备、神经网络和输出模块。
该方法包括以下步骤：
第一步骤-第一步骤(210)包括采集要确定其颜色分级的钻石的一个或多个光学图像。
该光学图像使用图像采集设备(诸如数字相机或CCD)以与中心轴的预定倾斜角采集，该中心轴垂直于台面以及穿过钻石的亭部的顶点并且在朝向台面的方向上延伸。
该光学图像在具有预定恒定光水平的环境中(诸如在两个连通的积分球的系统内)采集。可以从钻石的任一侧面、钻石的亭部刻面或钻石的台面采集光学图像。
第二步骤–在第二步骤(220)中，在预训练神经网络中，基于在步骤(i)中采集的所述钻石的至少一部分的一个或多个光学图像，提供与所述钻石的颜色等级相关联的回归值；
预训练神经网络已经利用从多个钻石采集的光学图像被预先训练，多个钻石中的每一个均具有指配给该钻石的预先指配的颜色等级。
多个钻石包括每个预先指配的颜色等级(例如，GIA分级)并且使用一组颜色分级钻石的多个钻石。
光学图像采集设备在相同刻面和以相对于中心轴的相同预定角如(i)一样并且在具有与(i)相同的预定恒定光水平的环境中采集所述多个钻石中的每个钻石的至少一部分的一个或多个光学图像，中心轴垂直于台面并穿过钻石的亭部的顶点并且在朝向台面的方向延伸。
第三步骤–第三步骤(230)，通过将步骤2的回归值与颜色等级关联，从输出模块将颜色等级提供给步骤1的钻石。
参考图3，示出了根据本发明的系统300的示意性表示。系统300包括与神经网络320进行通信312、312a的两个第一光学图像采集设备310和310a。
提供与神经网络320进行通信324的输出设备340。
两个第一光学图像采集设备310和310a使得由图像采集设备310以90度以及由图像采集设备310a以倾角提供钻石315的台面的图像，该钻石具有面朝下的台面。
同样地，在本发明中，可以采集与钻石315的台面刻面成两个角度的图像。
可替代地，在其他实施例中，可以通过钻石315的保持器改变钻石315的倾斜角，以便改变视图采集角度。
系统300包括积分球的系统，该系统由在孔径区域316处彼此光学通信的两个积分球350和350a组成，当采集光学图像时，钻石315位于孔径区域316中。
第一光学图像采集设备310和310a优选的是数字相机设备，其允许采集设备310以90度以及采集设备310a以相对于钻石315的中心垂直轴倾斜例如45度采集钻石315的光学图像。
光学图像采集设备310和310a位于距钻石315约200mm或者更小或更大的距离处。
系统300包括两个光源318和318a，在每个积分球350和350a内提供色温6500K的所述预定恒定光水平。光源可以选自包括LED(发光二极管)光源、Xeon灯光源和白炽光源以及荧光灯光源或太阳能模拟器等的组，以在色温6500K的球体350和350a内提供预定恒定光水平。
系统300进一步包括旋转平台317，旋转平台317可绕钻石315的所述中心轴并在积分球350和350a的系统内旋转，其中，旋转平台317提供钻石315绕中心轴的旋转，使得可以通过光学图像采集设备310和310a采集钻石的多个光学图像。
