CN114742833B - 一种用于磷化铝片剂生产的物料粉碎效果评估方法 - Google Patents

一种用于磷化铝片剂生产的物料粉碎效果评估方法 Download PDF

Info

Publication number
CN114742833B
CN114742833B CN202210659107.1A CN202210659107A CN114742833B CN 114742833 B CN114742833 B CN 114742833B CN 202210659107 A CN202210659107 A CN 202210659107A CN 114742833 B CN114742833 B CN 114742833B
Authority
CN
China
Prior art keywords
stage
image
frame
aluminum phosphide
crushing quality
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
CN202210659107.1A
Other languages
English (en)
Other versions
CN114742833A (zh
Inventor
朱延仲
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.)
Jining Shengcheng Chemical Experiment Co ltd
Original Assignee
Jining Shengcheng Chemical Experiment 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 Jining Shengcheng Chemical Experiment Co ltd filed Critical Jining Shengcheng Chemical Experiment Co ltd
Priority to CN202210659107.1A priority Critical patent/CN114742833B/zh
Publication of CN114742833A publication Critical patent/CN114742833A/zh
Application granted granted Critical
Publication of CN114742833B publication Critical patent/CN114742833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Disintegrating Or Milling (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明涉及图像数据处理技术领域，具体涉及一种用于磷化铝片剂生产的物料粉碎效果评估方法。方法包括：获取磷化铝堆积物表面的各帧灰度图像；对于任一帧灰度图像：根据各方向上各像素点的坐标，计算各方向上各像素点的参考权重；根据各方向上的粒度差异程度、各方向上各像素点的梯度幅值和参考权重，得到该帧灰度图像对应的磷化铝的粉碎质量；根据第一阶段各帧灰度图像对应的磷化铝的粉碎质量和参考权重，得到第一阶段对应的粉碎质量；根据第二阶段各帧灰度图像对应的磷化铝的粉碎质量和参考权重，得到第二阶段对应的粉碎质量；根据第一阶段和第二阶段对应的粉碎质量，计算磷化铝的整体粉碎质量。本发明减少了人工的参与，降低了对人体的危害。

Description

一种用于磷化铝片剂生产的物料粉碎效果评估方法
技术领域
本发明涉及图像数据处理技术领域，具体涉及一种用于磷化铝片剂生产的物料粉碎效果评估方法。
背景技术
磷化铝是用赤磷和铝粉经高温煅烧制成，是一种高效的杀虫剂。生产磷化铝时，先将赤磷和铝粉按配料比均匀混合后点火燃烧，反应生成磷化铝，然后将反应物粉碎，并加入缓释剂氨基甲酸铵和黏结剂，混合后压片，制得磷化铝成品；因磷化铝杀虫效率高、经济方便而应用广泛，其在干燥条件下对人畜较安全，但是当其吸收空气中的水分后，会分解释放出剧毒磷化氢气体，每克磷化铝片剂能产生大约1克磷化氢气体，当空气中每升含0.01毫克磷化氢就对害虫有致死作用。
现有的磷化铝的粉碎装置通常采用粉碎机将块状磷化铝切碎搅拌，但是由于粉碎的时间通常由人工经验确定，并由工人确定粉碎质量，再对磷化铝进行相应的处理，粉碎过程中，常常会产生磷化铝粉尘，极容易产生磷化氢气体，除了会对人的身体造成危害外，还容易发生自燃，危险程度较高。
发明内容
为了解决现有人工检测磷化铝的粉碎质量时存在的危险程度较高的问题，本发明的目的在于提供一种用于磷化铝片剂生产的物料粉碎效果评估方法，所采用的技术方案具体如下：
本发明提供了一种用于磷化铝片剂生产的物料粉碎效果评估方法，该方法包括以下步骤：
获取磷化铝片剂生产过程中粉碎机出料口处的磷化铝堆积物表面的各帧灰度图像；
对于任一帧灰度图像：获取该帧灰度图像中各像素点的梯度幅值；根据该帧灰度图像中各方向上各像素点的坐标，计算该帧灰度图像中各方向上各像素点的参考权重；根据该帧灰度图像中各方向上的粒度差异程度、该帧灰度图像中各方向上各像素点的梯度幅值和所述该帧灰度图像中各方向上各像素点的参考权重，得到该帧灰度图像对应的磷化铝的粉碎质量；所述粒度差异程度为对应方向上像素点的梯度幅值的熵值；所述各方向的获取过程包括：以磷化铝堆状物的中心点为射线的端点作多条射线，将各射线所在的方向记为各方向；
