CN116228892A - 聚合物薄膜黄度指数检测方法、装置、设备及存储介质 - Google Patents
聚合物薄膜黄度指数检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116228892A CN116228892A CN202310242391.7A CN202310242391A CN116228892A CN 116228892 A CN116228892 A CN 116228892A CN 202310242391 A CN202310242391 A CN 202310242391A CN 116228892 A CN116228892 A CN 116228892A
- Authority
- CN
- China
- Prior art keywords
- yellowness index
- detected
- preset
- target
- picture
- 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
Links
- 229920006254 polymer film Polymers 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 63
- 238000005520 cutting process Methods 0.000 claims description 46
- 238000004590 computer program Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 abstract description 17
- 238000004458 analytical method Methods 0.000 abstract description 11
- 239000000463 material Substances 0.000 abstract description 7
- 238000013461 design Methods 0.000 abstract description 4
- 210000004877 mucosa Anatomy 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 239000004033 plastic Substances 0.000 description 6
- 229920003023 plastic Polymers 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 229920006264 polyurethane film Polymers 0.000 description 2
- 238000004383 yellowing Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003878 thermal aging Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- 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
- G06T7/11—Region-based segmentation
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Robotics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种聚合物薄膜黄度指数检测方法、装置、设备及存储介质，涉及检测技术领域，包括：获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片；调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图；对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE‑XYZ色彩空间值；调用预设黄度指数标准公式对所述CIE‑XYZ色彩空间值进行计算，以得到对应的黄度指数值。这样一来，可以实现对表面发粘膜、异形膜和颜色不均匀膜进行非接触、批量化以及高准确度的测试分析，有助于根据聚合物薄膜颜色控制和引导材料的分子设计、指导材料的加工温度。
Description
技术领域
本发明涉及检测技术领域，特别涉及一种聚合物薄膜黄度指数检测方法、装置、设备及存储介质。
背景技术
聚合物薄膜颜色在工业应用和性能表征中起着很重要的作用，比如工业生产过程、印刷包装、艺术创作、广告设计、印染、老化和热黄变等。聚合物薄膜会由于受热等因素，导致其分子链破坏、颜色变黄，从而影响材料的使用性能和美观。目前，评价聚合物薄膜热老化程度主要包括两个方面，即色差和力学性能。其中，色差主要通过黄度指数进行量化表征。因此，在研发过程中，准确地分析聚合物薄膜黄度指数随温度的变化曲线，可以引导材料的分子设计和指导材料的加工温度。
目前，聚合物薄膜黄度指数主要是通过色差仪检测。使用色差仪进行检测时，设备测试镜头往往需要与被测材料相互接触，这会导致表面发粘的聚合物薄膜污染设备镜头且测试数据不准确；色差仪采样镜头一般只有几毫米或者几厘米，因此在测试较大尺寸的聚合物薄膜时需要多点测试，效率较低，且测试颜色不均匀聚合物薄膜的准确性不够；色差仪多采用接触式反射光测试样品，这种方式很难准确的分析出表面凹凸不平的聚合物薄膜黄度指数；一般色差仪只提供颜色检测，只有价格昂贵的设备才支持样品模拟色输出，但仍不提供黄度指数分析。因此，此设备的应用在很大程度上受到了被测材料的状态、形状以及颜色均匀性的限制。