可选地，还提供用于采集至少第二光学图像的第二光学图像采集设备，第二光学图像采集设备310b，其中，第二光学图像是钻石315的亭部的光学图像。
在其他实施例中，可以通过钻石315的亭部的视图采集图像以评估颜色，并且通过钻石的视图来进行颜色评估。
附加的光学图像采集设备310c与神经网络320进行通信提供从亭部上方采集钻石的图像。
在其他实施例中，当通过台面或亭部或其组合评估钻石颜色时，与神经网络320通信的一个或多个另外的光学图像采集设备310d和310e可以被用于采集作为侧视图的钻石的图像。
将理解到，为了颜色评估，在本发明中可以利用钻石的台面或亭部或钻石的台面和亭部两者来进行颜色评估，并且相应地经由已知颜色分级的钻石的台面或亭部或台面和亭部两者的图像训练神经网络。
还将理解到，多组预分级的钻石可以被用于训练并且也可以具有不同的尺寸。
训练神经网络所采用的钻石的参考数据优选是例如与诸如美国宝石学院(GIA)颜色分级系统的预先存在的颜色分级系统相对应的标准参考比色石。
参考图4a、4b和4c，证明了如在本发明的优选实施例中使用的平场校正的有效性。
如所示，图4a示出了包括没有平场校正的钻石410的图像400a。图4b示出了作为平场图像的图像400b。现在，图4c示出了具有钻石410的平场校正的图像400c，其示出了具有均匀亮度和背景的图像。
可以看出，在图4a和图4c之间，通过平场校正，在图4c中示出了用于分析和等级确定的改进图像。
颜色是连续的和并且是光学印象，去除伪像和增加光的均匀度提供更可靠和增强的颜色分级。
图5示出了根据本发明的工艺的实施例的流程图。该工艺包括以下步骤：
步骤(i)510–捕获钻石的至少一部分的一个或多个光学图像；
步骤(ii)520–对光学图像进行预处理；
步骤(iii)530–将预处理后的图像输入到预训练神经网络中；
步骤(iv)540–识别钻石的抽象特征；
步骤(v)550–通过回归方法分析抽象特征；
步骤(vi)560–确定钻石的一个或多个光学图像的回归值；
步骤(vii)570–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)580–确定钻石的颜色等级。
在优选的实施例中，本发明的工艺利用用来分析所开发的钻石的颜色积分球系统和预训练神经网络。
与现有技术的系统和工艺相比，这种系统和工艺可以提供具有高重复性的良好替代方案，同时还可以减少生产主石组和培训专业宝石学家的成本和时间。它还可以减少培训专业宝石学家的时间。
此外，它可以避免为不同大小的钻石进行颜色评估而具有不同主石组的必要性。
由于颜色的视觉性质，钻石的颜色的评估需要在受控环境中进行。本发明确保对于颜色评估的每种钻石的光照条件和背景是相同的，从而避免了负面的环境影响。
此外，受控环境必须在不同位置可重复，使得不同位置的人仍然可以对钻石颜色进行相同的评估。
积分球系统有助于发挥这一作用，因为可以很好地控制和重复光强度、光谱和均匀性并且满足该需求。

