CN116758528A

CN116758528A - 基于人工智能的丙烯酸乳液颜色变化识别方法

Info

Publication number: CN116758528A
Application number: CN202311042024.9A
Authority: CN
Inventors: 龚博文
Original assignee: Shandong Rosf New Material Technology Co ltd
Current assignee: Foshan Luosifu Technology Co ltd
Priority date: 2023-08-18
Filing date: 2023-08-18
Publication date: 2023-09-15
Anticipated expiration: 2043-08-18
Also published as: CN116758528B

Abstract

本发明涉及人工智能领域，具体涉及基于人工智能的丙烯酸乳液颜色变化识别方法，通过相机采集丙烯酸乳液图像，对ROI区域进行分块，并根据丙烯酸乳液图像中各子块的丙烯酸乳液特征进行提取，根据子块结块率、光晕强度以及透明度构建子块颜色聚合阈值；采用颜色聚合向量算法结合颜色聚合阈值获取子块的颜色聚合向量，完成各子块主题色的提取；根据当前帧子块的颜色聚合向量及前一帧子块的颜色聚合向量差异得到子块局域颜色差异度，并根据子块的丙烯酸乳液局域颜色差异度，对丙烯酸乳液颜色变化的精确识别。从而实现基于人工智能的丙烯酸乳液颜色变化的检测，具有较高的识别精度。

Description

基于人工智能的丙烯酸乳液颜色变化识别方法

技术领域

本申请涉及人工智能领域，具体涉及基于人工智能的丙烯酸乳液颜色变化识别方法。

背景技术

丙烯酸乳液是一种常用的乳液体系，其颜色变化可以作为一个反应过程的指示剂，广泛应用于涂料、胶粘剂、纸张等领域。在制备乳液或使用乳液时，如果出现颜色变化，可能意味着化学反应发生了变化，如聚合反应的进行、氧化反应的发生等。同时也可以用于检测环境条件的变化。在涂料应用中，乳液的颜色变化可以指示涂层的干燥程度、干燥速度以及涂层受潮的情况。通过监测涂层颜色的变化，及时调整施工条件，以获得理想的涂装效果。

传统的丙烯酸乳液颜色变化识别方法具有检测不及时且难以准确识别的问题，对工程实施和产品质量检测都会产生一定影响。因此，采用人工智能方法对丙烯酸乳液颜色变化进行识别不仅可以帮助理解乳液体系的稳定性、储存寿命以及反应机理，而且对产品质量的有效把关和应用性能的改进都具有重要意义。

因此，本发明提出基于人工智能的丙烯酸乳液颜色变化识别方法，通过相机采集丙烯酸乳液图像，并根据丙烯酸乳液图像中的丙烯酸乳液特征的提取，分析丙烯酸乳液各子块的颜色聚合向量，完成各子块主题色的提取，根据子块的丙烯酸乳液局域颜色差异度实现对丙烯酸乳液颜色变化的精确识别。

发明内容

为了解决上述技术问题，本发明提供基于人工智能的丙烯酸乳液颜色变化识别方法，以解决现有的问题。

本发明的基于人工智能的丙烯酸乳液颜色变化识别方法采用如下技术方案：

本发明一个实施例提供了基于人工智能的丙烯酸乳液颜色变化识别方法，该方法包括以下步骤：

采集丙烯酸乳液图像，将丙烯酸乳液图像中的丙烯酸乳液区域作为ROI区域，并将ROI区域分为多个子块；

对于每一子块；根据子块内各边缘像素点的邻域边缘像素点数量得到各边缘像素点的边缘泛化因子；结合各边缘像素点邻域内边缘像素点的梯度以及LBP值得到各边缘像素点的方向一致性及纹理差异性；根据子块内各边缘像素点的方向一致性、纹理差异性以及边缘泛化因子得到子块边缘连贯率；分别量化子块H、S、V通道，根据子块内各像素点H、S、V量化值差异得到各像素点的颜色对比度；根据颜色对比度及子块边缘连贯率得到子块结块率；

根据子块内像素点的最大、最小亮度量化值得到子块的对比度；将子块内灰度值高于阈值的像素点个数与子块像素点总数的比值作为子块光照面积；获取子块的灰度信息熵；根据子块对比度、光照面积以及灰度信息熵得到子块光晕强度；将子块内像素点饱和度均值与亮度均值的乘积作为子块透明度；

