CN117433966A - 一种粉磨颗粒粒径非接触测量方法及系统 - Google Patents

Abstract

本发明提供一种粉磨颗粒粒径非接触测量方法及系统，包括：获取待测物品表面图像；对待测物品表面图像进行采样，并获取图像中待测物品单个颗粒所占的像素单元值；将待测物品单个颗粒所占的像素单元值与粒径标准数据库中的单个颗粒所占像素单元标准值进行对比，根据对比结果确定待测物品的颗粒大小情况并分析不同粒径颗粒占比；其中，所述粒径标准数据库为预先建立的保存有不同粒径对应的单个颗粒所占像素单元标准值的数据库。采用本发明非接触式的测量方法能获得待测水泥的颗粒大小情况与不同粒径颗粒占比，为分析水泥的特征粒径，评价水泥质量提供了数据支撑。

Description

一种粉磨颗粒粒径非接触测量方法及系统

技术领域

本发明涉及检测领域，特别是涉及一种粉磨颗粒粒径非接触测量方法及系统。

背景技术

水泥的粉磨颗粒粒径代表水泥颗粒的大小程度，与水泥质量密切相关，适当的水泥粒径可以增加水泥的水化面积，加速水化速度，满足水泥浆体凝结和硬化的需求。传统的接触测量方法，如光学显微镜、扫描电子显微镜等，需要与被测物体直接接触，存在样品损伤、测量误差等问题。

例如，现有技术文件1(CN104345017A)公开了一种水泥粒径检测器，包括器体，特征是器体的外壁上设有控制面板，器体的顶部设有进样口，进样口的底端和器体相通，器体内设有震动筛，震动筛和器体的内壁固定连接，震动筛上设有第一重力感应器，器体的底部设有第二重力感应器，第一重力感应器和第二重力感应器分别和控制面板相通，器体的外壁上设有第一取样门和第二取样门。

现有技术文件1的不足之处在于，水泥粒径检测器结构复杂、造价高。或者类似的技术方案采用抽样检测的方法，仅能检测部分颗粒的粒径，不能全面反映水泥的质量问题。因此，开发一种操作简单、造价低、检测结果科学的粉磨颗粒粒径的非接触测量方法具有重要的实际意义。

发明内容

为了解决现有技术中存在的不足，本发明提供一种粉磨颗粒粒径非接触测量方法，采用本发明非接触式的测量方法能获得待测水泥的颗粒大小情况，为分析水泥的特征粒径，为检测水泥质量提供了数据支撑。

本发明采用如下的技术方案。本发明一方面提供一种粉磨颗粒粒径非接触测量方法，包括以下步骤：

步骤1，建立标准粒径数据库；

步骤2，获取待测物品表面图像，与步骤1所得数据库进行对比，确定粒径；

步骤3，根据步骤2所得数据，使用机器视觉算法自动归纳粒径所属范围。

优选地，步骤1包括：

步骤1.1，设置表面分布一系列不同粒径的多个标准粉磨颗粒；

步骤1.2，使用光学相机拍摄粉磨颗粒表面图像；

步骤1.3，对图像分割处理后的区块进行手动标注，归纳出正面和反面数据库并进行训练；

步骤1.4，重复上述操作，得到不同颗粒粒径对应的标准值，建立标准粒径数据库。

优选地，所述图像分割处理是将图片中的颗粒区域分割出来。

优选地，所述正面数据库是判定为是该颗粒物的区域，反面数据库是判定为不是该颗粒物的区域。

优选地，步骤2包括：

步骤2.1，选取不同服役状态下粉磨设备，使用光学相机不同时间拍摄粉磨颗粒表面图，按不同服役状态归类，按时间排列，得到多个粉磨颗粒表面图像；

步骤2.2，对待测物品表面图像进行分析，并获取待测物品单个颗粒所占的像素单元值；

步骤2.3，将待测物品单个颗粒所占的像素单元值与粒径标准数据库中的单个颗粒所占像素单元标准值进行对比，根据对比结果确定待测物品的颗粒大小情况。

优选地，所述待测物品为粉磨颗粒。

优选地，利用机器学习读取待测物品表面图像，对待测物品表面图像进行识别，仅保留待测颗粒区域，得到待测颗粒区域图像。

优选地，利用机器学习在待测颗粒区域图像中获取各采样颗粒所占像素的单元值并多次对比粒径标准数据库求平均值，作为待测物品单个颗粒所占像素的单元值。

优选地，步骤3包括:

步骤3.1，对标准水泥样品表面图像裁剪，生成适合机器视觉算法判定的区域，使用深度学习归纳特征并生成该样品的判定模型；

步骤3.2，获取图像比例尺后，使用机器视觉算法自动归纳粒径所属范围。

优选地，使用光学相机拍摄标准水泥样品表面图像时，使用高精度光学相机，所述待测物品表面图像的分辨率不少于600DPI。

本发明另一方面提供一种粉磨颗粒粒径非接触测量系统，运行一种粉磨颗粒粒径非接触测量方法，具体包括：

光学相机模块，用于拍摄水泥样品的表面图像；

模型训练模块，用于将拍摄的图像进行分割处理及手动标注，利用机器学习归纳出正面和反面数据库并进行训练，归纳特征并生成该样品的判定模型，建立标准粒径数据库；

数据输出模块，用于对标准水泥样品表面图像裁剪，生成适合机器视觉算法判定的区域，获取图像比例尺后，根据准粒径数据库，使用机器视觉算法自动归纳粒径所属范围。

本发明的有益效果在于，与现有技术相比，本发明针对粉磨颗粒特征粒径的检测问题，采用非接触式的光学摄像方法，通过采集标准水泥样品单个颗粒所占像素单元信息，建立粒径标准数据库，进而获得待测水泥颗粒大小情况，自动归纳粉磨颗粒粒径特征，为分析粉磨颗粒的特征粒径，检测水泥质量提供了数据支撑。1.不需要接触物品表面，因此不存在样品损伤带来的测量误差；2.采用高精度光学相机，可以利用机器学习准确获取粉磨颗粒所占单元值。3.采用机器学习方法，可以自动识别粉磨颗粒粒径并自动归类粉磨颗粒所属范围。

附图说明

图1是本发明粉磨颗粒粒径的非接触测量方法的流程图；

图2是本发明所述机器学习自动识别粉末颗粒粒径并归纳粒径特征原理图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例，而不是全部实施例。基于本发明精神，本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例，都属于本发明的保护范围。

如图1所示，本发明的实施例1提供了一种粉磨颗粒粒径非接触测量方法，具体包括以下步骤：

步骤1，建立标准粒径数据库。

在本发明优选但非限制性的实施方式中，步骤1具体包括：

步骤1.1，设置表面分布一系列不同粒径的多个标准粉磨颗粒，并获取各标准粉磨颗粒样品表面图像；

步骤1.2，选取不同服役状态下粉磨设备，使用光学相机不同时间拍摄粉磨颗粒表面图像；

步骤1.3，对图像分割处理后的区块进行手动标注，归纳出正面和反面数据库并进行训练；

步骤1.4，重复上述操作，得到不同颗粒粒径对应的标准值，建立标准粒径数据库。

值得注意的是，拍摄时应所摄图像分辨率不少于600DPI，保证标准水泥样品表面完全处于图像内，尽量保证粉磨颗粒样品边缘与图像边缘平行，便于后期处理。

作为本发明突出的实质特点之一，本发明采用了非接触测量技术，避免了与被测水泥的粉磨颗粒直接接触，能够提升测量的准确性。步骤2，获取待测物品表面图像，与步骤1所得数据库进行对比，确定粒径。在本发明优选但非限制性的实施方式中，步骤2具体包括：