Claims (31)

1.一种可利用计算机化系统操作用于对钻石的颜色进行分级的工艺，其利用预训练神经网络以用于确定颜色的分级，所述计算机化系统包括经由通信链路可操作地互连在一起的光学图像采集设备、预训练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钻石的至少一部分的一个或多个光学图像，其中，所述一个或多个光学图像是以相对于所述钻石的中心轴的预定角被采集的，其中，所述中心轴垂直于台面并穿过所述钻石的亭部的顶点并在朝向所述台面的方向延伸，以及其中，所述一个或多个光学图像是在具有预定恒定光水平的环境中被采集的；
(ii)在预训练神经网络中，基于在步骤(i)中采集的所述钻石的至少一部分的一个或多个光学图像，提供与所述钻石的颜色等级相关联的回归值；
其中，所述预训练神经网络是已经利用从各自均指配有预先指配的颜色等级的多个钻石中采集的光学图像而被预训练的，
其中，所述多个钻石包括每个均预先指配了颜色等级的多个钻石，
其中，一个或多个光学图像是由光学图像采集设备在相同刻面并以相对于钻石的中心轴的相同预定角从所述多个钻石中的每一个钻石的至少一部分所采集的，其中，所述中心轴如(i)一样是垂直于所述台面并穿过所述钻石的亭部的顶点延伸，并且是在具有与(i)相同的预定恒定光水平的环境中；以及
(iii)通过将来自(ii)的回归值与颜色等级关联，从输出模块为(i)中的钻石提供颜色等级。
2.根据权利要求1所述的工艺，
其中，在步骤(i)中，在朝向所述钻石的台面的方向上采集钻石的至少一部分的所述一个或多个光学图像，并且
其中，所述预训练神经网络是已经利用从各自均在朝向所述钻石的所述台面的方向上指配有预先指配的颜色等级的所述多个钻石所采集的光学图像而被预训练的。
3.根据权利要求1所述的工艺，
其中，在步骤(i)中，在朝向所述钻石的亭部的方向上采集钻石的至少一部分的所述一个或多个光学图像，并且
其中，所述预训练神经网络是已经利用从各自均在朝向所述钻石的亭部的方向上指配有预先指配的颜色等级的所述多个钻石所采集的光学图像而被预训练的。
4.根据权利要求1所述的工艺，
其中，在步骤(i)中，钻石的至少一部分的所述一个或多个光学图像是在朝向所述钻石的台面的方向上被采集的、以及是在朝向所述钻石的亭部的方向上被采集的，并且
其中，所述预训练神经网络是已经利用从所述多个钻石采集的光学图像而被预训练的，所述多个钻石中的每一个均在朝向该钻石的台面的方向上以及在朝向该钻石的亭部的方向上具有指配给该钻石的预先指配的颜色等级。
5.根据前述权利要求中任一项所述的工艺，其中，(i)中的钻石的所述一个或多个图像和(ii)中的所述多个钻石的所述一个或多个图像是视野内的钻石的整体视图。
6.根据前述权利要求中任一项所述的工艺，其中，(i)中的钻石的所述一个或多个图像和(ii)中的多个钻石的所述一个或多个图像是以相对于所述中心轴在从零度至90度的范围中的角度被采集的。
7.根据前述权利要求中任一项所述的工艺，其中，(i)中的钻石的所述一个或多个图像中的多个图像和(ii)中的多个钻石的所述一个或多个图像是绕所述中心轴被采集的。
8.根据权利要求6所述的工艺，其中，(i)中的钻石的一个或多个图像和(ii)中的多个钻石的所述一个或多个图像是以绕所述中心轴在相等间隔的角度被采集的。
9.根据前述权利要求中任一项的工艺，其中，(i)中的钻石的所述一个或多个图像和(ii)中的多个钻石的所述一个或多个图像是以相对于所述中心轴在从零度至90度的范围中的角度被采集的。
10.根据前述权利要求中任一项所述的工艺，其中，(i)中的钻石的所述一个或多个图像和(ii)中的多个钻石的所述一个或多个图像是以相对于中心轴在从40度至50度的范围中的倾斜角被采集的。
11.根据前述权利要求中任一项所述的工艺，其中，(i)中的钻石的所述一个或多个图像和(ii)中的多个钻石的所述一个或多个图像是以相对于中心轴在约45度的倾斜角被采集的。
12.根据前述权利要求中任一项所述的工艺，其中，至少第一光学图像和所述多个钻石的光学图像是在一对积分球的系统内被采集的。
13.根据前述权利要求中任一项所述的工艺，其中，用于提供所述预定光水平的光源选自包括以下各项的组：
LED(发光二极管)光源，Xeon灯光源，以及白炽光源，以及荧光灯光源，太阳能模拟器等。
14.根据前述权利要求中任一项所述的工艺，其中，所述多个钻石的所述预先指配的颜色等级是对应于预先存在的颜色分级系统的标准参考钻石。