根据子块结块率、光晕强度以及透明度构建子块颜色聚合阈值；采用颜色聚合向量算法结合颜色聚合阈值获取子块的颜色聚合向量；根据当前帧子块的颜色聚合向量及前一帧子块的颜色聚合向量差异得到子块局域颜色差异度；根据各子块的局域颜色差异度完成丙烯酸乳液颜色变化的识别。

优选的，所述根据子块内各边缘像素点的邻域边缘像素点数量得到各边缘像素点的边缘泛化因子，具体步骤包括：

对于各边缘像素点，统计边缘像素点八邻域内的边缘像素点个数；

当所述边缘像素点个数大于等于z时，边缘像素点的边缘泛化因子为1；

当所述边缘像素点个数小于z时，边缘像素点的边缘泛化因子为0，其中z为预设阈值。

优选的，所述结合各边缘像素点邻域内边缘像素点的梯度以及LBP值得到各边缘像素点的方向一致性及纹理差异性，具体步骤包括：

对于各边缘像素点，计算边缘像素点梯度方向及邻域内各边缘像素点梯度方向的余弦相似度之和，将所述余弦相似度之和作为边缘像素点的方向一致性；

计算边缘像素点LBP值与邻域内各边缘像素点LBP值的欧式距离的和值，将所述欧式距离之和作为边缘线像素点的纹理差异性。

优选的，所述根据子块内各边缘像素点的方向一致性、纹理差异性以及边缘泛化因子得到子块边缘连贯率，具体包括：

计算子块内所有边缘像素点的方向一致性均值、纹理差异性均值以及边缘泛化因子均值；

子块边缘连贯率与所述方向一致性均值及所述边缘泛化因子均值成正相关关系；与所述纹理差异性均值成负相关关系。

优选的，所述根据子块内各像素点H、S、V量化值差异得到各像素点的颜色对比度，具体步骤包括：

对于子块内各像素点，计算像素点与子块内其他各像素点的H量化差值、S量化值差值、V量化值差值；

像素点的颜色对比度分别与所述H量化值差值、所述S量化值差值、所述V量化值差值成正相关关系。

优选的，所述根据颜色对比度及子块边缘连贯率得到子块结块率，具体包括：

子块结块率与子块内所有像素点颜色对比度均值以及边缘连贯率成正相关关系，与子块内颜色对比度最大值成负相关关系。

优选的，所述根据子块内像素点的最大、最小亮度量化值得到子块的对比度，具体包括：

计算子块内最大亮度量化值与最小亮度量化值的差值及和值，子块的对比度与所述差值成正相关关系，与所述和值成负相关关系。

优选的，所述根据子块对比度、光照面积以及灰度信息熵得到子块光晕强度，具体包括：

子块光晕强度与子块对比度及灰度信息熵成正相关关系，与子块光照面积成负相关关系。

优选的，所述根据子块结块率、光晕强度以及透明度构建子块颜色聚合阈值，具体步骤包括：

子块颜色聚合阈值与子块结块率以及子块光晕强度成正相关关系，与子块透明度成负相关关系。

优选的，所述根据当前帧子块的颜色聚合向量及前一帧子块的颜色聚合向量差异得到子块局域颜色差异度，具体包括：计算当前帧子块颜色聚合向量和前一帧子块颜色聚合向量的差值，子块局域颜色差异度与所述差值成正相关关系。

本发明至少具有如下有益效果：

本发明主要根据丙烯酸乳液图像中的丙烯酸乳液主题色的提取，基于丙烯酸乳液主题色实现对丙烯酸乳液颜色变化的精确识别。本发明根据丙烯酸乳液颜色变化过程中的不同形态特点，基于聚合向量技术对丙烯酸乳液主题色进行提取，可避免丙烯酸乳液颜色检测过程中色彩之间的影响，提高颜色分析精度；

同时，本发明通过对丙烯酸乳液的结块情况、光照强度、分层问题的分析及提取特征，优化了聚合向量技术中的阈值取值，使其更贴合丙烯酸乳液的颜色变化，准确提取出丙烯酸乳液的颜色，具有较高的丙烯酸乳液的颜色变化识别准确性。

