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 PDFInfo
- 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
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
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:
其中,为该帧灰度图像中第个方向上的第个像素点的参考权重,为该帧灰度图像中第个方向上的第个像素点的横坐标,为该帧灰度图像中第个方向上的第个像素点的纵坐标,为该帧灰度图像中磷化铝堆状物的中心点的横坐标,为该帧灰度图像中磷化铝堆状物的中心点的纵坐标,为该帧灰度图像中第个方向上的边缘像素点的横坐标,为该帧灰度图像中第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:
其中,为该帧灰度图像中第个方向上对应的粉碎质量,为该帧灰度图像中第个方向上的第个像素点的梯度幅值,为该帧灰度图像中第个方向上像素点的数量,为该帧灰度图像中第个方向上的第个像素点的参考权重,为该帧灰度图像中第个方向上的粒度差异程度,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:
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:
优选的,采用如下公式计算磷化铝的整体粉碎质量:
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,中的第个数据为该方向上第个像素点坐标以及梯度幅值所组成的二元组,该序列中所包含的数据的总个数为(即该方向上磷化铝像素点的总个数为)。
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:
其中,为该帧灰度图像中第个方向上对应的粉碎质量,为该帧灰度图像中第个方向上的第个像素点的梯度幅值,为该帧灰度图像中第个方向上像素点的数量,为该帧灰度图像中第个方向上的第个像素点的参考权重,为该帧灰度图像中第个方向上的粒度差异程度,为以自然常数e为底的指数函数。
该帧灰度图像中第个方向上的第个像素点的参考权重的获取过程为: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:
其中,为该帧灰度图像中第个方向上的第个像素点的横坐标,为该帧灰度图像中第个方向上的第个像素点的纵坐标,为该帧灰度图像中磷化铝堆状物的中心点的横坐标,为该帧灰度图像中磷化铝堆状物的中心点的纵坐标,为该帧灰度图像中第个方向上的边缘像素点的横坐标,为该帧灰度图像中第个方向上的边缘像素点的纵坐标。
其中,为该帧灰度图像中第个方向上梯度幅值出现的概率。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帧,第一阶段采集到的灰度图像的总帧数为帧,第二阶段采集到的灰度图像的总帧数为帧。
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:
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:
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:
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:
其中,为该帧灰度图像中第个方向上的第个像素点的参考权重,为该帧灰度图像中第个方向上的第个像素点的横坐标,为该帧灰度图像中第个方向上的第个像素点的纵坐标,为该帧灰度图像中磷化铝堆状物的中心点的横坐标,为该帧灰度图像中磷化铝堆状物的中心点的纵坐标,为该帧灰度图像中第个方向上的边缘像素点的横坐标,为该帧灰度图像中第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:
其中,为该帧灰度图像中第个方向上对应的粉碎质量,为该帧灰度图像中第个方向上的第个像素点的梯度幅值,为该帧灰度图像中第个方向上像素点的数量,为该帧灰度图像中第个方向上的第个像素点的参考权重,为该帧灰度图像中第个方向上的粒度差异程度,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:
采用如下公式计算落料过程中第二阶段对应的粉碎质量:
采用如下公式计算磷化铝的整体粉碎质量:
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。
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)
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 |
-
2022
- 2022-06-13 CN CN202210659107.1A patent/CN114742833B/zh active Active
Patent Citations (4)
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)
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 |