发明内容
有鉴于此，本发明的目的在于提供一种聚合物薄膜黄度指数检测方法、装置、设备及存储介质，可对表面发粘膜、异形膜和颜色不均匀膜进行非接触、批量化黄度指数检测和分析。其具体方案如下：
第一方面，本申请公开了一种聚合物薄膜黄度指数检测方法，包括：
获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片；
调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图；
对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值；
调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算，以得到对应的黄度指数值。
可选的，所述电子照片由所述待检测样本放置于预设标准光源下的预设特定箱体中进行拍照得到。
可选的，所述调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图，包括：
获取裁剪参数并将所述裁剪参数输入至用于进行矩形裁剪的预设图片裁剪函数，以对所述电子照片进行矩形裁剪得到目标待检测图。
可选的，所述调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图，包括：
获取中心缩放比例参数并将所述中心缩放比例参数输入至用于进行中心缩放裁剪的预设图片裁剪函数，以对所述电子照片进行中心缩放裁剪得到目标待检测图。
可选的，对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值，包括：
调用预设色差识别函数对所述目标待检测图中的像素点进行扫描并对所述像素点进行识别，以提取到所述目标待检测图中像素点的RGB值；
调用预设色彩空间转换函数将所述RGB值转化为相应的CIE-XYZ色彩空间值。
可选的，所述调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算以得到对应的黄度指数值，包括：
调用预设黄度指数标准公式对所述目标待检测图的全部CIE-XYZ色彩空间值进行计算以得到对应的各黄度指数值；
确定全部所述黄度指数值的平均值以得到所述目标待检测图的黄度指数平均值。
可选的，所述确定所有所述黄度指数值的平均值以得到所述目标待检测图的黄度指数平均值之后，还包括：
基于所述黄度指数平均值确定出所述目标待检测图的颜色均匀度；
调用预设模拟色度函数确定所述目标待检测图中所有像素点的RGB值的平均值以得到所述待检测样本的模拟色。
第二方面，本申请公开了一种聚合物薄膜黄度指数检测装置，包括：
照片读取模块，用于获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片；
照片裁剪模块，用于调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图；
色彩值提取模块，用于对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值；
黄度指数值获取模块，用于调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算，以得到对应的黄度指数值。
第三方面，本申请公开了一种电子设备，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序以实现前述的聚合物薄膜黄度指数检测方法。
第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的聚合物薄膜黄度指数检测方法。
可见，本申请中首先获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片；调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图；对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值；调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算，以得到对应的黄度指数值。可见，本申请中，通过对待检测样本对应的电子照片进行裁剪，获取到目标检测图，然后对所述目标检测图中像素点的RGB值进行提取转化，生成相应的CIE-XYZ色彩空间值；获取到所述CIE-XYZ色彩空间值之后，利用预设黄度指数标准公式计算得到对应的黄度指数值。这样一来，针对不同聚合物薄膜的测试特点，对表面发粘膜、异形膜和颜色不均匀膜进行非接触、批量化黄度指数检测和分析，以得到更为准确的黄度指数值。
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，还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种聚合物薄膜黄度指数检测方法流程图；
图2为本申请公开的一种用于矩形裁剪的预设图片裁剪函数代码；
图3为本申请公开的一种用于中心缩放裁剪的预设图片裁剪函数代码；
图4为本申请公开的一种具体的聚合物薄膜黄度指数检测方法流程图；