根据落料过程中第一阶段各帧灰度图像对应的磷化铝的粉碎质量和第一阶段各帧灰度图像对应的参考权重，得到落料过程中第一阶段对应的粉碎质量；根据落料过程中第二阶段各帧灰度图像对应的磷化铝的粉碎质量和第二阶段各帧灰度图像对应的参考权重，得到落料过程中第二阶段对应的粉碎质量；根据所述第一阶段对应的粉碎质量和第二阶段对应的粉碎质量，计算磷化铝的整体粉碎质量；所述第一阶段为堆积物的底面积小于接料桶的底面积时对应的阶段，第二阶段为堆积物的底面积等于接料桶的底面积时对应的阶段。
优选的，采用如下公式计算该帧灰度图像中各方向上各像素点的参考权重：
Figure 100002_DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE004
为该帧灰度图像中第
Figure 100002_DEST_PATH_IMAGE006
个方向上的第
Figure 100002_DEST_PATH_IMAGE008
个像素点的参考权重，
Figure 100002_DEST_PATH_IMAGE010
为该帧灰度图像中第
Figure 165246DEST_PATH_IMAGE006
个方向上的第
Figure 363009DEST_PATH_IMAGE008
个像素点的横坐标，
Figure 100002_DEST_PATH_IMAGE012
为该帧灰度图像中第
Figure 582769DEST_PATH_IMAGE006
个方向上的第
Figure 549588DEST_PATH_IMAGE008
个像素点的纵坐标，
Figure 100002_DEST_PATH_IMAGE014
为该帧灰度图像中磷化铝堆状物的中心点的横坐标，
Figure 100002_DEST_PATH_IMAGE016
为该帧灰度图像中磷化铝堆状物的中心点的纵坐标，
Figure 100002_DEST_PATH_IMAGE018
为该帧灰度图像中第
Figure 944404DEST_PATH_IMAGE006
个方向上的边缘像素点的横坐标，
Figure 100002_DEST_PATH_IMAGE020
为该帧灰度图像中第
Figure 708091DEST_PATH_IMAGE006
个方向上的边缘像素点的纵坐标。
优选的，所述根据该帧灰度图像中各方向上的粒度差异程度、该帧灰度图像中各方向上各像素点的梯度幅值和所述该帧灰度图像中各方向上各像素点的参考权重，得到该帧灰度图像对应的磷化铝的粉碎质量，包括：
采用如下公式计算该帧灰度图像中各方向上对应的粉碎质量：
Figure 100002_DEST_PATH_IMAGE022
其中，
Figure 100002_DEST_PATH_IMAGE024
为该帧灰度图像中第
Figure 465963DEST_PATH_IMAGE006
个方向上对应的粉碎质量，
Figure 100002_DEST_PATH_IMAGE026
为该帧灰度图像中第
Figure 880764DEST_PATH_IMAGE006
个方向上的第
Figure 167520DEST_PATH_IMAGE008
个像素点的梯度幅值，
Figure 100002_DEST_PATH_IMAGE028
为该帧灰度图像中第
Figure 933350DEST_PATH_IMAGE006
个方向上像素点的数量，
Figure 88388DEST_PATH_IMAGE004
为该帧灰度图像中第
Figure 29799DEST_PATH_IMAGE006
个方向上的第
Figure 478668DEST_PATH_IMAGE008
个像素点的参考权重，
Figure 100002_DEST_PATH_IMAGE030
为该帧灰度图像中第
Figure 466215DEST_PATH_IMAGE006
个方向上的粒度差异程度，
Figure DEST_PATH_IMAGE032
为以自然常数e为底的指数函数；
计算该帧灰度图像中各方向上对应的粉碎质量的均值，将所述均值作为该帧灰度图像对应的磷化铝的粉碎质量。
优选的，第一阶段各帧灰度图像对应的参考权重的获取，包括：
统计落料过程中第一阶段的灰度图像的总帧数；
计算第一阶段中各帧灰度图像的帧数与所述第一阶段的灰度图像的总帧数的比值，将所述比值作为第一阶段中各帧灰度图像对应的参考权重。
优选的，采用如下公式计算落料过程中第一阶段对应的粉碎质量：
Figure DEST_PATH_IMAGE034
其中，
Figure DEST_PATH_IMAGE036
为落料过程中第一阶段对应的粉碎质量，
Figure DEST_PATH_IMAGE038
为落料过程中第一阶段第
Figure DEST_PATH_IMAGE040
帧灰度图像对应的磷化铝的粉碎质量，
Figure DEST_PATH_IMAGE042
为落料过程中第一阶段得到的灰度图像的总帧数。
优选的，第二阶段各帧灰度图像对应的参考权重的获取，包括：
统计落料过程中第二阶段的灰度图像的总帧数；
计算第二阶段中各帧灰度图像的帧数与所述第二阶段的灰度图像的总帧数的比值；
计算1与所述比值的差值，将所述差值作为第二阶段中各帧灰度图像对应的参考权重。
优选的，采用如下公式计算落料过程中第二阶段对应的粉碎质量：
Figure DEST_PATH_IMAGE044
其中，
Figure DEST_PATH_IMAGE046
为落料过程中第二阶段对应的粉碎质量，
Figure DEST_PATH_IMAGE048
为落料过程中第二阶段第
Figure DEST_PATH_IMAGE050
帧灰度图像对应的磷化铝的粉碎质量，
Figure DEST_PATH_IMAGE052
为落料过程中第二阶段得到的灰度图像的总帧数。
优选的，采用如下公式计算磷化铝的整体粉碎质量：
Figure DEST_PATH_IMAGE054
其中，
