CN114193647B - 一种基于图像处理的橡胶塑炼机控制方法及装置 - Google Patents

一种基于图像处理的橡胶塑炼机控制方法及装置 Download PDF

Info

Publication number
CN114193647B
CN114193647B CN202210149221.XA CN202210149221A CN114193647B CN 114193647 B CN114193647 B CN 114193647B CN 202210149221 A CN202210149221 A CN 202210149221A CN 114193647 B CN114193647 B CN 114193647B
Authority
CN
China
Prior art keywords
plasticity
image
pixel point
category
pixel
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.)
Active
Application number
CN202210149221.XA
Other languages
English (en)
Other versions
CN114193647A (zh
Inventor
李辉
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.)
Wuhan Jinhexin Rubber And Plastic Products Co ltd
Original Assignee
Wuhan Jinhexin Rubber And Plastic Products Co 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 Wuhan Jinhexin Rubber And Plastic Products Co ltd filed Critical Wuhan Jinhexin Rubber And Plastic Products Co ltd
Priority to CN202210149221.XA priority Critical patent/CN114193647B/zh
Publication of CN114193647A publication Critical patent/CN114193647A/zh
Application granted granted Critical
Publication of CN114193647B publication Critical patent/CN114193647B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
    • B29B7/00—Mixing; Kneading
    • B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
    • B29B7/58—Component parts, details or accessories; Auxiliary operations
    • B29B7/72—Measuring, controlling or regulating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
    • B29B7/00—Mixing; Kneading
    • B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
    • B29B7/22—Component parts, details or accessories; Auxiliary operations
    • B29B7/28—Component parts, details or accessories; Auxiliary operations for measuring, controlling or regulating, e.g. viscosity control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像处理的橡胶塑炼机控制方法及装置，主要包括：获取局部采样点的可塑度稳定后的橡胶表面图像的灰度图像；分别根据灰度图像中每一像素点到每一局部采样点的距离以及梯度方向之间的关系以及每一像素点的梯度幅值，分别获得每一像素点的预测可塑度；将预测可塑度在预设可塑度范围外的像素点作为第一类像素点，对第一类像素点进行均值漂移聚类获得多个类别；根据每个类别主成分分析后的主成分方向确定每个类别的离散影响值，并根据每个类别的聚类的中心距离以及两相邻类别的离散影响值，获得两相邻类别的权值；当所有两相邻类别的权值中的最小值大于预设权值阈值时停止塑炼机。