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为本发明提供的基于人工智能的丙烯酸乳液颜色变化识别方法的流程图。

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基于人工智能的丙烯酸乳液颜色变化识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

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基于人工智能的丙烯酸乳液颜色变化识别方法的具体方案。

本发明一个实施例提供的基于人工智能的丙烯酸乳液颜色变化识别方法。

具体的，提供了如下的基于人工智能的丙烯酸乳液颜色变化识别方法，请参阅图1，该方法包括以下步骤：

步骤S001，获取丙烯酸乳液图像并进行预处理，作为丙烯酸乳液颜色变化识别的基础数据。

本实施例需要结合机器视觉并根据丙烯酸乳液的图像特征识别丙烯酸乳液颜色变化，因此固定相机位置，每间隔一定时间对丙烯酸乳液进行图像采集，获取对应的丙烯酸乳液图像，间隔时间实施者可自行设定，本实施例优选设定为12个小时，需要说明的是，相机固定位置以及视角不变，保证图像具有相同的角度、大小和分辨率。对丙烯酸乳液图像进行高斯滤波，消除随机噪声。需要说明的是，高斯滤波去噪过程可通过现有技术实现，不在本实施例保护范围内，在此不做详细阐述。

为减小之后图像间差异度的计算量，防止非丙烯酸乳液区域对丙烯酸乳液颜色变化检测精度的影响，本实施例利用Canny边缘检测算法以检测盛放丙烯酸乳液器皿的边缘，输出丙烯酸乳液的边缘图像，Canny边缘检测算法属于公知技术，故在此不再赘述。然后，本实施例将边缘包围的区域，也即仅包含丙烯酸乳液区域作为ROI区域。

至此，即可根据本实施例上述方法获取丙烯酸乳液图像，并对丙烯酸乳液图像中的ROI区域进行提取。

步骤S002，提取丙烯酸乳液图像中各子块的特征，对聚合阈值进行改进，提取各子块的颜色聚合向量，对各子块的丙烯酸乳液局域颜色差异度进行计算。

为对丙烯酸乳液的颜色变化进行识别，本实施例采用颜色聚合向量算法，对丙烯酸乳液的主题色进行提取，通过判断前后两张图像主题色的差异度，实现其颜色变化的识别。具体步骤如下：

首先，针对拍摄得到的前后两张图像，鉴于是要对丙烯酸乳液的颜色变化进行识别，考虑到实际场景中，丙烯酸乳液的颜色可能率先在某个区域、某个位置处发生改变，因此，为保证能准确，及时的检测出丙烯酸乳液的颜色是否发生变化，本发明首先将获得的当前时刻丙烯酸乳液图像的ROI区域进行划分，具体的划分实施者可自行设定，本实施例对此不做限定。优选的本实施例中将ROI区域均匀的切分为a、b、c、d共4个子块，左上、右上、左下及右下，然后在4个子块内，分别进行颜色聚合向量的提取，用于对各子块的颜色特征进行表征。本实施例考虑到传统颜色聚合向量算法在进行颜色聚合向量提取时，对颜色聚合向量算法中的聚合阈值设定大多为固定阈值，而针对液体极易受光照等外界因素的影响，固定阈值的设定会对颜色聚合向量的提取精度具有一定的影响，因此，本实施例将对各区域颜色聚合向量的提取过程进行改进，以获取较为准确的颜色特征。

本实施例以丙烯酸乳液图像的ROI区域左上部分子块a为例，对各子块的颜色聚合向量提取的改进过程进行详细说明。

颜色聚合向量算法中阈值的确定便至关重要，在大多数应用场景中，阈值都是通过确定一个固定的值去完成聚合，但针对丙烯酸乳液容易受到光照的影响，以及随着时间的累积，局部可能会产生分层或者结块的现象，若是固定阈值聚合，易造成结果出现误差，本实施例为解决这一问题，采用局部自适应阈值算法合理调整阈值，使聚合效果更加准确。

对于ROI区域中的子块a，本实施例利用Canny边缘检测算法对其进行边缘检测，获取子块a中的各边缘像素点。对于各边缘像素点，本实施例将获取边缘像素点八邻域内的边缘像素点个数，根据各边缘像素点的邻域内的边缘像素点数量构建边缘像素点的边缘泛化因子，表达式为：