Figure DEST_PATH_IMAGE056
为磷化铝的整体粉碎质量，
Figure DEST_PATH_IMAGE058
为反正切函数，
Figure 454638DEST_PATH_IMAGE036
为落料过程中第一阶段对应的粉碎质量，
Figure 984976DEST_PATH_IMAGE046
为落料过程中第二阶段对应的粉碎质量，
Figure 3748DEST_PATH_IMAGE042
为落料过程中第一阶段得到的灰度图像的总帧数，
Figure DEST_PATH_IMAGE060
为落料过程中得到的灰度图像的总帧数。
本发明具有如下有益效果：本发明首先获取了磷化铝片剂生产过程中粉碎机出料口处的磷化铝堆积物表面的各帧灰度图像；考虑到当磷化铝粉碎不均匀时，就会出现大颗粒物滚落到磷化铝堆积物的底部边缘处的情况，因此边缘处的像素点更值得关注，对于同一帧灰度图像，不同位置的像素点对应的参考权重不同，本发明对于任一帧灰度图像：根据该帧灰度图像中各方向上各像素点的坐标，计算该帧灰度图像中各方向上各像素点的参考权重；根据该帧灰度图像中各方向上的粒度差异程度、各方向上各像素点的梯度幅值和各像素点的参考权重，得到该帧灰度图像对应的磷化铝的粉碎质量；考虑到单帧图像对应的磷化铝的粉碎质量具有偶然性，单帧图像对应的粉碎质量无法表征磷化铝的整体粉碎质量，因此本发明基于落料过程中的所有灰度图像对磷化铝的整体粉碎质量进行分析，由于落料过程中，磷化铝的堆积物会受到接料桶大小的限制，其堆积物的底面积并不会无限增大，本发明基于堆积物的底面积，将落料过程划分为两个阶段，第一阶段磷化铝颗粒物未铺满接料桶的底部，该阶段较大颗粒物的数量在堆料底部逐渐增加，因此在该阶段粉碎质量的评估过程中，越靠后的图像数据的参考权重越大；第二阶段磷化铝颗粒物已经铺满了接料桶的底部，该阶段中越靠前的位置堆积物顶部与底部的高度差异越大，大颗粒物发生滑动的现象越明显，因此在该阶段粉碎质量的评估过程中，越靠前的图像数据参考权重越大；本发明基于各阶段中各帧灰度图像的参考权重和各帧灰度图像对应的磷化铝的粉碎质量，计算磷化铝的整体粉碎质量。本发明提供的方法能够智能化检测磷化铝粉碎过程中的整体粉碎质量，减少了人工的参与，降低了对人体的危害。
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和优点，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的介绍，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的前提下，还可以根据这些附图获得其它附图。
图1为本发明提供的一种用于磷化铝片剂生产的物料粉碎效果评估方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于磷化铝片剂生产的物料粉碎效果评估方法进行详细说明如下。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于磷化铝片剂生产的物料粉碎效果评估方法的具体方案。
一种用于磷化铝片剂生产的物料粉碎效果评估方法实施例
现有人工检测磷化铝的粉碎质量时存在危险程度较高的问题。为了解决上述问题，本实施例提出了一种用于磷化铝片剂生产的物料粉碎效果评估方法，如图1所示，本实施例的一种用于磷化铝片剂生产的物料粉碎效果评估方法包括以下步骤：
步骤S1，获取磷化铝片剂生产过程中粉碎机出料口处的磷化铝堆积物表面的各帧灰度图像。
本实施例主要利用图像处理技术，通过采集磷化铝落料过程中堆积物的表面图像，分析堆积物的表面图像中各方向上像素点的梯度变化情况，对单帧图像对应的粉碎质量进行评估，结合各帧图像所处的阶段，分配不同的权重，进而得到磷化铝的整体粉碎质量，根据磷化铝的整体粉碎质量确定下一步处理。
本实施例将相机固定在粉碎罐底部，使用LED灯进行补光，实时采集粉碎完成后的磷化铝落入到接料桶中的颗粒物的表面图像，根据图像中颗粒物特征进行磷化铝粉碎效果的评估。
由于磷化铝多为暗黄色，与接料桶的灰度差异较大，因此本实施例首先对采集得到的图像进行自适应阈值分割，并对图像进行反向二值化，所得二值图与原图像相乘得到磷化铝表面图像，使用上述方法对采集的每一帧图像进行磷化铝区域提取，并对其进行灰度化处理，得到粉碎机出料口处的磷化铝堆积物表面的各帧灰度图像。自适应阈值分割、反向二值化和灰度化处理均为现有技术，此处不再赘述。
步骤S2，对于任一帧灰度图像：获取该帧灰度图像中各像素点的梯度幅值；根据该帧灰度图像中各方向上各像素点的坐标，计算该帧灰度图像中各方向上各像素点的参考权重；根据该帧灰度图像中各方向上的粒度差异程度、该帧灰度图像中各方向上各像素点的梯度幅值和所述该帧灰度图像中各方向上各像素点的参考权重，得到该帧灰度图像对应的磷化铝的粉碎质量；所述粒度差异程度为对应方向上像素点的梯度幅值的熵值；所述各方向的获取过程包括：以磷化铝堆状物的中心点为射线的端点作多条射线，将各射线所在的方向记为各方向。
磷化铝从高处落下的过程中会在接料桶中聚集成堆，由于散料在堆放时会存在安息角，即在自然的状态下，堆积体的坡面与水平方向所能形成的最大的角度(保持自然稳定状态的最大角度)，因此在磷化铝颗粒堆积时就会自然溜下，并保持这个角度，高度增加，同时增大底面积；同一种物质，颗粒越大，其安息角越小，因此当磷化铝粉碎不均匀时，就会出现大颗粒物滚落到磷化铝堆积物的底部边缘处的情况。在对磷化铝粉碎质量进行评估时，除了需要根据各个方向上的梯度变化情况，还需要结合像素点的相对位置；若越靠近堆积体边缘的位置的像素点相对于磷化铝中部区域的梯度变化差异越小，说明磷化铝粉碎后的颗粒物大小越均匀。
对于任一帧灰度图像：