Description

一种基于图像处理的橡胶塑炼机控制方法及装置
技术领域
本申请涉及人工智能领域，具体涉及一种基于图像处理的橡胶塑炼机控制方法及装置。
背景技术
橡胶在成为橡胶制品前为生胶，把生胶由强韧的弹性状态转变为柔软的塑性状态的工艺过程称为塑炼，在橡胶塑炼的过程中，需要对橡胶进行可塑度检测，当可塑度达到要求时即可停止塑胶。
现有技术中常选用毛细管流变仪检测橡胶的可塑度，而在使用过程中，该方法仅能对橡胶中局部的可塑性进行检测从而判断局部的橡胶制品是否达标，该种方法有可能会出现局部达标，而整体并未达标的状态，虽然可通过多次局部采样进行确定，但局部达标后仍然需要继续多次采样判断，从而造成检测过程耗时较长。
发明内容
针对上述技术问题，本发明实施例提供了一种基于图像处理的橡胶塑炼机控制方法及装置，以局部采样点的可塑度测量结果为依据，结合塑炼过程中橡胶的整体图像，得到橡胶在塑炼过程中整体的塑炼状态，避免了大量布置局部采样点进行监测的同时，高效准确的获得了橡胶的塑炼状态，便于及时停止塑炼过程。
第一方面，本发明实施例提出了一种基于图像处理的橡胶塑炼机控制方法，包括：
当塑炼过程中所有局部采样点的可塑度稳定后，采集橡胶表面图像。
对橡胶表面图像进行灰度化得到灰度图像，分别获得灰度图像中各像素点的梯度幅值和梯度方向。
分别根据灰度图像中每一像素点到每一局部采样点的距离以及梯度方向之间的关系，以及每一像素点的梯度幅值，分别获得灰度图像中每一像素点到每一局部采样点的可信率。
分别根据灰度图像中各像素点到各局部采样点的可信率，以及各局部采样点的可塑度生成多个第一高斯模型，分别将各像素点相对于各局部采样点所对应的多个第一高斯模型相乘，分别生成各像素点对应的第二高斯模型，将各像素点对应的第二高斯模型的均值分别作为各像素点的预测可塑度。
对灰度图像中预测可塑度在预设可塑度范围外的像素点进行均值漂移聚类获得多个类别，并分别对每个类别进行主成分分析得到每个类别的主成分方向。
分别根据每个类别的主成分方向确定每个类别的离散影响值，并分别对每个类别进行聚类获得每个类别的中心，根据两相邻类别的中心之间的距离以及两相邻类别的离散影响值，获得两相邻类别的权值。
判断所有两相邻类别的权值中的最小值是否小于预设权值阈值，若判断结果为是，则橡胶塑炼状态合格，停止塑炼机，否则保持运行塑炼机。
在一些实施例中，获得灰度图像中每一像素点到每一局部采样点的可信率，包括：
灰度图像中第p个像素点相对于第
Figure 100002_DEST_PATH_IMAGE002
个局部采样点的可信率为
Figure 100002_DEST_PATH_IMAGE004
，且
Figure 100002_DEST_PATH_IMAGE006
其中
Figure 100002_DEST_PATH_IMAGE008
表示第p个像素点到第
Figure 277959DEST_PATH_IMAGE002
个局部采样点之间的距离，
Figure 100002_DEST_PATH_IMAGE010
表示当前第
Figure 100002_DEST_PATH_IMAGE012
个像素点的梯度值，
Figure 100002_DEST_PATH_IMAGE014
表示两点之间梯度方向的差值。
在一些实施例中，分别根据每个类别的主成分方向确定每个类别的离散影响值，包括：
主成分方向包括第一主成分方向及第二主成分方向，第i类别中包含的各像素点在第一主成分上进行投影的投影点的方差为
Figure 100002_DEST_PATH_IMAGE016
，该类别中包含的各像素点在第二主成分上进行投影的投影点的方差为
Figure 100002_DEST_PATH_IMAGE018
，则第i类别内像素点分布的分散程度
Figure 100002_DEST_PATH_IMAGE020
。
第
Figure 100002_DEST_PATH_IMAGE022
个类别的离散影响值为
Figure 100002_DEST_PATH_IMAGE024
，且
Figure 100002_DEST_PATH_IMAGE026
，其中
Figure 100002_DEST_PATH_IMAGE028
表示第i类中各像素点的预测可塑度的值与预设可塑度范围[a,b]之间的差值的和，且
Figure 100002_DEST_PATH_IMAGE030
，其中
Figure 100002_DEST_PATH_IMAGE032
表示第
Figure 548535DEST_PATH_IMAGE022
类别中第
Figure 100002_DEST_PATH_IMAGE034
个像素点的预测可塑度，
Figure 100002_DEST_PATH_IMAGE036
为第
Figure 831748DEST_PATH_IMAGE022
个类别中像素点的数量，
Figure 100002_DEST_PATH_IMAGE038
为灰度图像中像素点的总数，min为最小取值函数，
Figure 100002_DEST_PATH_IMAGE040
分别为预设可塑度范围
Figure 100002_DEST_PATH_IMAGE042
的下界和上界。
在一些实施例中，根据两相邻类别的中心之间的距离以及两相邻类别的离散影响值，获得两相邻类别的权值，包括：
两相邻类别的权值为
Figure 100002_DEST_PATH_IMAGE044
，其中L为该相邻的两个类别的中心之间的距离，
Figure 100002_DEST_PATH_IMAGE046
分别为两相邻的类别的离散影响值。
在一些实施例中，对橡胶表面图像进行灰度化得到灰度图像，包括：
将橡胶表面图像中像素点在RGB三个通道中像素值的最大值，作为灰度图像中的像素点的灰度值。
在一些实施例中，分别获得灰度图像中各像素点的梯度幅值和梯度方向，包括：
像素点的梯度幅值
Figure 100002_DEST_PATH_IMAGE048
，像素点的梯度方向为