图5为本申请公开的一种具体的聚合物薄膜黄度指数检测方法流程图；
图6为本申请公开的一种具体的聚合物薄膜模拟色生成过程图；
图7为本申请公开的一种具体的聚合物薄膜模拟色生成过程图；
图8为本申请公开的一种具体的聚合物薄膜模拟色生成过程图；
图9为本申请公开的一种具体的聚合物薄膜模拟色生成过程图；
图10为本申请公开的一种聚合物薄膜黄度指数检测装置结构示意图；
图11为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本发明针对现有色差仪的接触式测试、测试面积小等缺点，本发明将具体介绍一种基于拍摄的高质量聚合物薄膜电子照片，依次进行逐点扫描、计算，输出聚合物薄膜的黄度指数，从而实现非接触、批量化以及高准确度的测试分析的方法。
参见图1所示，本申请实施例公开了一种聚合物薄膜黄度指数检测方法，包括：
步骤S11：获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片。
本实施例中，将待检测样本放置于预设标准光源下的预设特定箱体中进行拍照，获得所述待检测样本的高质量电子照片。其中，所述预设标准光源为D65光源、或C光源、或满足GB/39822-2021《塑料·黄色指数及其变化值的测定》标准中5.1规定的光源；所述预设特定箱体为不漏光、全漫反射、无影箱体。然后，获取到这些电子照片的照片存储地址，调用预设的图片读取函数并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片。其中，所述图片读取函数可以由Python编译生成，也可以由Java等其他计算机编程语言编译得到，在此不做具体限定。
步骤S12：调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图。
本实施例中，在得到所述电子照片后，预设图片裁剪函数对所述电子照片进行相应的裁剪，将需要进行黄度指数监测分析的部分裁剪出来。在一种具体实施例中，所述调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图，包括：获取裁剪参数并将所述裁剪参数输入至用于进行矩形裁剪的预设图片裁剪函数，以对所述电子照片进行矩形裁剪得到目标待检测图。即获取进行矩形裁剪的四个裁剪参数，分别为上、下、左、右的裁剪比例，参数∈[0,0.5)；将获取到的裁剪参数输入至用于矩形裁剪的预设图片裁剪函数，以实现调用所述预设图片裁剪函数对所述电子照片进行矩形裁剪以得到目标待检测图。其中，基于Python编写的用于矩形裁剪的预设图片裁剪函数代码如图2所示。在另一种具体实施例中，所述调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图，包括：获取中心缩放比例参数并将所述中心缩放比例参数输入至用于进行中心缩放裁剪的预设图片裁剪函数，以对所述电子照片进行中心缩放裁剪得到目标待检测图。即获取到中心缩放比例参数，所述中心缩放比例参数∈(0,1]；将获取到的所述中心缩放比例参数输入至用于进行中心缩放裁剪的预设图片裁剪函数，以实现对调用所述预设图片裁剪函数对所述电子照片进行中心缩放裁剪以得到目标待检测图。其中，基于Python编写的用于中心缩放裁剪的预设图片裁剪函数代码如图2所示。
步骤S13：对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值。
本实施例中，在获取到所述目标待检测图后，对所述目标检测图中像素点进行扫描，然后通过计算机视觉库对所述像素点的RGB值进行提取，所述计算机视觉库是OpenCV开源库，它能够实现图像处理和计算机视觉等多方面的通用算法。然后将提取到的RGB值转化成相应的CIE-XYZ色彩空间值。
步骤S14：调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算，以得到对应的黄度指数值。
本实施例中，调用预设黄度指数标准公式对得到的所述CIE-XYZ色彩空间值进行相应的计算，从而得到所述目标待检测图的黄度指数值。需要说明的是，所述预设黄度指数标准公式是指为满足GB/39822-2021《塑料·黄色指数及其变化值的测定》标准中6.1和ASTM E313-2015根据仪器测定的颜色坐标计算黄色和白色指标的标准实施规程《Standardpracticefor calculating yellowness and whiteness indices from instrumentallymeasured color coordinates》中6.1规定的计算公式：
其中，yI为黄度指数值；X、Y、Z为CIE-XYZ色彩空间的三刺激值；Cx、Cz为预设标准光源D65、C下的系数。
可见，本实施例中，首先获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片；调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图；对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值；调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算，以得到对应的黄度指数值。可见，本申请中，通过对待检测样本对应的电子照片进行裁剪，获取到目标检测图，然后对所述目标检测图中像素点的RGB值进行提取转化，生成相应的CIE-XYZ色彩空间值；获取到所述CIE-XYZ色彩空间值之后，利用预设黄度指数标准公式计算得到对应的黄度指数值。这样一来，针对不同聚合物薄膜的测试特点，对表面发粘膜、异形膜和颜色不均匀膜进行非接触、批量化黄度指数检测和分析，以得到更为准确的黄度指数值。