本实施例使用Sobel算子获取各像素点的梯度幅值，使用Sobel算子获取梯度幅值的方法为公知技术，此处不再赘述。
以磷化铝堆状物的中心点为射线的端点，以该点所在的水平正方向为初始方向，每隔1°作一条射线，将每条射线所在的方向记为一个方向；获取各方向上每个像素点的梯度幅值，对于第
Figure 229324DEST_PATH_IMAGE006
个方向：根据该方向上各像素点的梯度幅值，构建该方向对应的梯度序列
Figure DEST_PATH_IMAGE062
，
Figure 319639DEST_PATH_IMAGE062
中的第
Figure 111009DEST_PATH_IMAGE008
个数据为该方向上第
Figure 769524DEST_PATH_IMAGE008
个像素点坐标以及梯度幅值所组成的二元组
Figure DEST_PATH_IMAGE064
，该序列中所包含的数据的总个数为
Figure 466084DEST_PATH_IMAGE028
（即该方向上磷化铝像素点的总个数为
Figure 376402DEST_PATH_IMAGE028
）。
对磷化铝粉碎质量进行评估时，需要从两个方面进行评估，即判断颗粒的粒度大小是否符合标准以及判断多个颗粒的粒度之间是否统一，当粒度大小存在差异时，其产生的梯度也会存在差异，因此本实施例根据梯度之间的差异情况使用熵来表示粒度的复杂程度；考虑到在堆积物表面存在多种粒度的颗粒物时，熵表示的是粒度种类的复杂度，并不能确定粒度本身是否符合要求，即可能存在小颗粒与大颗粒得到的熵值均较小，但此时的粉碎质量不符合要求的情况。基于此，本实施例将各方向上像素点的梯度幅值的熵值作为该帧灰度图像中对应方向上的粒度差异程度，结合各方向上像素点的梯度幅值和各方向上的粒度差异程度进一步对该帧灰度图像中各方向上的粉碎质量进行分析，计算各方向上对应的粉碎质量，即：
Figure DEST_PATH_IMAGE022A
其中，
Figure 209229DEST_PATH_IMAGE024
为该帧灰度图像中第
Figure 182520DEST_PATH_IMAGE006
个方向上对应的粉碎质量，
Figure 38481DEST_PATH_IMAGE026
为该帧灰度图像中第
Figure 1757DEST_PATH_IMAGE006
个方向上的第
Figure 626774DEST_PATH_IMAGE008
个像素点的梯度幅值，
Figure 892670DEST_PATH_IMAGE028
为该帧灰度图像中第
Figure 845714DEST_PATH_IMAGE006
个方向上像素点的数量，
Figure 753627DEST_PATH_IMAGE004
为该帧灰度图像中第
Figure 357783DEST_PATH_IMAGE006
个方向上的第
Figure 794581DEST_PATH_IMAGE008
个像素点的参考权重，
Figure 234921DEST_PATH_IMAGE030
为该帧灰度图像中第
Figure 415366DEST_PATH_IMAGE006
个方向上的粒度差异程度，
Figure 874030DEST_PATH_IMAGE032
为以自然常数e为底的指数函数。
该帧灰度图像中第
Figure 481728DEST_PATH_IMAGE006
个方向上的第
Figure 799577DEST_PATH_IMAGE008
个像素点的参考权重
Figure 393501DEST_PATH_IMAGE004
的获取过程为：当粉碎质量不好时，考虑到越靠近边缘处的颗粒越大，若第
Figure 847616DEST_PATH_IMAGE008
个像素点越靠近边缘区域，其对应的梯度幅值的参考程度越大，此时梯度幅值越大，磷化铝的粒度越大，即磷化铝的粉碎质量越差。因此本实施例根据每个方向上各像素点与中心点的距离，赋予不同位置的像素点不同的权重，即：
Figure DEST_PATH_IMAGE002A
其中，
Figure 826549DEST_PATH_IMAGE010
为该帧灰度图像中第
Figure 366114DEST_PATH_IMAGE006
个方向上的第
Figure 12996DEST_PATH_IMAGE008
个像素点的横坐标，
Figure 321618DEST_PATH_IMAGE012
为该帧灰度图像中第
Figure 146486DEST_PATH_IMAGE006
个方向上的第
Figure 907768DEST_PATH_IMAGE008
个像素点的纵坐标，
Figure 92762DEST_PATH_IMAGE014
为该帧灰度图像中磷化铝堆状物的中心点的横坐标，
Figure 521469DEST_PATH_IMAGE016
为该帧灰度图像中磷化铝堆状物的中心点的纵坐标，
Figure 517238DEST_PATH_IMAGE018
为该帧灰度图像中第
Figure 31396DEST_PATH_IMAGE006
个方向上的边缘像素点的横坐标，
Figure 161026DEST_PATH_IMAGE020
为该帧灰度图像中第
Figure 303295DEST_PATH_IMAGE006
个方向上的边缘像素点的纵坐标。
该帧灰度图像中第
Figure 860178DEST_PATH_IMAGE006
个方向上的粒度差异程度
Figure 471419DEST_PATH_IMAGE030
（即熵值）的计算公式为：
Figure DEST_PATH_IMAGE066
其中，
Figure DEST_PATH_IMAGE068
为该帧灰度图像中第
Figure 825913DEST_PATH_IMAGE006
个方向上梯度幅值