15.根据权利要求14所述的工艺，其中，所述预先存在的颜色分级系统是美国宝石学院(GIA)颜色分级系统。
16.根据前述权利要求中任一项所述的工艺，其中，(i)中的钻石的所述一个或多个图像在被所述神经网络接收之前被调整大小和裁剪，使得所述图像彼此具有恒定大小和分辨率。
17.根据前述权利要求中任一项所述的工艺，其中，(ii)中的所述多个钻石的所述一个或多个图像在被所述神经网络接收之前被调整大小和裁剪，使得所述图像彼此具有恒定大小和分辨率。
18.根据前述权利要求中任一项所述的工艺，其中，在采集(i)中的钻石的所述一个或多个图像和(ii)中的多个钻石的所述一个或多个图像中利用平场校正。
19.一种用于对钻石的颜色进行分级的计算机化系统，其使用预训练神经网络以用于确定颜色分级，所述计算机化系统包括：
光学图像采集设备，用于采集钻石的至少一部分的一个或多个光学图像，其中，所述一个或多个光学图像是以相对于所述钻石的中心轴的预定角被采集的，其中，所述中心轴垂直于台面并穿过所述钻石的亭部的顶点并在朝向所述台面的方向延伸，以及其中，所述一个或多个光学图像是在具有预定恒定光水平的环境中被采集的；
预训练神经网络，用于从所述光学图像采集设备接收钻石的至少一部分的一个或多个光学图像，并且基于所述钻石的至少一部分的所述一个或多个光学图像来提供与所述钻石的颜色等级相关联的回归值；
其中，所述预训练神经网络是已经利用从各自均指配有预先指配的颜色等级的多个钻石中所采集的光学图像而被预训练的，以及其中，所述多个钻石包括每个均预先指配有颜色等级的多个钻石，以及
其中，一个或多个光学图像是由光学图像采集设备在相同刻面并以相对于钻石的中心轴的相同预定角从所述多个钻石中的每一个钻石的至少一部分所采集的，其中，所述中心轴如(i)一样是垂直于所述台面并穿过所述钻石的亭部的顶点并在朝着所述台面的方向上延伸，并且是在具有和当采集钻石的至少一部分的所述一个或多个光学图像时相同的预定恒定光水平的环境中；以及
与所述预训练神经网络通信的输出模块，用于通过将所述回归值与颜色分级相关联，为钻石提供颜色分级。
20.根据权利要求19所述的计算机化系统，其中，所述光学图像采集设备以相对于所述中心轴在从零度到90度的范围内的角度被倾斜。
21.根据权利要求19或20所述的计算机化系统，其中，所述光学图像采集设备以相对于所述中心轴约45度的角度被倾斜。
22.根据权利要求19至21中任一项所述的计算机化系统，其中，所述光学图像采集设备位于距所述钻石从100mm至300mm的范围内的距离处。
23.根据权利要求19至22中任一项所述的计算机化系统，其中，所述光学图像采集设备位于距所述钻石约200mm的距离处。
24.根据权利要求19至23中任一项所述的计算机化系统，进一步包括用于提供所述预定恒定光水平的至少一个光源，所述至少一个光源的色温为6500K。
25.根据权利要求24所述的计算机化系统，其中，所述光源选自包括以下各项的组：
LED(发光二极管)光源，Xeon灯光源，以及白炽光源，以及荧光灯光源，太阳能模拟器等。
26.根据权利要求19至25中任一项所述的计算机化系统，进一步包括一对积分球的系统，
其中，所述积分球由在当采集钻石的一个或多个图像时该钻石所处的孔径区域处彼此进行光通信的两个积分球组成，并且
其中，钻石位于互连积分球系统的每个球的孔径处。
27.根据权利要求26所述的计算机化系统，其中，在每个球中提供光源。
28.根据权利要求27所述的计算机化系统，进一步包括旋转平台，所述旋转平台绕所述中心轴并且在积分球的系统内旋转，其中，所述旋转平台提供所述钻石绕所述中心轴的旋转，使得能够通过所述光学图像采集设备采集所述钻石的多个光学图像。
29.根据权利要求19至28中任一项所述的计算机化系统，其中，所述光学图像采集设备是数字相机。
30.根据权利要求26至29中任一项所述的计算机化系统，其中，所述光学图像采集设备被布置在所述两个积分球的第一球内并且朝向所述孔径倾斜。
31.根据权利要求26至29中任一项所述的计算机化系统，其中，所述光学图像采集设备被布置在所述两个积分球的第二球内并且朝向所述孔径倾斜。
CN202010747166.5A 2019-07-29 2020-07-29 用于钻石的颜色分级的工艺和系统 Pending CN112381833A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
HK19127401 2019-07-29
HK19127401.8 2019-07-29