上述实施例中介绍了一种基于拍摄的高质量聚合物薄膜电子照片，依次进行逐点扫描、计算，输出聚合物薄膜的黄度指数的方法，本实施例中，将对输出聚合物薄膜的黄度指数、颜色均匀度及模拟色度图像的过程进行具体描述。
参见图4所示，本申请实施例公开了一种具体的聚合物薄膜黄度指数检测方法，包括：
步骤S21：获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片。
步骤S22：调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图。
步骤S23：调用预设色差识别函数对所述目标待检测图中的像素点进行扫描并对所述像素点进行识别，以提取到所述目标待检测图中像素点的RGB值。
本实施例中，调用预设色差识别函数对所述目标待检测图中的像素点进行逐点扫描，通过计算机视觉库对识别到的所述像素点的RGB值进行识别并提取，以得到所述目标待检测图中所有像素点的RGB值。
步骤S24：调用预设色彩空间转换函数将所述RGB值转化为相应的CIE-XYZ色彩空间值。
本实施例中，调用预设色彩空间转换函数将所述RGB值转化为相应的CIE-XYZ色彩空间值。需要说明的是，所述RGB值转换为所述CIE-XYZ色彩空间值的公式为：
其中，X、Y、Z为CIE-XYZ色彩空间的三刺激值；[M]为色彩空间转换矩阵；R、G、B为计算机视觉库识别电子照片像素的RGB色彩空间值。
步骤S25：调用预设黄度指数标准公式对所述目标待检测图的全部CIE-XYZ色彩空间值进行计算以得到对应的各黄度指数值。
本实施例中，调用预设黄度指数标准公式对所述目标待检测图的全部CIE-XYZ色彩空间值进行计算以得到对应的各黄度指数值。需要说明的是，所述预设黄度指数标准公式是指为满足GB/39822-2021《塑料·黄色指数及其变化值的测定》标准中6.1和ASTME313-2015根据仪器测定的颜色坐标计算黄色和白色指标的标准实施规程《Standardpracticefor calculating yellowness and whiteness indices from instrumentallymeasured color coordinates》中6.1规定的计算公式：
其中，YI为黄度指数值；X、Y、Z为CIE-XYZ色彩空间的三刺激值；Cx、Cz为预设标准光源D65、C下的系数。这样一来，可以获取到所述目标待检测图中全部色素点对应的各黄度指数值。
步骤S26：确定全部所述黄度指数值的平均值以得到所述目标待检测图的黄度指数平均值。
步骤S27：基于所述黄度指数平均值确定出所述目标待检测图的颜色均匀度。
本实施例中，调用预设颜色均匀度函数对所有像素点的黄度指数值求均值，再找出最小和最大的黄度指数值，然后对黄度指数进行最小值偏离度、最大值偏离度和标准差计算，最后用最小值偏离度、最大值偏离度和标准差计算出所述目标待检测图的颜色均匀度。需要说明的是，颜色均匀度的计算公式为：
其中，YIi为第i个黄度指数；
为n个黄度指数的均值；Imin为最小值偏离度；Imax为最大值偏离度；S为电子图片的黄度指数标准差；i为颜色均匀度。
步骤S28：调用预设模拟色度函数确定所述目标待检测图中所有像素点的RGB值的平均值以得到所述待检测样本的模拟色。
本实施例中，调用预设模拟色度函数确定所述目标待检测图中所有像素点的RGB值的平均值，并通过计算机视觉库输出基于所述目标检测图得到的所述待检测样本的模拟色。需要说明的是，所述像素点的R、G、B值的均值公式为：
其中，
为n个R、G、B值的均值；Ri、Gi、Bi为第i个计算机视觉库识别电子照片像素的RGB色彩空间值。
其中，关于上述步骤S21和S22的具体过程可以参考前述实施例公开的相应内容，在此不再进行赘述。
可见，如图5所示，本实施例首先输入已拍摄的待测样品电子照片文件夹的地址，然后逐一读取待测样品的电子照片，裁剪出需要检测分析的部分，逐个像素扫描读取图片的RGB值，将RGB色彩空间值转换为CIE-XYZ色彩空间值，计算出每个像素点的黄度指数值，计算出黄度指数值均值、颜色均匀度并输出模拟色。与现有色差仪检测黄度指数的方法相比，本实施例是通过图像处理软件来检测和分析聚合物薄膜样品的黄度指数，能够对样品实现非接触式检测分析，能够测试表面发粘、凹凸不平和颜色不均的样品，还能测试分析液体甚至气态样品，这不仅提高了测试的准确度，与现有色差仪相比还扩宽了测试样品的形状和状态；本实施例还能够批量化检测样品的黄度指数并分析其颜色均匀度和模拟色等，与现有色差仪相比，测试时间更短，数据处理、分析和输出相关内容更丰富，大大地提高了工作效率的同时可以远程拍摄样品照片，随时对样品进行黄度指数检测分析，与现有色差仪相比更具有便捷性。
为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实例进一步描述本发明的技术方案。
如图6所示。本实施例中样品为标准白色塑料块，将其放置在标准光源下的特定箱体中进行拍照，获得样品的电子照片，如图6.a所示。输入标准白色塑料块的电子照片文件夹地址，使用Python编译的图片读取函数读取该电子照片。为尽可能保留样品信息，使用Python编译的图片裁剪函数选择中心缩放裁剪方式截取待检区域，经过多次尝试选择中心缩放比例为0.68裁剪电子照片，裁剪区域如图6.b所示，裁剪后待检测区域如图6.c所示。使用Python编译的色差识别函数对图6.c进行像素逐点扫描，通过计算机视觉库获取每个像素点的RGB值。使用Python编译的色彩空间转换函数将每个像素点RGB色彩空间的RGB值转换为CIE-XYZ色彩空间的XYZ值。使用Python编译的黄度指数函数将每个XYZ值计算为对应的黄度指数值。使用Python编译的颜色均匀度函数计算出图6.c的黄度指数平均值