Figure 100002_DEST_PATH_IMAGE050
，其中g表示梯度幅值，
Figure 100002_DEST_PATH_IMAGE052
表示像素点的水平梯度，
Figure 100002_DEST_PATH_IMAGE054
表示像素点的竖直梯度。
在一些实施例中，当预设时长内各局部采样点的可塑度的方差小于预设方差阈值时，各局部采样点的可塑度稳定。
第二方面，本发明实施例提出了一种基于图像处理的橡胶塑炼机控制装置，包括：可塑度测量模块、图像采集模块、存储模块、处理模块。
可塑度测量模块用于测量各局部采样点处橡胶的可塑度，并将测量结果发送给处理模块。
图像采集模块用于当塑炼过程中所有局部采样点的可塑度稳定后，采集橡胶表面图像。
存储模块用于存储图像采集模块采集到的塑炼过程中局部采样点的可塑度稳定后的橡胶表面图像。
处理模块包括：第一判断子模块、图像灰度化子模块、第一计算子模块、第二计算子模块、第三计算子模块、第四计算子模块、第五计算子模块以及第二判断子模块。
第一判断子模块用于判断可塑度采集模块采集到的所有局部采样点的可塑度稳定是否稳定，并在所有局部采样点的可塑度稳定时，控制图像采集模块采集橡胶表面图像。
图像灰度化子模块用于对橡胶表面图像进行灰度化得到灰度图像。
第一计算子模块用于获得灰度图像中各像素点的梯度幅值和梯度方向。
第二计算子模块用于分别根据灰度图像中每一像素点到每一局部采样点的距离以及梯度方向之间的关系，以及每一像素点的梯度幅值，分别获得灰度图像中每一像素点到每一局部采样点的可信率。
第三计算子模块用于分别根据灰度图像中各像素点到各局部采样点的可信率，以及各局部采样点的可塑度生成多个第一高斯模型，分别将各像素点相对于各局部采样点所对应的多个第一高斯模型相乘，分别生成各像素点对应的第二高斯模型，将各像素点的第二高斯模型的均值分别作为各像素点的预测可塑度。
第四计算子模块用于对灰度图像中预测可塑度在预设可塑度范围外的像素点进行均值漂移聚类获得多个类别，并分别对每个类别进行主成分分析得到每个类别的主成分方向。
第五计算子模块用于分别根据每个类别的主成分方向确定每个类别的离散影响值，并分别对每个类别进行聚类获得每个类别的中心，根据两相邻类别的中心之间的距离以及两相邻类别的离散影响值，获得两相邻类别的权值。
第二判断子模块用于判断所有两相邻类别的权值中的最小值是否小于预设权值阈值，若判断结果为是，则控制塑炼机停止塑炼过程，否则保持运行塑炼机。
相比于现有技术，以局部采样点的可塑度测量结果为依据，结合塑炼过程中橡胶的整体图像，得到橡胶在塑炼过程中整体的塑炼状态，避免了大量布置局部采样点进行监测的同时，高效准确的获得了橡胶的塑炼状态，便于及时停止塑炼过程。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于图像处理的橡胶塑炼机控制方法的流程示意图。
图2是本发明实施例提供的一种基于图像处理的橡胶塑炼机控制装置的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明实施例提供了一种基于图像处理的橡胶塑炼机控制方法，如图1所示，包括：
101、当塑炼过程中所有局部采样点的可塑度稳定后，采集橡胶表面图像。
对于局部采样点的可塑度的测量可采用流变仪，流变仪是用于测定聚合物熔体，聚合物溶液、悬浮液、乳液、涂料、油墨和食品等流变性质的仪器。分为旋转流变仪、毛细管流变仪、转矩流变仪和界面流变仪。对于局部采样点的可塑度的数据获取，实施者在具体实施过程可根据具体实施场景，更换局部采样点可塑度数据获取的设备或/方法，本实施例不对可塑度的测量设备进行限定。
在通过设备得到局部采样点的可塑度数据后，分别计算各局部采样点的可塑度数据在预设时长内的方差
Figure 100002_DEST_PATH_IMAGE056
，当局部采样点的可塑度数据的方差
Figure DEST_PATH_IMAGE058
时，则认为采样点的可塑度数据稳定且达标，其中
Figure DEST_PATH_IMAGE060
为预设方差阈值，具体可由实施者根据具体实施要求进行调整。
102、对橡胶表面图像进行灰度化得到灰度图像，分别获得灰度图像中各像素点的梯度幅值和梯度方向。
具体的，当所有局部采样点的可塑度稳定后，采集橡胶表面的图像，对橡胶表面的图像进行灰度化得到灰度图像，灰度过程包括：将橡胶表面图像中像素点在RGB三个通道中像素值的最大值，作为灰度图像中的像素点的灰度值。
然后计算灰度图像中各像素点的梯度幅值和梯度方向，灰度梯度其实就是这个二维离散函数的求导，用差分代替微分，求取图像的灰度梯度。常用的一些灰度梯度模板有：Roberts算子、Sobel算子、Prewitt算子及Laplacian算子。本实施例中利用Sobel算子获得图像中各像素的梯度方向和梯度幅值，Sobel算子是典型的基于一阶导数的边缘检测算子，是离散型的差分算子。该算子对噪声具有平滑作用，能很好的消除噪声的影响，Sobel算子包含两组3x3的矩阵，分别为横向及纵向模板，将之与图像作平面卷积，即可分别得出图像中像素点的水平梯度及竖直梯度。
其中像素点的梯度幅值
Figure DEST_PATH_IMAGE062
，像素点的梯度方向为
Figure 762533DEST_PATH_IMAGE050
，其中
Figure DEST_PATH_IMAGE064
表示梯度幅值，
Figure 498408DEST_PATH_IMAGE052
表示像素点的水平梯度，
Figure 697308DEST_PATH_IMAGE054
表示像素点的竖直梯度。
103、分别根据灰度图像中每一像素点到每一局部采样点的距离以及梯度方向之间的关系，以及每一像素点的梯度幅值，分别获得灰度图像中每一像素点到每一局部采样点的可信率。
首先获取橡胶表面图像各像素点的坐标，求得第p个像素点到第
Figure 100608DEST_PATH_IMAGE002