Publications (1)

Publication Number Publication Date
CN112381833A true CN112381833A (zh) 2021-02-19

Family

ID=71894604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010747166.5A Pending CN112381833A (zh) 2019-07-29 2020-07-29 用于钻石的颜色分级的工艺和系统

Country Status (5)

Country Link
US (1) US11326952B2 (zh)
EP (1) EP3771902A1 (zh)
CN (1) CN112381833A (zh)
WO (1) WO2021018174A1 (zh)
ZA (1) ZA202201380B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115112658A (zh) * 2022-07-08 2022-09-27 漳州万舞信息科技有限公司 一种宝石等级鉴别方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024261750A1 (en) * 2023-06-20 2024-12-26 Diamond Color Solutions Ltd. Ai-based diamond grading

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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系统

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5892920A (ja) * 1981-11-30 1983-06-02 Karuniyuu Kogaku Kogyo Kk ダイヤモンドカラ−測定装置
GB8700917D0 (en) * 1987-01-16 1987-02-18 British Petroleum Co Plc Separation process
US6980283B1 (en) * 1997-12-18 2005-12-27 Imagestatistics, Inc. Method and associated apparatus for the standardized grading of gemstones
US6304853B1 (en) * 1998-09-21 2001-10-16 Peter J. Malnekoff Automated gemstone evaluation system
GB0130540D0 (en) * 2001-12-20 2002-02-06 Boles Julian Method for displaying information
US7372552B2 (en) * 2003-12-22 2008-05-13 American Gem Society Methods, apparatus, and systems for evaluating gemstones
BE1016537A3 (nl) * 2004-11-10 2007-01-09 Wetenschappelijk En Tech Onder Werkwijze voor het onderscheiden van kleurloze en bijna kleurloze diamanten en opstelling voor het uitvoeren van deze werkwijze.
US20090182520A1 (en) * 2005-12-12 2009-07-16 Yoav Luxembourg Assessment of diamond color
US7388656B2 (en) * 2005-12-30 2008-06-17 Yan Liu Method and system for color grading of gemstones
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
CN101539530B (zh) * 2008-03-20 2011-08-31 香港城市大学 用于钻石的颜色分级的方法和装置
EP2406617A1 (en) * 2009-03-11 2012-01-18 Dsee Imaging Ltd. Methods and systems of imaging cut stones
WO2014002254A1 (ja) * 2012-06-29 2014-01-03 株式会社中央宝石研究所 ダイヤモンドのハート＆キューピッド光学効果の良否判定方法及びその装置
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
CN103090973B (zh) 2013-01-07 2015-01-14 广州标旗电子科技有限公司 基于光谱的Ia型钻石颜色快速分级方法
EP3254089A4 (en) * 2015-02-05 2019-07-17 RGV Group LLC SYSTEMS AND METHOD FOR GEMSTONE IDENTIFICATION
US10107757B2 (en) * 2015-03-30 2018-10-23 Gemological Institute Of America Inc. (Gia) Apparatus and method for fluorescence grading of gemstones
US9678018B2 (en) * 2015-03-30 2017-06-13 Gemological Institute Of America Inc. (Gia) Apparatus and method for assessing optical quality of gemstones
BR112017020995A2 (pt) * 2015-03-31 2018-07-10 Nanopix Integrated Software Solutions Private Ltd novo sistema de gradação óptica baseado em cor com vistas de multi-refletância e multi-ângulo
IL291815B2 (en) * 2015-05-21 2023-08-01 Sarine Color Tech Ltd A system and method for the unique identification of a gemstone
GB201510652D0 (en) * 2015-06-17 2015-07-29 Beers Uk De Ltd Colour measurement of gemstones
EP3329260B1 (en) * 2015-07-29 2023-12-13 Deng, Wenshuai Method of testing the color quality of a colored gemstone
WO2017112609A1 (en) * 2015-12-21 2017-06-29 The Regents Of The University Of Califorina Method to characterize cut gemstones using optical coherence tomography
EP3555597B1 (en) * 2016-12-15 2024-05-01 Gemological Institute of America, Inc. (GIA) Method for screening gemstones
US10548377B1 (en) * 2017-01-30 2020-02-04 The Diamond Pro, LTD Methods, systems, and media for rating and analyzing diamonds
US10380734B2 (en) * 2017-02-27 2019-08-13 Aniket Bharat Parikh System, method and computer program product for security analysis of jewelry items
EP3602016A4 (en) * 2017-03-29 2021-01-13 Engemma OY DETECTION OF GEMMOLOGICAL OBJECTS
EP3388822B1 (en) * 2017-04-14 2023-09-27 Inexto Sa Method for computing a unique identifier for a gemstone having facets
BE1025152B1 (nl) * 2017-04-19 2018-11-19 Octonus Finland Oy Verbeterde werkwijze voor het analyseren van een edelsteen
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
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系统
CN111837024B (zh) * 2018-01-17 2023-07-18 动力专家有限公司 图像分析工艺和系统
US11835473B2 (en) * 2018-03-23 2023-12-05 Ariel Scientific Innovations Ltd. Method and device for grading diamonds using radiofrequency (RF) spectroscopy
WO2020016874A1 (en) * 2018-07-15 2020-01-23 Sarine Technologies Ltd System and method for evaluating and determining color in gemstones
US11543360B2 (en) * 2019-07-02 2023-01-03 Cortica Ltd. Identifying and grading diamonds