i＝0。使用Python编译的模拟色度函数计算出图6.c的RGB均值分别为
并输出样品的模拟色图片如图6.d所示。
如图7、图8和图9所示本实施例中三个样品分别为经过210℃/30min、240℃/30min、270℃/30min加热的聚氨酯膜，将其放置在标准光源下的特定箱体中进行拍照，获得样品的电子照片分别如图7.a、图8.a、图9.a所示。输入包含图7.a、图8.a、图9.a的文件夹地址，使用Python编译的图片读取函数逐一读取电子照片。为尽可能保留样品信息，使用Python编译的图片裁剪函数选择矩形裁剪方式截取待检区域，经过多次尝试选择上、下、左、右的裁剪比例分别为0.16,0.16,0.16,0.16，裁剪区域分别如图7.b、图8.b、图9.b所示，裁剪后待检测区域分别如图7.c、图8.c、图9.c所示。使用Python编译的色差识别函数分别对图7.c、图8.c、图9.c进行像素逐点扫描，通过计算机视觉库获取待检测区域图片的每个像素点的RGB值。使用Python编译的色彩空间转换函数将每个像素点RGB色彩空间的RGB值转换为CIE-XYZ色彩空间的XYZ值。使用Python编译的黄度指数函数将每个XYZ值计算为对应的黄度指数值。使用Python编译的颜色均匀度函数计算出图7.c的黄度指数平均值
I＝19.23；图8.c的黄度指数平均值/>
I＝22.03；图9.c的黄度指数平均值/>
I＝16.64。使用Python编译的模拟色度函数计算出图7.c的RGB均值分别为/>
并输出样品的模拟色图片如图7.d所示；图8.c的RGB均值分别为
并输出样品的模拟色图片如图8.d所示；图9.c的RGB均值分别为
并输出样品的模拟色图片如图9.d所示。
参考图10所述，本申请实施例还相应公开了一种聚合物薄膜黄度指数检测装置，包括：
照片读取模块11，用于获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片；
照片裁剪模块12，用于调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图；
色彩值提取模块13，用于对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值；
黄度指数值获取模块14，用于调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算，以得到对应的黄度指数值。
可见，本实施例中，首先获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片；调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图；对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值；调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算，以得到对应的黄度指数值。可见，本申请中，通过对待检测样本对应的电子照片进行裁剪，获取到目标检测图，然后对所述目标检测图中像素点的RGB值进行提取转化，生成相应的CIE-XYZ色彩空间值；获取到所述CIE-XYZ色彩空间值之后，利用预设黄度指数标准公式计算得到对应的黄度指数值。这样一来，针对不同聚合物薄膜的测试特点，对表面发粘膜、异形膜和颜色不均匀膜进行非接触、批量化黄度指数检测和分析，以得到更为准确的黄度指数值。
在一些具体的实施例中，所述照片裁剪模块12，具体可以包括：
矩形裁剪单元，用于获取裁剪参数并将所述裁剪参数输入至用于进行矩形裁剪的预设图片裁剪函数，以对所述电子照片进行矩形裁剪得到目标待检测图。
在一些具体的实施例中，所述照片裁剪模块12，具体可以包括：
中心缩放裁剪单元，用于获取中心缩放比例参数并将所述中心缩放比例参数输入至用于进行中心缩放裁剪的预设图片裁剪函数，以对所述电子照片进行中心缩放裁剪得到目标待检测图。
在一些具体的实施例中，所述色彩值提取模块13，具体可以包括：
色彩值提取单元，用于调用预设色差识别函数对所述目标待检测图中的像素点进行扫描并对所述像素点进行识别，以提取到所述目标待检测图中像素点的RGB值；
色彩转化单元，用于调用预设色彩空间转换函数将所述RGB值转化为相应的CIE-XYZ色彩空间值。
在一些具体的实施例中，所述黄度指数值获取模块14，具体可以包括：
指数计算单元，用于调用预设黄度指数标准公式对所述目标待检测图的全部CIE-XYZ色彩空间值进行计算以得到对应的各黄度指数值；
平均值求取单元，用于确定全部所述黄度指数值的平均值以得到所述目标待检测图的黄度指数平均值。
在一些具体的实施例中，所述聚合物薄膜黄度指数检测装置，具体可以包括：
颜色均匀度获取模块，用于基于所述黄度指数平均值确定出所述目标待检测图的颜色均匀度；
模拟色获取模块，用于调用预设模拟色度函数确定所述目标待检测图中所有像素点的RGB值的平均值以得到所述待检测样本的模拟色。
进一步的，本申请实施例还公开了一种电子设备，图11是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本申请的使用范围的任何限制。