式中，s为边缘像素点的边缘泛化因子，z为预设阈值，实施者可自行设定，本实施例设定为z=2，s越大，则对应边缘像素点周围的边缘像素点数量越多，s越小，则对应边缘像素点越孤立，为边缘像素点八邻域内所包含的边缘像素点的个数，边缘像素点的边缘分泛化因子越大，则边缘像素点周围的边缘分布越集中。

为提高子块边缘分布检测精度，本实施例将进一步对子块边缘连贯率进行分析。对于每个边缘像素点，利用Sobel算子计算其梯度方向，计算边缘像素点梯度方向与8邻域内各边缘像素点梯度方向的余弦相似度之和，将所述余弦相似度之和记为边缘像素点的方向一致性；计算边缘像素点LBP值与8邻域内其他边缘像素点LBP值的欧式距离之和，将所述欧式距离之和作为边缘像素点的纹理差异性。本实施例根据子块a内各边缘像素点的方向一致性指标以及纹理差异性指标构建子块边缘连贯率，表达式具体为：

式中，为子块a内所有边缘像素点的边缘泛化因子的均值，表示子块a中边缘像素点的方向一致性均值，为子块a中边缘像素点的纹理差异性均值，子块的边缘连贯率构建逻辑为值越大，表示子块a中边缘像素点领域像素点个数越多，子块边缘连贯率值越大，则子块内的边缘越连贯、纹理分布越一致，值越大，表示边缘像素点的方向一致性越高，边缘连贯率相应越大，值越小，表示边缘像素点与边缘像素点之间LBP值越接近，边缘之间的连贯性也就越强。

接着对ROI区域的子块a内每个像素的颜色对比度进行计算，考虑到HSV图像更能贴合人眼视觉特征，因此，本实施例将对子块内各像素点的HSV通道信息进行分析。为提高计算速度，本实施例首先对子块a的HSV图像在三个维度上分别进行量化处理，量化处理现有方法有很多，实施者可自行选取，优选的本实施例采用等距离量化的方式，即H量化为16 个区间，S量化为8个区间，V量化为4个区间。需要说明的是，具体的量化处理为现有公知技术，不在本实施例保护范围内，在此不做相关详细阐述。获取子块a内各像素点的各通道量化值，根据子块内各像素点的通道量化值差异计算各像素点的颜色对比度，记为，表达式具体为：

式中，分别表示子块a内像素点i，j的H通道量化值，分别表示子块 a内像素点i，j的S通道量化值，分别表示子块a内像素点i，j的V通道量化值，表示子块a内像素点个数，为子块a内像素点i的颜色对比度。以上述颜色对比度和子块边缘连贯率为依据构建丙烯酸乳液结块率，表达式具体为：

式中，为子块a内所有像素点颜色对比度之和，表示子块a内颜色对比度的均值，是子块a内颜色对比度的最大值，用于将颜色对比度归一化处理。结块率的构建逻辑为：子块内颜色对比度的均值越大，表示该子块内颜色差异程度越高，丙烯酸乳液若出现结块，结块区域便会和其他区域形成较大的颜色差异，故丙烯酸乳液的结块率就越大，子块边缘连贯率越大，表示丙烯酸乳液边缘的连贯性就越强，出现边缘且边缘连贯证明丙烯酸乳液出现块状区域，故丙烯酸乳液的结块率就越大。

考虑到光照对拍摄图像的影响，可能会使图像上产生光强较大的较明亮区域，此时可能会影响聚合效果，使该聚合的像素点没有被聚合，或是不该聚合的像素点被聚合，因此本实施例将对子块a内的亮度以及光照情况进行检测，以便基于子块内的光照状况对所述聚合阈值进行自适应分析。首先，本实例对子块内像素点的亮度进行分析，获取子块a的对比度，表达式具体为：

式中，、分别表示子块中最大V通道量化值、最小V通道量化值。为子块对比度，子块对比度越大，则子块内的亮度对比度越高，用于对子块内的亮度分布状况进行检测分析。

然后，通过阈值分割算法获取分割阈值，分别统计高于分割阈值以及低于分割阈值的像素点总数，根据子块中高于分割阈值的像素点个数与子块a中像素点总数之间比例计算子块的光照面积，表达式具体为：