个采样点之间的距离
Figure 828392DEST_PATH_IMAGE008
，同时得到经过第p个像素点和第
Figure 582722DEST_PATH_IMAGE002
个采样点的直线，所求得直线与横轴正半轴的夹角与第p个像素点的梯度方向之间的角度差值为
Figure 54154DEST_PATH_IMAGE014
。
具体的，灰度图像中第
Figure 311960DEST_PATH_IMAGE012
个像素点相对于第
Figure 741804DEST_PATH_IMAGE002
个局部采样点的可信率为
Figure DEST_PATH_IMAGE066
，其中
Figure 717851DEST_PATH_IMAGE008
表示第
Figure 727395DEST_PATH_IMAGE012
个像素点到第
Figure 105287DEST_PATH_IMAGE002
个局部采样点之间的距离，
Figure 440453DEST_PATH_IMAGE010
表示第
Figure 903796DEST_PATH_IMAGE012
个像素点的梯度值，其梯度值越大，则受局部采样点的影响越低，同时可信率
Figure 717031DEST_PATH_IMAGE004
的值越小。
需要说明的是，
Figure DEST_PATH_IMAGE068
表示两点之间梯度方向的差值，其值越大说明梯度方向和两点连线方向越不一致，则当前第p个像素点的梯度变化受第
Figure DEST_PATH_IMAGE070
个采样点的影响越弱，|
Figure 182385DEST_PATH_IMAGE068
|的值越大，可信率
Figure DEST_PATH_IMAGE072
的值越小。
Figure DEST_PATH_IMAGE074
能够反映第p个像素点受第
Figure 422873DEST_PATH_IMAGE070
个采样点可塑度的影响程度，其值越小表示影响程度越弱，第p个像素点受第
Figure 373512DEST_PATH_IMAGE070
个采样点可塑度的影响越低。
104、灰度图像中各像素点到各个局部采样点的可信率以及各局部采样点的可塑度，分别各像素点对应各局部采样点的第一高斯模型，将各像素点对应的多个第一高斯模型分别生成对应的第二高斯模型，将各像素点的第二高斯模型的均值分别作为各像素点的预测可塑度。
以第
Figure 990438DEST_PATH_IMAGE002
个局部采样点的可塑度为均值，第p个像素点的可信率为
Figure 342922DEST_PATH_IMAGE004
为均值所对应的概率，生成第p个像素点相对于第
Figure 19891DEST_PATH_IMAGE002
个局部采样点的高斯模型，并分别获得第p个像素点相对于其他各个局部采样点的第一高斯模型；需要说明的是，由于高斯模型相乘之后仍为高斯模型，本实施例中将第p个像素点对应所有第一高斯模型相乘，得到第p个像素点对应的第二高斯模型，将第二高斯模型的均值作为第p个像素点的预测可塑度
Figure DEST_PATH_IMAGE076
，
Figure 192246DEST_PATH_IMAGE076
表示第p个像素点在灰度图像中相对于各局部采样点进行预测所得到的预测可塑度，以此可以分别获得灰度图像中各像素点相对于各局部采样点的预测可塑度。
在得到预测后的可塑度值后，虽然可以通过检测所有预测可塑度满足达标的要求来停止机器生产，但是由于灰度图像中可能存在噪点导致，此时停止熔炼过程并不合理。所以在得到各像素点的预测可塑度的值后，仍需根据噪点的分布来进一步判断是否需要停止熔融过程。
105、对灰度图像中预测可塑度在预设可塑度范围外的像素点进行均值漂移聚类获得多个类别，分别对每个类别进行主成分分析得到每个类别的主成分方向。
具体的，根据实施者的具体实施场景，确定预设可塑度范围
Figure 347284DEST_PATH_IMAGE042
，
Figure 554274DEST_PATH_IMAGE040
分别为预设可塑度范围
Figure 667724DEST_PATH_IMAGE042
的下界和上界，将灰度图像中预测可塑度在预设可塑度范围外的像素点作为第一类像素点，第一类像素点即噪点，分别获取灰度图像中所有第一类像素点的坐标，对所有第一类像素点像的坐标进行均值漂移聚类，获得多个类别，其中每一类均包含多个第一类像素点，同一类别中表示各像素点的坐标分布相近。
需要说明的是，分别对每一类别中包含的像素点的坐标信息利用PCA（PrincipalComponents Analysis，主成分分析）获得每一类别的主成分方向，其中由于像素点的坐标信息为2维数据，可获得2个主成分方向，每个主成分方向都是一个2维的单位向量，每个主成分方向对应一个特征值，本实施例将特征值最大的主成分方向作为第一主成分方向，特征值最小的主成分方向作为第二主成分方向。
106、分别根据每个类别的主成分方向确定每个类别的离散影响值，并分别对每个类别进行聚类获得每个类别的中心，根据两相邻类别的中心之间的距离以及两相邻类别的离散影响值，获得两相邻类别的权值。
具体的，对于某一类别，将该类别中包含的各像素点在第一主成分坐标轴上进行投影，计算投影得到的投影点的方差
Figure 327375DEST_PATH_IMAGE016
，其方差值越大，则说明沿第一主成分坐标轴方向越分散，同时计算将该类别中包含的各像素点在第二主成分坐标轴上的投影方差
Figure 286104DEST_PATH_IMAGE018
，
Figure 347601DEST_PATH_IMAGE018
越大说明该类别中像素点沿第二主成分坐标轴方向越分散。进而得到当前第i类内像素点分布的分散程度
Figure 366373DEST_PATH_IMAGE020
。其值越大，表示第i类别中的像素点分布越分散，作为噪声的影响越小。
需要说明的是，第i类别对整体可塑度的离散影响值