步骤2.1，选取不同服役状态下粉磨设备，使用光学相机不同时间拍摄粉磨颗粒表面图，按不同服役状态归类，按时间排列，得到多个粉磨颗粒表面图像；

步骤2.2，对待测物品表面图像进行采样，并获取待测物品单个颗粒所占的像素单元值；

在进一步优选但非限制性的实施方式中，利用机器学习读取待测物品表面图像，对待测物品表面图像进行识别，仅保留待测颗粒区域，得到待测颗粒区域图像；利用机器学习在待测颗粒区域图像中获取各采样颗粒所占像素的单元值并多次对比粒径标准数据库求平均值，作为待测物品单个颗粒所占像素的单元值。

步骤2.3，将待测物品单个颗粒所占的像素单元值与粒径标准数据库中的单个颗粒所占像素单元标准值进行对比，根据对比结果确定待测物品的颗粒大小情况。

作为本发明又一突出的实质特点之一，本发明采用机器学习结合非接触测量的技术手段，机器学习通过让计算机从数据中自动推断出规律和模式，使计算机能够在未经过显式编程的情况下进行任务完成和决策制定。通过机器学习结合非接触测量技术，计算机可以更快地准确地识别和理解水泥粒径相关数据，从而提高数据处理和测量的效率。

步骤3，根据步骤2所得数据，使用机器视觉算法自动归纳粒径所属范围。

在进一步优选但非限制性的实施方式中，步骤3具体包括：

步骤3.1，对标准水泥样品表面图像裁剪，生成适合机器视觉算法判定的区域，使用深度学习归纳特征并生成该样品的判定模型；

步骤3.2，获取图像比例尺后，使用机器视觉算法自动归纳粒径所属范围。

进一步地，如图2所示，通过机器学习读取粉磨颗粒表面图像信息，对比粒径标准数据库，使用机器视觉算法自动归纳粒径所属范围，具体步骤为：

使用OpenCV的imread读取样品表面图像；

用cvtColor(img,cv2.COLOR_BGR2GRAY)将原图像转换为灰度图；

使用adaptiveThreshold图像二值化并进行形态学去噪、膨胀和腐蚀，提取出颗粒物边界；

调试形态学去噪的卷积核、使用快速傅里叶变换进行图像滤波；

使用Sobel算子和图像融合处理并利用语义分割，将原图像划分为颗粒区域；

选择部分已划分的区域进行人工标注，获得深度学习的训练集和测试集，然后使用TensorFlow归纳该品类颗粒物的识别模型。

使用该模型对待识别样品集进行识别，自动提取图像中的颗粒物并再次使用OpenCV将单个颗粒物进行二值化，求解该颗粒物的外切矩形或外切圆。

读取所有颗粒物的粒径后进行归纳。

需要说明的是，本发明方法适用范围广，不仅仅适用于水泥特征粒径的测量，还可以扩展到其他粉磨颗粒粒径的测量。

本发明的实施例2提供了一种粉磨颗粒粒径非接触测量系统，运行一种粉磨颗粒粒径非接触测量方法，具体包括：

光学相机模块，用于拍摄水泥样品的表面图像；

模型训练模块，用于将拍摄的图像进行分割处理及手动标注，利用机器学习归纳出正面和反面数据库并进行训练，归纳特征并生成该样品的判定模型，建立标准粒径数据库；

数据输出模块，用于对标准水泥样品表面图像裁剪，生成适合机器视觉算法判定的区域，获取图像比例尺后，根据准粒径数据库，使用机器视觉算法自动归纳粒径所属范围。

本发明的有益效果在于，与现有技术相比，本发明针对粉磨颗粒特征粒径的检测问题，采用非接触式的光学摄像方法，通过采集标准水泥样品单个颗粒所占像素单元信息，建立粒径标准数据库，进而获得待测水泥颗粒大小情况，自动归纳粉磨颗粒粒径特征，为分析粉磨颗粒的特征粒径，检测水泥质量提供了数据支撑。1.不需要接触物品表面，因此不存在样品损伤带来的测量误差；2.采用高精度光学相机，可以利用机器学习准确获取粉磨颗粒所占单元值。3.采用机器学习方法，可以自动识别粉磨颗粒粒径并自动归类粉磨颗粒所属范围。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (11)