图11为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的聚合物薄膜黄度指数检测方法中的相关步骤。另外，本实施例中的电子设备20具体可以为电子计算机。
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。
其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的聚合物薄膜黄度指数检测方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的，本申请还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的聚合物薄膜黄度指数检测方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的技术方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种聚合物薄膜黄度指数检测方法，其特征在于，包括：
获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片；
调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图；
对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值；
调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算，以得到对应的黄度指数值。
2.根据权利要求1所述的聚合物薄膜黄度指数检测方法，其特征在于，所述电子照片由所述待检测样本放置于预设标准光源下的预设特定箱体中进行拍照得到。
3.根据权利要求1所述的聚合物薄膜黄度指数检测方法，其特征在于，所述调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图，包括：
获取裁剪参数并将所述裁剪参数输入至用于进行矩形裁剪的预设图片裁剪函数，以对所述电子照片进行矩形裁剪得到目标待检测图。
4.根据权利要求1所述的聚合物薄膜黄度指数检测方法，其特征在于，所述调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图，包括：
获取中心缩放比例参数并将所述中心缩放比例参数输入至用于进行中心缩放裁剪的预设图片裁剪函数，以对所述电子照片进行中心缩放裁剪得到目标待检测图。
5.根据权利要求1所述的聚合物薄膜黄度指数检测方法，其特征在于，所述对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值，包括：
调用预设色差识别函数对所述目标待检测图中的像素点进行扫描并对所述像素点进行识别，以提取到所述目标待检测图中像素点的RGB值；
调用预设色彩空间转换函数将所述RGB值转化为相应的CIE-XYZ色彩空间值。
6.根据权利要求1至5任一项所述的聚合物薄膜黄度指数检测方法，其特征在于，所述调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算以得到对应的黄度指数值，包括：
调用预设黄度指数标准公式对所述目标待检测图的全部CIE-XYZ色彩空间值进行计算以得到对应的各黄度指数值；
确定全部所述黄度指数值的平均值以得到所述目标待检测图的黄度指数平均值。
7.根据权利要求6所述的聚合物薄膜黄度指数检测方法，其特征在于，所述确定所有所述黄度指数值的平均值以得到所述目标待检测图的黄度指数平均值之后，还包括：
基于所述黄度指数平均值确定出所述目标待检测图的颜色均匀度；
调用预设模拟色度函数确定所述目标待检测图中所有像素点的RGB值的平均值以得到所述待检测样本的模拟色。
8.一种聚合物薄膜黄度指数检测装置，其特征在于，包括：
照片读取模块，用于获取待检测样本的照片存储地址，并基于所述照片存储地址对预设文件夹进行读取以得到所述待检测样本对应的电子照片；
照片裁剪模块，用于调用预设图片裁剪函数对所述电子照片进行裁剪以得到目标待检测图；
色彩值提取模块，用于对所述目标待检测图中像素点的RGB值进行提取，并将提取到的所述RGB值转化为相应的CIE-XYZ色彩空间值；
黄度指数值获取模块，用于调用预设黄度指数标准公式对所述CIE-XYZ色彩空间值进行计算，以得到对应的黄度指数值。
9.一种电子设备，其特征在于，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序以实现如权利要求1至7任一项所述的聚合物薄膜黄度指数检测方法。
10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的聚合物薄膜黄度指数检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310242391.7A CN116228892A (zh) | 2023-03-14 | 2023-03-14 | 聚合物薄膜黄度指数检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310242391.7A CN116228892A (zh) | 2023-03-14 | 2023-03-14 | 聚合物薄膜黄度指数检测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116228892A true CN116228892A (zh) | 2023-06-06 |