Figure 513320DEST_PATH_IMAGE026
，其中
Figure 541319DEST_PATH_IMAGE036
为第
Figure 457323DEST_PATH_IMAGE022
个类别中像素点的数量，
Figure 646995DEST_PATH_IMAGE038
为灰度图像中像素点的总数，min为最小取值函数，
Figure 281239DEST_PATH_IMAGE040
分别为预设可塑度范围
Figure 581770DEST_PATH_IMAGE042
的下界和上界，
Figure DEST_PATH_IMAGE078
表示第个
Figure 617860DEST_PATH_IMAGE022
类别中像素点分布的分散程度，
Figure DEST_PATH_IMAGE080
越大，说明噪点占整体图像越多，则噪点对整体可塑度的影响就越大。
Figure 945810DEST_PATH_IMAGE028
表示第i类中各像素点的预测可塑度的值与预设可塑度范围[a,b]之间的差值的和，且
Figure 332929DEST_PATH_IMAGE030
，其中
Figure DEST_PATH_IMAGE082
表示第i类别中第j个像素点的预测可塑度，
Figure 437152DEST_PATH_IMAGE078
表示第i类内像素点分布的分散程度，其越分散则影响程度越低。
Figure 62168DEST_PATH_IMAGE024
的值越大，则第i类别内像素点对整体可塑度的影响程度就越大。
分别对每一类噪点数据进行聚类，分别得到每一类的中心，对第i类噪点数据按照坐标信息k-means聚类，k=1，得到第i类别的中心点，获取各类之间两两之间的距离L和离散影响
Figure DEST_PATH_IMAGE084
,建立无向完全图，其中任意两类别之间的权值
Figure 593644DEST_PATH_IMAGE044
，Q的值越大，则说这两个类别对整体可塑度的影响就越大，因为L越小，越集中，说混炼过程中的混合效果不佳。
107、判断所有两相邻类别的权值中的最小值是否大于预设权值阈值，若判断结果为是，则橡胶塑炼状态合格，停止塑炼机，否则保持运行塑炼机。
具体的，获得灰度图像中所有类别中任意两相邻类别之间的权值中的最小值
Figure DEST_PATH_IMAGE086
，QK表示所有顶点之间按距离最小影响下，综合所有噪点数据对整体可塑度的影响，QK值越大，所有噪点数据对整体可塑度的影响越大，越不能停止混炼。
需要说明的是，在局部采样点的可塑度稳定后，得到当前塑炼过程中不符合可塑度要求点的影响力
Figure 671321DEST_PATH_IMAGE086
，预设权值阈值
Figure DEST_PATH_IMAGE088
，当
Figure DEST_PATH_IMAGE090
时，则认为整体的塑炼程度，即使存在少量不合格的点，但也达到了塑炼质量要求，可以立即停止塑炼。
本发明实施例还提供了一种基于图像处理的橡胶塑炼机控制装置，如图2所示，包括：可塑度测量模块21、图像采集模块22、存储模块23、处理模块24。
可塑度测量模块21用于测量各局部采样点处橡胶的可塑度，并将测量结果发送给处理模块24。
图像采集模块22用于当塑炼过程中所有局部采样点的可塑度稳定后，采集橡胶表面图像。
存储模块23用于存储图像采集模块22采集到的塑炼过程中所有局部采样点的可塑度稳定后的橡胶表面图像。
处理模块24包括：第一判断子模块241、图像灰度化子模块242、第一计算子模块243、第二计算子模块244、第三计算子模块245、第四计算子模块246、第五计算子模块247以及第二判断模块248。
第一判断子模块241用于判断可塑度采集模块21采集到的所有局部采样点的可塑度稳定是否稳定，并在所有局部采样点的可塑度稳定时，控制图像采集模块22采集橡胶表面图像。
图像灰度化子模块242用于对橡胶表面图像进行灰度化得到灰度图像。
第一计算子模块243块用于获得灰度图像中各像素点的梯度幅值和梯度方向。
第二计算子模块244用于分别根据灰度图像中每一像素点到每一局部采样点的距离以及梯度方向之间的关系，以及每一像素点的梯度幅值，分别获得灰度图像中每一像素点到每一局部采样点的可信率。
第三计算子模块245用于分别根据灰度图像中各像素点到各局部采样点的可信率，以及各局部采样点的可塑度生成多个第一高斯模型，分别将各像素点对应的多个第一高斯模型相乘生成各像素点对应的第二高斯模型，将各像素点对应的第二高斯模型的均值分别作为各像素点的预测可塑度。
第四计算子模块246用于对灰度图像中预测可塑度在预设可塑度范围外的像素点进行均值漂移聚类获得多个类别，并分别对每个类别进行主成分分析得到每个类别的主成分方向。
第五计算子模块247用于分别根据每个类别的主成分方向确定每个类别的离散影响值，并分别对每个类别进行聚类获得每个类别的中心，根据两相邻类别的中心之间的距离以及两相邻类别的离散影响值，获得两相邻类别的权值。
第二判断子模块248用于判断所有两相邻类别的权值中的最小值是否大于预设权值阈值，若判断结果为是，则控制塑炼机停止塑炼过程，否则保持运行塑炼机。
综上所述，相比于现有技术，本实施例的有益效果在于：以局部采样点的可塑度测量结果为依据，结合塑炼过程中橡胶的整体图像，得到橡胶在塑炼过程中整体的塑炼状态，避免了大量布置局部采样点进行监测的同时，高效准确的获得了橡胶的塑炼状态，便于及时停止塑炼过程。
本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本发明的方法和系统中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
上述实施例仅仅是为清楚地说明所做的举例，并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。

