CN114897772A - 一种基于机器视觉的橡胶正硫化调控的方法 - Google Patents
一种基于机器视觉的橡胶正硫化调控的方法 Download PDFInfo
- Publication number
- CN114897772A CN114897772A CN202210345060.1A CN202210345060A CN114897772A CN 114897772 A CN114897772 A CN 114897772A CN 202210345060 A CN202210345060 A CN 202210345060A CN 114897772 A CN114897772 A CN 114897772A
- Authority
- CN
- China
- Prior art keywords
- defect
- obvious
- gray value
- value
- gray
- 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.)
- Granted
Links
- 238000004073 vulcanization Methods 0.000 title claims abstract description 75
- 229920001971 elastomer Polymers 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000001276 controlling effect Effects 0.000 title claims abstract description 18
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 12
- 230000007547 defect Effects 0.000 claims abstract description 130
- 229910052717 sulfur Inorganic materials 0.000 claims abstract description 41
- 239000011593 sulfur Substances 0.000 claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims abstract description 24
- 239000004576 sand Substances 0.000 claims description 15
- 230000007812 deficiency Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000002156 mixing Methods 0.000 claims 1
- 238000009826 distribution Methods 0.000 abstract description 9
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000002950 deficient Effects 0.000 abstract 1
- 239000000203 mixture Substances 0.000 description 10
- 238000001514 detection method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 238000013040 rubber vulcanization Methods 0.000 description 2
- 125000004434 sulfur atom Chemical group 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000806 elastomer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 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
- G06T7/0002—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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
-
- 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
-
- 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)
- Heating, Cooling, Or Curing Plastics Or The Like In General (AREA)
Abstract
本发明涉及人工智能领域,具体涉及一种基于机器视觉的橡胶正硫化调控的方法。包括获取橡胶制品切断面灰度图;根据图像灰度值,利用排列熵进行欠硫判断;建立高斯分布,确定出标准灰度值;根据各区域灰度均值与标准灰度值的差值对各区域的致密性进行判断;分割出不致密区域的明显缺陷连通域;获取明显缺陷的混合高斯模型和不明显异常点混合高斯模型;计算不明显异常点的缺陷概率,根据缺陷概率判断缺陷点;拟合缺陷点得到缺陷区域;根据缺陷区域的欠硫程度,对硫化时间进行自适应调控。本发明对样本集进行欠硫判断,并根据产品的缺陷进行欠硫程度的计算,根据欠硫程度自适应调控硫化时间,能够有效减少缺陷产品的生产,降低损失。
Description
技术领域
本发明涉及人工智能领域,具体涉及一种基于机器视觉的橡胶正硫化调控的方法。
背景技术
橡胶硫化是橡胶制品加工的重要环节之一,橡胶生胶强度低、弹性小;冷则发硬、热则发黏;容易老化,通过硫化后,橡胶由塑性的混炼胶变为高弹性的或硬质的交联橡胶,从而获得更完善的物理机械性能和化学性能,提高和扩宽了橡胶材料的使用价值与应用范围。因此,硫化对橡胶及其制品的制造和应用具有十分重要的意义。
目前,对橡胶硫化程度的控制,即对硫化时间、硫化温度、硫化压力的控制,往往是通过经验知识,在一定的硫化温度和硫化压力条件下,存在一个最适宜的硫化时间即正硫化时间,当时间没有达到时,橡胶制品就会欠硫,从而致使产品性能严重下降。