式中表示子块a中大于分割阈值的像素点个数，表示小于分割阈值的像素点个数。

最后，考虑到各子块内的灰度分布杂乱情况能够对子块内的光照及亮度情况进行表征，因此，本实施例将统计子块a中每个灰度级别的像素数，并计算每个灰度级别的概率，得到子块a的灰度信息熵，表达式为：

式中，h为子块a的灰度信息熵，为灰度级x的概率，需要说明的是，各灰度级别的概率计算为现有公知技术，不在本实施例保护范围内，在此不做详细阐述。

根据本实施例所提取的子块对比度和灰度信息熵及光照区域面积指标构建子块的丙烯酸乳液光晕强度，表达式具体为：

式中，表示子块a的对比度，表示子块a的灰度信息熵，表示子块a的光照面积，丙烯酸乳液光晕强度的构建逻辑为：对比度越大、表示该区域的亮度显著增加，具有更强烈的光照效果，则光晕强度也应越大，信息熵值越大，表明光照可能在该区域分布不均匀，不同区域亮度差异明显，或是光照强度更大，故该区域的也就越大，光照面积越小，表明光照在该区域越集中，聚焦在小部分区域，则光晕强度就可能会越大。

丙烯酸乳液随着放置时间的增长，也有可能出现分层的现象，为避免这一因素的影响，对分层现象进行分析，丙烯酸乳液若出现分层问题，则上方会呈现较清澈的液体层，下方会出现浑浊的胶相层，即从上往下观看，丙烯酸乳液会比未发生分层现象的浓度降低，相应成像的饱和度也会降低，因此，本实施例将根据对子块a进行丙烯酸乳液透明度分析。首先，计算子块a中像素点饱和度均值，记为，同理计算子块a中像素点亮度均值，记为，根据上述指标计算子块丙烯酸乳液透明度，表达式为：

式中，为子块a的透明度，当烯酸乳液透明度较高时，一般会整体表现出较高的饱和度以及亮度。

根据本实施例所提取子块的丙烯酸乳液结块率、丙烯酸乳液光晕强度以及丙烯酸乳液透明度，构建丙烯酸乳液颜色聚合阈值，用于对各子块的颜色聚合向量进行准确提取分析，所述丙烯酸乳液颜色聚合阈值表达式为：

式中，q为调控因子，用于控制颜色聚合阈值的取值，实施者可自行设定，本实施例设定为：，为归一化处理，具体的归一化方法实施者可自行选取，为子块a的颜色聚合阈值。

丙烯酸乳液颜色聚合阈值的构建逻辑为：丙烯酸乳液结块率越大，说明子块内丙烯酸乳液出现结块的可能性就越高，而若丙烯酸乳液出现结块，表面该子块的像素值越可能会受到影响，本该聚合的像素点易被误判为不聚合，故相应聚合阈值也应增大，同理为光晕强度，子块的光晕强度越大，区域受到光强就越大，丙烯酸乳液表面就越可能出现明亮区域和阴暗区域，出现亮度差异且子块内的亮度差异明显，在颜色聚合时，造成本该聚合的像素未被聚合，故颜色聚合阈值也应越大，而子块透明度作为丙烯酸乳液的透明度，透明度越大，表示丙烯酸乳液放置时间越长，乳液上方逐渐清澈稀释，可能造成本不该聚合的像素被识别聚合，故颜色聚合阈值应越小。

根据颜色聚合阈值结合颜色聚合向量算法获取当前采集时刻的丙烯酸乳液图像ROI区域的子块的颜色聚合向量，同理也可以得到前一采集时刻的丙烯酸乳液图像ROI区域的子块中的颜色聚合向量，需要说明的是，颜色聚合向量算法为现有公知技术，颜色聚合向量的计算过程可通过现有技术实现，不在本实施例保护范围内，在此不做相关详细阐述。然后对前后两张图像中子块的颜色聚合向量进行差异分析，计算子块的丙烯酸乳液局域颜色差异度，表达式为：