Figure 698054DEST_PATH_IMAGE026
出现的概率。当颗粒物大小较均匀时，相同梯度幅值出现的概率较大，对应的熵值较小，该方向上的粒度差异复杂程度较小，粉碎质量较好；当颗粒物大小较杂乱时，即粉碎得到的颗粒物大小不一，相同梯度幅值出现的概率较小，对应的熵值较大，该方向上的粒度差异复杂程度较大，粉碎质量较差。
至此，得到该帧灰度图像中第
Figure 550472DEST_PATH_IMAGE006
个方向上对应的粉碎质量，同理，采用上述方法能够得到该帧灰度图像中各方向上对应的粉碎质量；计算该帧灰度图像中360个方向上粉碎质量的均值，将该均值作为该帧灰度图像对应的磷化铝的粉碎质量。
步骤S3，根据落料过程中第一阶段各帧灰度图像对应的磷化铝的粉碎质量和第一阶段各帧灰度图像对应的参考权重，得到落料过程中第一阶段对应的粉碎质量；根据落料过程中第二阶段各帧灰度图像对应的磷化铝的粉碎质量和第二阶段各帧灰度图像对应的参考权重，得到落料过程中第二阶段对应的粉碎质量；根据所述第一阶段对应的粉碎质量和第二阶段对应的粉碎质量，计算磷化铝的整体粉碎质量；所述第一阶段为堆积物的底面积小于接料桶的底面积时对应的阶段，第二阶段为堆积物的底面积等于接料桶的底面积时对应的阶段。
由于单帧图像对应的磷化铝的粉碎质量具有偶然性，单帧图像对应的粉碎质量无法表征磷化铝的整体粉碎质量，因此本实施例根据粉碎过程中采集的多帧图像进行磷化铝的整体粉碎质量评估。
考虑到磷化铝的堆积物会受到接料桶大小的限制，其堆积物的底面积并不会无限增大，当堆积物的底面积达到最大面积时，其对应的上一帧图像将会被遮盖，此后由于安息角是固定的，堆积物的高度在增加的同时，底部堆积的高度也会增加，当后者的高度增加速度大于前者的高度增加速度时，坡面与水平方向的夹角会逐渐变小，进而导致该角度逐渐增大到可以满足大颗粒物的安息角大小，使得大颗粒物发生滑动的幅度较小甚至不会滑动。因此本实施例将整个落料过程划分为两个阶段，第一阶段为堆积物的底面积未达到最大面积（即堆积物的底面积小于接料桶的底面积）时对应的阶段，第二阶段为堆积物底面积达到接料桶的底面积后（即堆积物的底面积等于接料桶的底面积）对应的阶段，该阶段中堆积物的坡度变缓，逐渐趋于水平，但顶部仍存在一定高度。
接下来本实施例根据接料桶底部面积，结合相机成像原理得到接料桶底部在图像中所占的面积；获取各帧图像中磷化铝的面积大小，当磷化铝颗粒物的底面积与接料桶底面积的比值为1时，说明当前磷化铝颗粒物已经铺满接料桶底部，则以此时作为两个阶段划分的标志（即两个阶段的界线）；假设从开始落料到落料完成的整个过程中得到的图像的总帧数为
Figure 39223DEST_PATH_IMAGE060
帧，第一阶段采集到的灰度图像的总帧数为
Figure 854863DEST_PATH_IMAGE042
帧，第二阶段采集到的灰度图像的总帧数为
Figure 847090DEST_PATH_IMAGE052
帧。
在第一阶段中，磷化铝颗粒物未铺满接料桶的底部，此时会出现大颗粒物滑动到堆积物底部的现象，且随着落料的进行，较大颗粒物的数量在堆料底部逐渐增加，由于本实施例旨在对磷化铝的粉碎效果进行评估，越靠后的图像数据中包含较大颗粒物的可能性越大，因此在该阶段粉碎质量的评估过程中，越靠后的图像数据的参考权重越大。基于此，本实施例计算该阶段中各帧灰度图像的帧数与该阶段的灰度图像的总帧数
Figure 11355DEST_PATH_IMAGE042
的比值，将该比值作为该阶段中对应帧的灰度图像对应的参考权重，然后基于该阶段中各帧灰度图像对应的参考权重和该阶段中各帧灰度图像对应的磷化铝的粉碎质量，计算落料过程中第一阶段对应的粉碎质量，即：
Figure DEST_PATH_IMAGE034A
其中，
Figure 393926DEST_PATH_IMAGE036
为落料过程中第一阶段对应的粉碎质量，
Figure 403470DEST_PATH_IMAGE038
为落料过程中第一阶段第
Figure 640416DEST_PATH_IMAGE040
帧灰度图像对应的磷化铝的粉碎质量，
Figure 444424DEST_PATH_IMAGE042
为落料过程中第一阶段得到的灰度图像的总帧数，
Figure DEST_PATH_IMAGE070
为落料过程中第一阶段第
Figure 251974DEST_PATH_IMAGE040
帧灰度图像对应的参考权重。
在第二阶段中，磷化铝颗粒物已经铺满了接料桶的底部，随着接料桶中磷化铝颗粒物的增加，底部磷化铝颗粒物的高度逐渐增加，形成的磷化铝堆积物的坡度逐渐减缓，由于该阶段中越靠前的位置堆积物顶部与底部的高度差异越大，大颗粒物发生滑动的现象越明显，因此在该阶段粉碎质量的评估过程中，越靠前的图像数据参考权重越大。基于此，本实施例计算该阶段中各帧灰度图像的帧数与该阶段的灰度图像的总帧数
Figure 924264DEST_PATH_IMAGE052
的比值，计算1与该比值的差值，将所述差值作为该阶段中对应帧灰度图像对应的参考权重，然后基于该阶段中各帧灰度图像对应的参考权重和该阶段中各帧灰度图像对应的磷化铝的粉碎质量，计算落料过程中第二阶段对应的粉碎质量，即：
Figure DEST_PATH_IMAGE044A
其中，
Figure 966782DEST_PATH_IMAGE046
为落料过程中第二阶段对应的粉碎质量，
Figure 941691DEST_PATH_IMAGE048
为落料过程中第二阶段第
Figure 751384DEST_PATH_IMAGE050
帧灰度图像对应的磷化铝的粉碎质量，
Figure 368310DEST_PATH_IMAGE052
为落料过程中第二阶段得到的灰度图像的总帧数，