Claims (8)

1.一种基于图像处理的橡胶塑炼机控制方法，其特征在于，包括：
当塑炼过程中所有局部采样点的可塑度稳定后，采集橡胶表面图像；
对所述橡胶表面图像进行灰度化得到灰度图像，分别获得所述灰度图像中各像素点的梯度幅值和梯度方向；
分别根据所述灰度图像中每一像素点到每一所述局部采样点的距离以及梯度方向之间的关系，以及每一像素点的梯度幅值，分别获得所述灰度图像中每一像素点到每一所述局部采样点的可信率；
分别根据所述灰度图像中各像素点到各所述局部采样点的所述可信率，以及各所述局部采样点的可塑度生成多个第一高斯模型，分别将各像素点相对于各局部采样点所对应的多个第一高斯模型相乘，分别生成各像素点对应的第二高斯模型，将各像素点对应的第二高斯模型的均值分别作为各像素点的预测可塑度；
对所述灰度图像中预测可塑度在预设可塑度范围外的像素点进行均值漂移聚类获得多个类别，并分别对每个所述类别进行主成分分析得到每个类别的主成分方向；
分别根据每个所述类别的主成分方向确定每个类别的离散影响值，并分别对每个类别进行聚类获得每个类别的中心，根据两相邻类别的中心之间的距离以及两相邻类别的所述离散影响值，获得两相邻所述类别的权值；
判断所有两相邻所述类别的权值中的最小值是否小于预设权值阈值，若判断结果为是，则橡胶塑炼状态合格，停止塑炼机，否则保持运行塑炼机。
2.根据权利要求1所述的基于图像处理的橡胶塑炼机控制方法，其特征在于，获得所述灰度图像中每一像素点到每一所述局部采样点的可信率，包括：
灰度图像中第p个像素点相对于第
Figure DEST_PATH_IMAGE002
个局部采样点的可信率为
Figure DEST_PATH_IMAGE004
，且
Figure DEST_PATH_IMAGE006
其中
Figure DEST_PATH_IMAGE008
表示第p个像素点到第
Figure DEST_PATH_IMAGE010
个局部采样点之间的距离，
Figure DEST_PATH_IMAGE012
表示当前第
Figure DEST_PATH_IMAGE014
个像素点的梯度值，
Figure DEST_PATH_IMAGE016
表示两点之间梯度方向的差值。
3.根据权利要求2所述的基于图像处理的橡胶塑炼机控制方法，其特征在于，分别根据每个所述类别的主成分方向确定每个类别的离散影响值，包括：
所述主成分方向包括第一主成分方向及第二主成分方向，第i类别中包含的各像素点在第一主成分上进行投影的投影点的方差为
Figure DEST_PATH_IMAGE018
，该类别中包含的各像素点在第二主成分上进行投影的投影点的方差为
Figure DEST_PATH_IMAGE020
，则第i类别内像素点分布的分散程度
Figure DEST_PATH_IMAGE022
；
第
Figure DEST_PATH_IMAGE024
个类别的离散影响值为
Figure DEST_PATH_IMAGE026
，且
Figure DEST_PATH_IMAGE028
，其中
Figure DEST_PATH_IMAGE030
表示第i类中各像素点的预测可塑度的值与预设可塑度范围[a,b]之间的差值的和，且
Figure DEST_PATH_IMAGE032
，其中
Figure DEST_PATH_IMAGE034
表示第
Figure 460110DEST_PATH_IMAGE024
类别中第
Figure DEST_PATH_IMAGE036
个像素点的预测可塑度，
Figure DEST_PATH_IMAGE038
为第
Figure 846092DEST_PATH_IMAGE024
个类别中像素点的数量，
Figure DEST_PATH_IMAGE040
为所述灰度图像中像素点的总数，min为最小取值函数，
Figure DEST_PATH_IMAGE042
分别为预设可塑度范围
Figure DEST_PATH_IMAGE044
的下界和上界。
4.根据权利要求3所述的基于图像处理的橡胶塑炼机控制方法，其特征在于，根据两相邻类别的中心之间的距离以及两相邻类别的所述离散影响值，获得两相邻所述类别的权值，包括：
两相邻所述类别的权值为
Figure DEST_PATH_IMAGE046
，其中L为该相邻的两个类别的中心之间的距离，
Figure DEST_PATH_IMAGE048
分别为两相邻的所述类别的离散影响值。
5.根据权利要求4所述的基于图像处理的橡胶塑炼机控制方法，其特征在于，对所述橡胶表面图像进行灰度化得到灰度图像，包括：
将橡胶表面图像中像素点在RGB三个通道中像素值的最大值，作为所述灰度图像中的像素点的灰度值。
6.根据权利要求5所述的基于图像处理的橡胶塑炼机控制方法，其特征在于，分别获得所述灰度图像中各像素点的梯度幅值和梯度方向，包括：
像素点的梯度幅值
Figure DEST_PATH_IMAGE050
，像素点的梯度方向为
Figure DEST_PATH_IMAGE052
，其中g表示梯度幅值，
Figure DEST_PATH_IMAGE054
表示像素点的水平梯度，
Figure DEST_PATH_IMAGE056
表示像素点的竖直梯度。
7.根据权利要求6所述的基于图像处理的橡胶塑炼机控制方法，其特征在于，当预设时长内各所述局部采样点的可塑度的方差小于预设方差阈值时，各所述局部采样点的可塑度稳定。
8.一种基于图像处理的橡胶塑炼机控制装置，其特征在于，包括：可塑度测量模块、图像采集模块、存储模块、处理模块；
所述可塑度测量模块用于测量各局部采样点处橡胶的可塑度，并将测量结果发送给处理模块；
所述图像采集模块用于当塑炼过程中所有局部采样点的可塑度稳定后，采集橡胶表面图像；
所述存储模块用于存储所述图像采集模块采集到的塑炼过程中局部采样点的可塑度稳定后的橡胶表面图像；
所述处理模块包括：第一判断子模块、图像灰度化子模块、第一计算子模块、第二计算子模块、第三计算子模块、第四计算子模块、第五计算子模块以及第二判断子模块；
所述第一判断子模块用于判断所述可塑度采集模块采集到的所有所述局部采样点的可塑度稳定是否稳定，并在所有局部采样点的可塑度稳定时，控制所述图像采集模块采集橡胶表面图像；
所述图像灰度化子模块用于对所述橡胶表面图像进行灰度化得到灰度图像；
所述第一计算子模块用于获得所述灰度图像中各像素点的梯度幅值和梯度方向；
所述第二计算子模块用于分别根据所述灰度图像中每一像素点到每一所述局部采样点的距离以及梯度方向之间的关系，以及每一像素点的梯度幅值，分别获得所述灰度图像中每一像素点到每一所述局部采样点的可信率；
所述第三计算子模块用于分别根据所述灰度图像中各像素点到各所述局部采样点的所述可信率，以及各所述局部采样点的可塑度生成多个第一高斯模型，分别将各像素点相对于各局部采样点所对应的多个第一高斯模型相乘，分别生成各像素点对应的第二高斯模型，将各像素点对应的所述第二高斯模型的均值分别作为各像素点的预测可塑度；
所述第四计算子模块用于对所述灰度图像中预测可塑度在预设可塑度范围外的像素点进行均值漂移聚类获得多个类别，并分别对每个所述类别进行主成分分析得到每个类别的主成分方向；
所述第五计算子模块用于分别根据每个所述类别的主成分方向确定每个类别的离散影响值，并分别对每个类别进行聚类获得每个类别的中心，根据两相邻类别的中心之间的距离以及两相邻类别的所述离散影响值，获得两相邻所述类别的权值；
所述第二判断子模块用于判断所有两相邻所述类别的权值中的最小值是否小于预设权值阈值，若判断结果为是，则控制塑炼机停止塑炼过程，否则保持运行塑炼机。
CN202210149221.XA 2022-02-18 2022-02-18 一种基于图像处理的橡胶塑炼机控制方法及装置 Active CN114193647B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210149221.XA CN114193647B (zh) 2022-02-18 2022-02-18 一种基于图像处理的橡胶塑炼机控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210149221.XA CN114193647B (zh) 2022-02-18 2022-02-18 一种基于图像处理的橡胶塑炼机控制方法及装置