式中，为归一化操作，具体的归一化方法可通过现有技术实现，为子块a的局域颜色差异度。

重复本实施例上述方法，获取子块b、c、d的丙烯酸乳液局域颜色差异度，分别记为：、、，得到每个子块的颜色差异度后，可完成对丙烯酸乳液颜色变化状况的分析，提取用于表征丙烯酸乳液颜色变化的特征。

S003，根据丙烯酸乳液局部颜色差异度对丙烯酸乳液颜色变化程度进行识别。

将根据丙烯酸乳液局部颜色差异度对丙烯酸乳液颜色变化程度进行判定，优选的，本实施例中具体判定过程为：首先，本实施例将丙烯酸乳液颜色变化分为不变、微变、重变三个级别，需要说明的是，实施者也可将颜色变化级别设定为多个级别，本实施例对此不做限制。然后，根据计算得到的丙烯酸乳液所有子块的局域颜色差异度均值，记为k，考虑外在因素导致出现误差的影响，允许出现的误差，也即时，则判定丙烯酸乳液没有发生颜色变化；若，则本实施例判证丙烯酸乳液颜色发生微变；若，则认定丙烯酸乳液颜色发生重度变化。

至此，根据本实施例上述方法可结合丙烯酸乳液图像的分析，实现对丙烯酸乳液颜色变化状况的精确识别。

综上所述，本发明实施例主要根据丙烯酸乳液图像中的丙烯酸乳液主题色的提取，基于丙烯酸乳液主题色实现对丙烯酸乳液颜色变化的精确识别。本发明实施例根据丙烯酸乳液颜色变化过程中的不同形态特点，基于聚合向量技术对丙烯酸乳液主题色进行提取，可避免丙烯酸乳液颜色检测过程中色彩之间的影响，提高颜色分析精度；

同时，本发明实施例通过对丙烯酸乳液的结块情况、光照强度、分层问题的分析及提取特征，优化了聚合向量技术中的阈值取值，使其更贴合丙烯酸乳液的颜色变化，准确提取出丙烯酸乳液的颜色，具有较高的丙烯酸乳液的颜色变化识别准确性。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims

1.基于人工智能的丙烯酸乳液颜色变化识别方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的基于人工智能的丙烯酸乳液颜色变化识别方法，其特征在于，所述根据子块内各边缘像素点的邻域边缘像素点数量得到各边缘像素点的边缘泛化因子，具体步骤包括：

3.如权利要求1所述的基于人工智能的丙烯酸乳液颜色变化识别方法，其特征在于，所述结合各边缘像素点邻域内边缘像素点的梯度以及LBP值得到各边缘像素点的方向一致性及纹理差异性，具体步骤包括：

4.如权利要求1所述的基于人工智能的丙烯酸乳液颜色变化识别方法，其特征在于，所述根据子块内各边缘像素点的方向一致性、纹理差异性以及边缘泛化因子得到子块边缘连贯率，具体包括：

5.如权利要求1所述的基于人工智能的丙烯酸乳液颜色变化识别方法，其特征在于，所述根据子块内各像素点H、S、V量化值差异得到各像素点的颜色对比度，具体步骤包括：

6.如权利要求1所述的基于人工智能的丙烯酸乳液颜色变化识别方法，其特征在于，所述根据颜色对比度及子块边缘连贯率得到子块结块率，具体包括：

7.如权利要求1所述的基于人工智能的丙烯酸乳液颜色变化识别方法，其特征在于，所述根据子块内像素点的最大、最小亮度量化值得到子块的对比度，具体包括：

8.如权利要求1所述的基于人工智能的丙烯酸乳液颜色变化识别方法，其特征在于，所述根据子块对比度、光照面积以及灰度信息熵得到子块光晕强度，具体包括：

9.如权利要求1所述的基于人工智能的丙烯酸乳液颜色变化识别方法，其特征在于，所述根据子块结块率、光晕强度以及透明度构建子块颜色聚合阈值，具体步骤包括：

10.如权利要求1所述的基于人工智能的丙烯酸乳液颜色变化识别方法，其特征在于，所述根据当前帧子块的颜色聚合向量及前一帧子块的颜色聚合向量差异得到子块局域颜色差异度，具体包括：计算当前帧子块颜色聚合向量和前一帧子块颜色聚合向量的差值，子块局域颜色差异度与所述差值成正相关关系。