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHIGUO REN 等: "Diamond Color Grading Based on Machine Vision", IEEE XPLORE, 31 December 2009 (2009-12-31), pages 1972 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115112658A (zh) * 2022-07-08 2022-09-27 漳州万舞信息科技有限公司 一种宝石等级鉴别方法及系统

Also Published As

Publication number Publication date
US11326952B2 (en) 2022-05-10
WO2021018174A1 (en) 2021-02-04
ZA202201380B (en) 2022-10-26
US20210033465A1 (en) 2021-02-04
EP3771902A1 (en) 2021-02-03

Similar Documents

Publication Publication Date Title
CN109991230B (zh) 用于钻石的颜色分级方法和系统
EP2140251B1 (en) Apparatus and methods for assessment, evaluation and grading of gemstones
RU2011117915A (ru) Модифицированный аппарат и способ для оценки, анализа и классификации драгоценных камней
US11835466B2 (en) Diamond clarity measurement process and system
US11112368B2 (en) System and method for evaluating and determining color in gemstones
EP3771903B1 (en) A process and system for diamond clarity measurement
CN112381833A (zh) 用于钻石的颜色分级的工艺和系统
CN1311855A (zh) 纤维颜色分级系统
CN111837024B (zh) 图像分析工艺和系统
US20040114135A1 (en) Automated inspection of tinted ophthalmic parts
RU2786504C1 (ru) Способ и система определения группы цвета алмазов
CN111886492A (zh) 用于翡翠的颜色分级工艺及系统
DE60028731C9 (de) Verfahren und vorrichtung zur erfassung von rissen in gegenständen aus durchsichtigem oder lichtdurchlässigem material
Wang On the Development of a Vision System for Diamond Quality Evaluation Based on the Analysis of Diamond Optical Properties

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: 40037870

Country of ref document: HK