Publications (2)

Publication Number Publication Date
CN114193647A CN114193647A (zh) 2022-03-18
CN114193647B true CN114193647B (zh) 2022-05-13

Family

ID=80645551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210149221.XA Active CN114193647B (zh) 2022-02-18 2022-02-18 一种基于图像处理的橡胶塑炼机控制方法及装置

Country Status (1)

Country Link
CN (1) CN114193647B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116612438B (zh) * 2023-07-20 2023-09-19 山东联兴能源集团有限公司 基于热成像的蒸汽锅炉燃烧状态实时监测系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63239032A (ja) * 1981-01-21 1988-10-05 カワサキ　ケミカル　ホールディング　カンパニー，インコーポレイティド 繊維強化組成物
US5865535A (en) * 1997-11-06 1999-02-02 M.A.Hannarubbercompounding, A Division Of M.A. Hanna Company Dynamic mixer control in plastics and rubber processing
JP2001192491A (ja) * 1999-10-28 2001-07-17 Bridgestone Corp エチレンプロピレンゴム発泡体及び画像形成装置
CN103513543A (zh) * 2012-06-20 2014-01-15 柯尼卡美能达株式会社 图像形成方法
CN105261004A (zh) * 2015-09-10 2016-01-20 西安电子科技大学 基于均值漂移和邻域信息的模糊c均值图像分割方法
JP2016083829A (ja) * 2014-10-25 2016-05-19 株式会社プラスチック工学研究所 可視化装置用解析システム
CN106097344A (zh) * 2016-06-15 2016-11-09 武汉理工大学 一种检测轮胎橡胶中几何形杂质的图像处理方法及系统
CN106548147A (zh) * 2016-11-02 2017-03-29 南京鑫和汇通电子科技有限公司 一种快速的噪声鲁棒性图像异物检测方法及teds系统
CN111656406A (zh) * 2017-12-14 2020-09-11 奇跃公司 基于上下文的虚拟化身渲染
WO2020247663A1 (en) * 2019-06-05 2020-12-10 Beyond Lotus Llc Methods of preparing a composite having elastomer and filler
CN113727824A (zh) * 2019-04-25 2021-11-30 东丽株式会社 3d打印机用纤维增强热塑性树脂长丝及其成型品