Family
ID=86578534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310242391.7A Pending CN116228892A (zh) | 2023-03-14 | 2023-03-14 | 聚合物薄膜黄度指数检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116228892A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117686093A (zh) * | 2023-12-12 | 2024-03-12 | 广州番禺职业技术学院 | 一种和田玉黄玉颜色黄度的评价方法 |
| CN118506137A (zh) * | 2024-07-18 | 2024-08-16 | 亚威腾(天津)科技合伙企业(有限合伙) | 一种景泰蓝产品质量检测与自动化评估系统 |
-
2023
- 2023-03-14 CN CN202310242391.7A patent/CN116228892A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117686093A (zh) * | 2023-12-12 | 2024-03-12 | 广州番禺职业技术学院 | 一种和田玉黄玉颜色黄度的评价方法 |
| CN118506137A (zh) * | 2024-07-18 | 2024-08-16 | 亚威腾(天津)科技合伙企业(有限合伙) | 一种景泰蓝产品质量检测与自动化评估系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116228892A (zh) | 聚合物薄膜黄度指数检测方法、装置、设备及存储介质 | |
| CN107578047B (zh) | 电力电缆的偏心度检测方法 | |
| EP1600893B1 (en) | Radiometric calibration from a single image | |
| JP2015509582A (ja) | 比色アッセイを解析するための方法、システム、および装置 | |
| CN110487737B (zh) | 用于智能手机光谱检测的图像信息提取与计算方法及系统 | |
| US9064178B2 (en) | Edge detection apparatus, program and method for edge detection | |
| CN111739459B (zh) | 基于云端的显示面板mura修复方法及系统 | |
| CN112577905A (zh) | 一种尿液颜色检测方法及分析仪 | |
| CN113569679B (zh) | 测量断裂伸长率的方法、装置和系统 | |
| CN114503097A (zh) | 使用移动设备进行颜色查找的方法和装置 | |
| CN112950598B (zh) | 工件的瑕疵检测方法、装置、设备及存储介质 | |
| CN117804344A (zh) | 宽度测量方法及装置 | |
| CN107091729B (zh) | 一种无机械运动的透镜焦距测试方法 | |
| US20100091125A1 (en) | Template matching device, camera with template matching device, and program for allowing computer to carry out template matching | |
| CN116952168A (zh) | 激光光束平行度的测量系统及测量方法 | |
| Li et al. | Accurate estimation of camera response function for high dynamic range measurement | |
| CN109035346A (zh) | 一种相机颜色标定方法、装置与自动驾驶系统 | |
| CN108562548A (zh) | 智能尿检马桶的颜色识别方法及其系统 | |
| JP5076567B2 (ja) | テンプレートマッチング装置、テンプレートマッチング装置を備えたカメラ、テンプレートマッチングをコンピュータで行うためのプログラム | |
| Boiangiu et al. | Target Validation and Image Color Calibration | |
| TWI395047B (zh) | 自動對焦方法以及使用該方法之影像擷取裝置 | |
| JP2005291720A (ja) | 蛍光検出装置、濃淡情報補正方法および濃淡情報補正プログラム | |
| KR101038674B1 (ko) | 컬러 인식 방법 및 장치 | |
| Boiangiu et al. | Target validation and image calibration in scanning systems | |
| CN117115488B (zh) | 一种基于图像处理的水表检测方法 |
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 |