Figure DEST_PATH_IMAGE072
为落料过程中第二阶段第
Figure 533844DEST_PATH_IMAGE050
帧灰度图像对应的参考权重。
本实施例基于第一阶段对应的粉碎质量和第二阶段对应的粉碎质量，计算磷化铝的整体粉碎质量，即：
Figure DEST_PATH_IMAGE054A
其中，
Figure 273130DEST_PATH_IMAGE056
为磷化铝的整体粉碎质量，
Figure 55272DEST_PATH_IMAGE058
为反正切函数，
Figure 944731DEST_PATH_IMAGE036
为落料过程中第一阶段对应的粉碎质量，
Figure 276355DEST_PATH_IMAGE046
为落料过程中第二阶段对应的粉碎质量。
本实施例使用上述方法对历史粉碎过程中采集到的图像进行粉碎质量的评估，结合各个图像对应的粉碎等级，建立粉碎质量-粉碎等级数据库；然后根据当前磷化铝的整体的粉碎质量，在数据库中查找最临近的粉碎质量，将该粉碎质量所对应的粉碎等级作为当前磷化铝的粉碎等级；若当前粉碎效果合格，则将磷化铝颗粒物传送到下一道工序；否则将当前磷化铝颗粒物重新加入粉碎机中重新进行粉碎。
本实施例首先获取了磷化铝片剂生产过程中粉碎机出料口处的磷化铝堆积物表面的各帧灰度图像；考虑到当磷化铝粉碎不均匀时，就会出现大颗粒物滚落到磷化铝堆积物的底部边缘处的情况，因此边缘处的像素点更值得关注，对于同一帧灰度图像，不同位置的像素点对应的参考权重不同，本实施例对于任一帧灰度图像：根据该帧灰度图像中各方向上各像素点的坐标，计算该帧灰度图像中各方向上各像素点的参考权重；根据该帧灰度图像中各方向上的粒度差异程度、各方向上各像素点的梯度幅值和各像素点的参考权重，得到该帧灰度图像对应的磷化铝的粉碎质量；考虑到单帧图像对应的磷化铝的粉碎质量具有偶然性，单帧图像对应的粉碎质量无法表征磷化铝的整体粉碎质量，因此本实施例基于落料过程中的所有灰度图像对磷化铝的整体粉碎质量进行分析，由于落料过程中，磷化铝的堆积物会受到接料桶大小的限制，其堆积物的底面积并不会无限增大，本实施例基于堆积物的底面积，将落料过程划分为两个阶段，第一阶段磷化铝颗粒物未铺满接料桶的底部，该阶段较大颗粒物的数量在堆料底部逐渐增加，因此在该阶段粉碎质量的评估过程中，越靠后的图像数据的参考权重越大；第二阶段磷化铝颗粒物已经铺满了接料桶的底部，该阶段中越靠前的位置堆积物顶部与底部的高度差异越大，大颗粒物发生滑动的现象越明显，因此在该阶段粉碎质量的评估过程中，越靠前的图像数据参考权重越大；本实施例基于各阶段中各帧灰度图像的参考权重和各帧灰度图像对应的磷化铝的粉碎质量，计算磷化铝的整体粉碎质量。本实施例提供的方法能够智能化检测磷化铝粉碎过程中的整体粉碎质量，减少了人工的参与，降低了对人体的危害。
需要说明的是：以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种用于磷化铝片剂生产的物料粉碎效果评估方法，其特征在于，该方法包括以下步骤：
获取磷化铝片剂生产过程中粉碎机出料口处的磷化铝堆积物表面的各帧灰度图像；
对于任一帧灰度图像：获取该帧灰度图像中各像素点的梯度幅值；根据该帧灰度图像中各方向上各像素点的坐标，计算该帧灰度图像中各方向上各像素点的参考权重；根据该帧灰度图像中各方向上的粒度差异程度、该帧灰度图像中各方向上各像素点的梯度幅值和所述该帧灰度图像中各方向上各像素点的参考权重，得到该帧灰度图像对应的磷化铝的粉碎质量；所述粒度差异程度为对应方向上像素点的梯度幅值的熵值；所述各方向的获取过程包括：以磷化铝堆状物的中心点为射线的端点作多条射线，将各射线所在的方向记为各方向；
根据落料过程中第一阶段各帧灰度图像对应的磷化铝的粉碎质量和第一阶段各帧灰度图像对应的参考权重，得到落料过程中第一阶段对应的粉碎质量；根据落料过程中第二阶段各帧灰度图像对应的磷化铝的粉碎质量和第二阶段各帧灰度图像对应的参考权重，得到落料过程中第二阶段对应的粉碎质量；根据所述第一阶段对应的粉碎质量和第二阶段对应的粉碎质量，计算磷化铝的整体粉碎质量；所述第一阶段为堆积物的底面积小于接料桶的底面积时对应的阶段，第二阶段为堆积物的底面积等于接料桶的底面积时对应的阶段；
采用如下公式计算该帧灰度图像中各方向上各像素点的参考权重：
Figure DEST_PATH_IMAGE001
其中，
Figure DEST_PATH_IMAGE002
为该帧灰度图像中第
Figure DEST_PATH_IMAGE003
个方向上的第
Figure DEST_PATH_IMAGE004
个像素点的参考权重，
Figure DEST_PATH_IMAGE005
为该帧灰度图像中第
Figure 299740DEST_PATH_IMAGE003
个方向上的第
Figure 216880DEST_PATH_IMAGE004
个像素点的横坐标，
Figure DEST_PATH_IMAGE006
为该帧灰度图像中第
Figure 58935DEST_PATH_IMAGE003
个方向上的第
Figure 985302DEST_PATH_IMAGE004
个像素点的纵坐标，
Figure DEST_PATH_IMAGE007
为该帧灰度图像中磷化铝堆状物的中心点的横坐标，
Figure DEST_PATH_IMAGE008
为该帧灰度图像中磷化铝堆状物的中心点的纵坐标，
Figure DEST_PATH_IMAGE009
为该帧灰度图像中第
Figure 393150DEST_PATH_IMAGE003
个方向上的边缘像素点的横坐标，
Figure DEST_PATH_IMAGE010
为该帧灰度图像中第
Figure 746771DEST_PATH_IMAGE003