1.一种粉磨颗粒粒径非接触测量方法，其特征在于，包括以下步骤：

步骤1，建立标准粒径数据库；

步骤2，获取待测物品表面图像，与步骤1所得数据库进行对比，确定粒径；

步骤3，根据步骤2所得数据，使用机器视觉算法自动归纳粒径所属范围。

2.如权利要求1所述的一种粉磨颗粒粒径非接触测量方法，其特征在于，

步骤1包括：

步骤1.1，设置表面分布一系列不同粒径的多个标准粉磨颗粒；

步骤1.2，使用光学相机拍摄粉磨颗粒表面图像；

步骤1.3，对图像分割处理后的区块进行手动标注，归纳出正面和反面数据库并进行训练；

步骤1.4，重复上述操作，得到不同颗粒粒径对应的标准值，建立标准粒径数据库。

3.如权利要求2所述的一种粉磨颗粒粒径非接触测量方法，其特征在于，

所述图像分割处理是将图片中的颗粒区域分割出来。

4.如权利要求2所述的一种粉磨颗粒粒径非接触测量方法，其特征在于，

所述正面数据库是判定为是该颗粒物的区域，反面数据库是判定为不是该颗粒物的区域。

5.如权利要求1所述的一种粉磨颗粒粒径非接触测量发方法，其特征在于，

步骤2包括：

步骤2.1，选取不同服役状态下粉磨设备，使用光学相机不同时间拍摄粉磨颗粒表面图，按不同服役状态归类，按时间排列，得到多个粉磨颗粒表面图像；

步骤2.2，对待测物品表面图像进行分析，并获取待测物品单个颗粒所占的像素单元值；

步骤2.3，将待测物品单个颗粒所占的像素单元值与粒径标准数据库中的单个颗粒所占像素单元标准值进行对比，根据对比结果确定待测物品的颗粒大小情况。

6.如权利要求5所述的一种粉磨颗粒粒径非接触测量方法，其特征在于，

所述待测物品为粉磨颗粒。

7.如权利要求5所述的一种粉磨颗粒粒径非接触测量方法，其特征在于，

利用机器学习读取待测物品表面图像，对待测物品表面图像进行识别，仅保留待测颗粒区域，得到待测颗粒区域图像。

8.如权利要求5所述的一种粉磨颗粒粒径非接触测量方法，其特征在于，

利用机器学习在待测颗粒区域图像中获取各采样颗粒所占像素的单元值并多次对比粒径标准数据库求平均值，作为待测物品单个颗粒所占像素的单元值。

9.如权利要求1所述的一种粉磨颗粒粒径非接触测量方法，其特征在于，

步骤3包括:

步骤3.1，对标准水泥样品表面图像裁剪，生成适合机器视觉算法判定的区域，使用深度学习归纳特征并生成该样品的判定模型；

步骤3.2，获取图像比例尺后，使用机器视觉算法自动归纳粒径所属范围。

10.如权利要求2所述的一种粉磨颗粒粒径非接触测量方法，其特征在于，

使用光学相机拍摄标准水泥样品表面图像时，使用高精度光学相机，所述待测物品表面图像的分辨率不少于600DPI。

11.一种粉磨颗粒粒径非接触测量系统，运行如权利要求1-10所述的一种粉磨颗粒粒径非接触测量方法，其特征在于，包括：

光学相机模块，用于拍摄水泥样品的表面图像；

模型训练模块，用于将拍摄的图像进行分割处理及手动标注，利用机器学习归纳出正面和反面数据库并进行训练，归纳特征并生成该样品的判定模型，建立标准粒径数据库；

数据输出模块，用于对标准水泥样品表面图像裁剪，生成适合机器视觉算法判定的区域，获取图像比例尺后，根据准粒径数据库，使用机器视觉算法自动归纳粒径所属范围。