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201900015485A1 (it) * 2019-09-03 2021-03-03 Ali Group Srl Carpigiani Sistema di supporto per la gestione di una macchina per il trattamento di prodotti alimentari e procedimento corrispondente.

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63239032A (ja) * 1981-01-21 1988-10-05 カワサキ　ケミカル　ホールディング　カンパニー，インコーポレイティド 繊維強化組成物
US5865535A (en) * 1997-11-06 1999-02-02 M.A.Hannarubbercompounding, A Division Of M.A. Hanna Company Dynamic mixer control in plastics and rubber processing
JP2001192491A (ja) * 1999-10-28 2001-07-17 Bridgestone Corp エチレンプロピレンゴム発泡体及び画像形成装置
CN103513543A (zh) * 2012-06-20 2014-01-15 柯尼卡美能达株式会社 图像形成方法
JP2016083829A (ja) * 2014-10-25 2016-05-19 株式会社プラスチック工学研究所 可視化装置用解析システム
CN105261004A (zh) * 2015-09-10 2016-01-20 西安电子科技大学 基于均值漂移和邻域信息的模糊c均值图像分割方法
CN106097344A (zh) * 2016-06-15 2016-11-09 武汉理工大学 一种检测轮胎橡胶中几何形杂质的图像处理方法及系统
CN106548147A (zh) * 2016-11-02 2017-03-29 南京鑫和汇通电子科技有限公司 一种快速的噪声鲁棒性图像异物检测方法及teds系统
CN111656406A (zh) * 2017-12-14 2020-09-11 奇跃公司 基于上下文的虚拟化身渲染
CN113727824A (zh) * 2019-04-25 2021-11-30 东丽株式会社 3d打印机用纤维增强热塑性树脂长丝及其成型品
WO2020247663A1 (en) * 2019-06-05 2020-12-10 Beyond Lotus Llc Methods of preparing a composite having elastomer and filler

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
分散试验在控制胶料混炼质量中的作用;田原;《橡胶科技市场》;20091231(第10期);第22-23、29页 *

Also Published As

Publication number Publication date
CN114193647A (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
CN107230218B (zh) 用于生成对从安装在运载工具上的摄像机捕捉的图像导出的估计的置信度测量的方法和设备
CN111028213A (zh) 图像缺陷检测方法、装置、电子设备及存储介质
US20220004818A1 (en) Systems and Methods for Evaluating Perception System Quality
CN107633237B (zh) 图像背景分割方法、装置、设备及介质
CN113706495B (zh) 一种在传送带上自动检测锂电池参数的机器视觉检测系统
CN113554004B (zh) 搅拌车溢料检测方法、检测系统、电子设备及搅拌站
CN114193647B (zh) 一种基于图像处理的橡胶塑炼机控制方法及装置
US20220114725A1 (en) Microscopy System and Method for Checking Input Data
CN111415339B (zh) 一种复杂纹理工业产品图像缺陷检测方法
CN112733703A (zh) 一种车辆停放状态检测方法及系统
CN109934223B (zh) 实例分割结果评价参数确定方法及装置
CN111369523A (zh) 显微图像中细胞堆叠的检测方法、系统、设备及介质
Felipe et al. Vision-based liquid level detection in amber glass bottles using OpenCV
CN112861870A (zh) 指针式仪表图像矫正方法、系统及存储介质
CN114219936A (zh) 目标检测方法、电子设备、存储介质和计算机程序产品
CN114066887B (zh) 大米垩白区域检测方法、装置、设备及存储介质
CN116205969A (zh) 样本液体积识别方法、系统和介质
CN110689556A (zh) 跟踪方法、装置及智能设备
CN115953403B (zh) 缺陷检测方法及装置
Adam et al. Computing the sensory uncertainty field of a vision-based localization sensor
CN113435464A (zh) 异常数据检测方法、装置、电子设备及计算机存储介质
CN113470015A (zh) 一种基于图像处理的水体晃动检测分析方法及系统
CN112001896A (zh) 一种甲状腺边界不规则度检测装置
Thike et al. Parking space detection using complemented-ULBP background subtraction
CN107092855A (zh) 车辆部件识别方法和设备、车辆识别方法和设备

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
GR01 Patent grant
GR01 Patent grant