1.一种实木板材颜色智能分类方法，其特征在于，包括：步骤1：采集多张实木板材图片，对实木板材图片进行预处理；

步骤2：将每张实木板材图片均从RGB彩色空间分别转换到Lab彩色空间和HSV彩色空间；

步骤3：分别获取Lab彩色空间图片的颜色的一阶矩和二阶矩和HSV彩色空间图片的颜色的一阶矩和二阶矩；

步骤4：使用K‑Means聚类算法对所有的Lab彩色空间的图片和HSV彩色空间的图片进行无监督学习，从而对采集的多张实木板材图片实现初步聚类，初步聚类为三类，记为a类、b类和c类；

步骤5：对初步聚类后的每张实木板材图片进行低通滤波，获得底色；采用基于K‑Means聚类算法的主颜色提取方法对a类、b类和c类中低通滤波后的每张实木板材图片进行主颜色提取，获取每类中的主颜色含量变化的一般规律，剔除不符合一般规律的实木板材图片，进一步将a类、b类和c类中的实木板材图片细划为A类、B类和C类；

步骤6：对初步聚类后的每张实木板材图片进行高通滤波，获得实木板材图片的纹理信息，根据a类、b类和c类中的每张实木板材图片的纹理信息中的曲、直，将每张实木板材图片分别划分为直纹或曲纹；

步骤7、根据步骤5和步骤6的分类结果给每张实木板材图片贴标签，所述标签包括A类直纹、B类直纹、C类直纹、A类曲纹、B类曲纹和C类曲纹；

步骤8：将已贴标签的实木板材图片作为样本，将所有样本分为训练集、验证集和测试集；

步骤9：使用训练集对pytorch图像分类器进行训练，获得实木板材颜色估计模型，使用验证集对实木板材颜色估计模型进行验证，调整模型参数，得到最优的实木板材颜色分类模型，使用测试集检验最优的实木板材颜色分类模型的性能；

步骤10：将待分类的实木板材图片输入到最优的实木板材颜色分类模型中，获得实木板材的标签信息，从而实现实木板材的颜色分类。

2.根据权利要求1所述的实木板材颜色智能分类方法，其特征在于，所述的步骤5具体为：

对初步聚类后的每张实木板材图片进行低通滤波，获得底色；

采用基于K‑Means聚类算法的主颜色提取方法对a类中低通滤波后的每张实木板材图片进行主颜色提取，获取a类中的主颜色含量变化的一般规律，剔除不符合一般规律的实木板材图片，留下的多张实木板材图片记为A类；

采用基于K‑Means聚类算法的主颜色提取方法对b类中低通滤波后的每张实木板材图片进行主颜色提取，获取b类中的主颜色含量变化的一般规律，剔除不符合一般规律的实木板材图片，留下的多张实木板材图片记为B类；

采用基于K‑Means聚类算法的主颜色提取方法对c类中低通滤波后的每张实木板材图片进行主颜色提取，获取c类中的主颜色含量变化的一般规律，剔除不符合一般规律的实木板材图片，留下的多张实木板材图片记为C类。

3.根据权利要求1所述的实木板材颜色智能分类方法，其特征在于，所述训练集、验证集和测试集均包括A类直纹的实木板材图片、B类直纹的实木板材图片、C类直纹的实木板材图片、A类曲纹的实木板材图片、B类曲纹的实木板材图片和C类曲纹的实木板材图片。