个方向上的边缘像素点的纵坐标；
所述根据该帧灰度图像中各方向上的粒度差异程度、该帧灰度图像中各方向上各像素点的梯度幅值和所述该帧灰度图像中各方向上各像素点的参考权重，得到该帧灰度图像对应的磷化铝的粉碎质量，包括：
采用如下公式计算该帧灰度图像中各方向上对应的粉碎质量：
Figure DEST_PATH_IMAGE011
其中，
Figure DEST_PATH_IMAGE012
为该帧灰度图像中第
Figure 76121DEST_PATH_IMAGE003
个方向上对应的粉碎质量，
Figure DEST_PATH_IMAGE013
为该帧灰度图像中第
Figure 868496DEST_PATH_IMAGE003
个方向上的第
Figure 537375DEST_PATH_IMAGE004
个像素点的梯度幅值，
Figure DEST_PATH_IMAGE014
为该帧灰度图像中第
Figure 593056DEST_PATH_IMAGE003
个方向上像素点的数量，
Figure 878544DEST_PATH_IMAGE002
为该帧灰度图像中第
Figure 615556DEST_PATH_IMAGE003
个方向上的第
Figure 670099DEST_PATH_IMAGE004
个像素点的参考权重，
Figure DEST_PATH_IMAGE015
为该帧灰度图像中第
Figure 162260DEST_PATH_IMAGE003
个方向上的粒度差异程度，
Figure DEST_PATH_IMAGE016
为以自然常数e为底的指数函数；
计算该帧灰度图像中各方向上对应的粉碎质量的均值，将所述均值作为该帧灰度图像对应的磷化铝的粉碎质量；
采用如下公式计算落料过程中第一阶段对应的粉碎质量：
Figure DEST_PATH_IMAGE017
其中，
Figure DEST_PATH_IMAGE018
为落料过程中第一阶段对应的粉碎质量，
Figure DEST_PATH_IMAGE019
为落料过程中第一阶段第
Figure DEST_PATH_IMAGE020
帧灰度图像对应的磷化铝的粉碎质量，
Figure DEST_PATH_IMAGE021
为落料过程中第一阶段得到的灰度图像的总帧数；
采用如下公式计算落料过程中第二阶段对应的粉碎质量：
Figure DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE023
为落料过程中第二阶段对应的粉碎质量，
Figure DEST_PATH_IMAGE024
为落料过程中第二阶段第
Figure DEST_PATH_IMAGE025
帧灰度图像对应的磷化铝的粉碎质量，
Figure DEST_PATH_IMAGE026
为落料过程中第二阶段得到的灰度图像的总帧数；
采用如下公式计算磷化铝的整体粉碎质量：
Figure DEST_PATH_IMAGE027
其中，
Figure DEST_PATH_IMAGE028
为磷化铝的整体粉碎质量，
Figure DEST_PATH_IMAGE029
为反正切函数，
Figure 777787DEST_PATH_IMAGE018
为落料过程中第一阶段对应的粉碎质量，
Figure 584069DEST_PATH_IMAGE023
为落料过程中第二阶段对应的粉碎质量，
Figure 227540DEST_PATH_IMAGE021
为落料过程中第一阶段得到的灰度图像的总帧数，
Figure DEST_PATH_IMAGE030
为落料过程中得到的灰度图像的总帧数。
2.根据权利要求1所述的一种用于磷化铝片剂生产的物料粉碎效果评估方法，其特征在于，第一阶段各帧灰度图像对应的参考权重的获取，包括：
统计落料过程中第一阶段的灰度图像的总帧数；
计算第一阶段中各帧灰度图像的帧数与所述第一阶段的灰度图像的总帧数的比值，将所述比值作为第一阶段中各帧灰度图像对应的参考权重。
3.根据权利要求1所述的一种用于磷化铝片剂生产的物料粉碎效果评估方法，其特征在于，第二阶段各帧灰度图像对应的参考权重的获取，包括：
统计落料过程中第二阶段的灰度图像的总帧数；
计算第二阶段中各帧灰度图像的帧数与所述第二阶段的灰度图像的总帧数的比值；
计算1与所述比值的差值，将所述差值作为第二阶段中各帧灰度图像对应的参考权重。
CN202210659107.1A 2022-06-13 2022-06-13 一种用于磷化铝片剂生产的物料粉碎效果评估方法 Active CN114742833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210659107.1A CN114742833B (zh) 2022-06-13 2022-06-13 一种用于磷化铝片剂生产的物料粉碎效果评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210659107.1A CN114742833B (zh) 2022-06-13 2022-06-13 一种用于磷化铝片剂生产的物料粉碎效果评估方法

Publications (2)

Publication Number Publication Date
CN114742833A CN114742833A (zh) 2022-07-12
CN114742833B true CN114742833B (zh) 2022-08-23

Family

ID=82287976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210659107.1A Active CN114742833B (zh) 2022-06-13 2022-06-13 一种用于磷化铝片剂生产的物料粉碎效果评估方法

Country Status (1)

Country Link
CN (1) CN114742833B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012047613A (ja) * 2010-08-27 2012-03-08 Kajima Corp 発破ズリの粒径計測方法及びシステム
CN112991313A (zh) * 2021-03-29 2021-06-18 清华大学 图像质量的评估方法及装置、电子设备和存储介质
CN114283144A (zh) * 2022-03-06 2022-04-05 山东金有粮脱皮制粉设备有限公司 基于图像识别的玉米芯粉碎机稳定运行的智能控制方法
CN114419025A (zh) * 2022-01-27 2022-04-29 江苏泰和木业有限公司 一种基于图像处理的纤维板质量评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012047613A (ja) * 2010-08-27 2012-03-08 Kajima Corp 発破ズリの粒径計測方法及びシステム
CN112991313A (zh) * 2021-03-29 2021-06-18 清华大学 图像质量的评估方法及装置、电子设备和存储介质
CN114419025A (zh) * 2022-01-27 2022-04-29 江苏泰和木业有限公司 一种基于图像处理的纤维板质量评估方法
CN114283144A (zh) * 2022-03-06 2022-04-05 山东金有粮脱皮制粉设备有限公司 基于图像识别的玉米芯粉碎机稳定运行的智能控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于图像处理的煤堆颗粒分形研究;程栋等;《科技创新导报》;20140101(第01期);第11-12页 *

Also Published As

Publication number Publication date
CN114742833A (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
Mansouri et al. Physical properties and mathematical modeling of melon (Cucumis melo L.) seeds and kernels
CN111105386B (zh) 一种基于移动设备的粗骨料质量图像处理及分析方法
CN107649234A (zh) 一种破碎机破碎粒径自动调节装置及方法
CN105738294B (zh) 基于单目多视成像的穗状水果自动检测装置及方法
CN111770886B (zh) 信息处理装置、信息处理方法、以及存储介质
CN114742833B (zh) 一种用于磷化铝片剂生产的物料粉碎效果评估方法
CN103364315B (zh) 一种烧结固体燃料粒度在线检测方法及检测装置
US5129268A (en) Method of measuring average particle size of granular material
CN111515138A (zh) 基于颗粒形态识别的道砟智能筛分装置
CN111968173A (zh) 一种混合料粒度分析方法及系统
CN115035114B (zh) 基于图像处理的干草粉碎机状态监测方法
CN102073867B (zh) 一种遥感图像分类方法及装置
CN114324078A (zh) 一种颗粒粒径识别方法、装置、设备和介质
FR3008405A1 (fr) Composition comprenant un ou des composes calco-magnesiens sous forme de compacts
CN111753844A (zh) 一种干湿垃圾分类方法、分类箱和分拣系统
CN107255516A (zh) 一种遥感影像滑坡单体划分方法
JP2003083868A (ja) 粒度分布測定方法
BE1023414B1 (fr) Composition comprenant un ou plusieurs composes de calcium et de magnesium sous forme de compacts
CN112345387A (zh) 基于图像分析的测量煤样坚固性的方法及系统
CN106944186A (zh) 一种结块化肥的颗粒粉碎机
Gozdowski et al. Evaluation of land cover changes in Southwestern Lithuania from 1984 to 2018 using medium spatial resolution satellite imagery
CN104766279B (zh) ScanSAR海冰图像入射角效应按类校正方法
Denisov et al. Relation between self-organized criticality and grain aspect ratio in granular piles
WO2022103337A1 (en) Particulate material calculation and classification
CN209017440U (zh) 一种用于农产品种植施肥装置

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