针对这种情况,对刚生产出的产品进行检测,判断其是否欠硫,若存在欠硫现象,则计算出较为准确的欠硫程度,根据橡胶制品的欠硫程度,自适应调节硫化时间,对存在欠硫的产品回收再生产,并根据自适应调节的硫化时间对后续生产的硫化时间进行控制,降低欠硫产品的数量。
发明内容
本发明提供一种基于机器视觉的橡胶正硫化调控的方法,以解决现有的橡胶制品的硫化时间由于大多是采用的经验知识来控制的,对于具体场景可能不适用从而导致因硫化时间不够精确出现欠硫现象,致使生产的橡胶制品为不合格产品的问题。
本发明的一种基于机器视觉的橡胶正硫化调控的方法采用如下技术方案:
包括以下步骤:
获取橡胶制品样本切断面的灰度图;
利用排列熵对切断面灰度图进行欠硫判断;
根据各灰度值的频数和频率计算各灰度值作为标准灰度值的概率,选择概率最大值对应的灰度值作为标准灰度值;
对灰度图滑窗处理,计算得到的各区域的灰度值均值,根据各区域的灰度均值与标准灰度值的差值判断各区域是否为不致密区域;
对判断为不致密的区域进行阈值分割,得到明显缺陷连通域和不明显异常点连通域,建立各明显缺陷连通域的二维高斯函数和各不明显异常点连通域的二维高斯函数;
分别对所有明显缺陷连通域的二维高斯函数和不明显异常点连通域的二维高斯函数进行拟合,得到明显缺陷区域的混合高斯模型和不明显缺陷区域的混合高斯模型;
计算每个不明显异常点分别在明显缺陷区域的混合高斯模型和不明显缺陷区域混合高斯模型中的缺陷概率,根据得到的缺陷概率判断各不明显异常点是否为缺陷点;
对判断为缺陷点的像素点利用散点轮廓法进行轮廓拟合,得到缺陷区域;
根据缺陷区域的缺陷面积,对硫化时间进行自适应调控。
根据各灰度值的频数和频率计算各灰度值为标准灰度值的概率的过程包括:
各灰度值为标准灰度值的概率的计算公式如下:
式中:Fi为第i个灰度值为标准灰度值的概率,i为灰度值的数量,μ0为标准均值,σ0 2为标准方差;
标准均值的计算公式为:
标准方差的计算公式为:
判断滑窗得到的各区域是否为不致密区域的方法为:
选择Fi最大值对应的灰度值为标准灰度值,计算将图像以n×n为大小的窗口划分的若干个区域的像素点灰度均值,计算各区域的像素点灰度均值与标准灰度值的差值,当差值大于设定阈值时,将此窗口区域判定为不致密区域。
建立各明显缺陷连通域的二维高斯函数与各不明显异常点连通域的二维高斯函数的
方法相同;
该二维高斯函数的建立方法为:分别获取明显缺陷连通域与不明显异常点连通域的中心点,以中心点坐标的灰度值与标准灰度值i1之间的方差为方差;
二维高斯函数的模型如下:
其中:f(x,y)为二维高斯函数,x0为待测点的横坐标,y0为待测点的纵坐标,x为中心点的横坐标,y为中心点的纵坐标,σx,σy为中心点坐标的灰度值与标准灰度值之间的二维方差。
判断各不明显异常点是否为缺陷点的方法为:
将各不明显异常点的坐标带入明显缺陷的混合高斯模型中得到该不明显异常点在明显缺陷的混合高斯模型中的缺陷概率PD1,将各不明显异常点的坐标带入不明显缺陷的混合高斯模型中得到该不明显异常点在不明显缺陷的混合高斯模型中的缺陷概率PD2;
将各不明显异常点在明显缺陷的混合高斯模型和不明显异常点混合高斯模型中的缺陷概率进行比较,若PD1>PD2时,将该不明显异常点判定为砂孔缺陷的像素点,对该像素点进行标记,当计算得到的概率PD1≤PD2时,则该不明显异常点为外界干扰因素影响的像素点,对该像素点不作处理。
所述对硫化时间进行自适应调控的时间为:
式中:T为新的硫化时间,t正表示原正硫化时间,S缺表示缺陷面积,即欠硫程度,S表示切断面面积。
利用排列熵的原理进行欠硫判断的过程为:
将灰度图中每行像素点的灰度值进行统计得到每行像素点的灰度值序列,计算每行像素的灰度值序列的排列熵,对得到的排列熵进行归一化处理,然后根据归一化处理后的灰度值序列排列熵与设定的欠硫阈值对样品是否欠硫进行判断。
本发明的有益效果是:本发明利用生产的一小部分橡胶制品作为样本集进行分析,对样本的图像进行欠硫程度的计算,通过样本的欠硫程度自适应调控硫化时间,使工业生产更具时效性;通过自适应调控得到的硫化时间控制后续生产的硫化时间,有效减少后续产品出现欠硫缺陷。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的结构示意图;
图2为本发明的实施例的方法流程图;
图3为本发明的实施例的方法流程图;
图4为本发明中实施例的欠硫产品切断面图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例1
本发明的一种基于机器视觉的橡胶正硫化调控的方法的实施例,如图1至图2所示,下面进行展开说明:
S101、采集橡胶制品样本集的切断面图像,并转化为灰度图
对生产的制品进行抽样检测,能够提高检测准确性;由于橡胶制品的缺陷大都存在于产品内部,所以需要对样本进行却段处理,对切断面的图像进行分析。
S102、利用排列熵的原理根据图像灰度值进行欠硫判断
工业生产中硫化时间通常均为经验所得的硫化时间,但由于材料的性质与某些外界不可靠因素的影响,导致预设硫化时间可能没有达到硫化效果,导致欠硫,所以需要进行欠硫判断。
S103、建立高斯分布,计算标准均值和方差,根据得到的均值和方差计算各灰度值为标准灰度值的概率
缺陷部分的灰度值和标准灰度值有明显差异,通过建立的标准均值和方差计算各灰度值为标准灰度值的概率,最终确定标准灰度值,使后续分析的结果更准确。
S104、对灰度图进行滑窗处理,对滑窗处理得到的各区域的致密性进行判断
进行滑窗处理将图像分割为多个小区域,分区域进行分析判断,对小细节部分也能更好的把控,使结果更精确;致密性反映了橡胶制品的缺陷程度,根据灰度变化情况,分割出致密性较差的区域,即可排除部分异常散点的影响。
S105、对判断为不致密的区域进行分割得到明显缺陷连通域和不明显异常点连通域
采用阈值分割对不致密区域进行分割,分割出明显的缺陷,由于砂孔导致的不致密会影响光泽,即缺陷明显部位的灰度值大,而不明显的砂孔与干扰点的灰度值与背景差异较小;然后对不明显异常点继续进行缺陷判断。
S106、建立各明显缺陷连通域的二维高斯函数与各不明显异常点连通域的二维高斯函数
建立二维高斯函数,包含两个主成分方向,每个主成分方向对应一个特征值,通过以上步骤得到的数据建立的二维高斯函数,在后续计算中可以使检测的结果更精确。
S107、对二维高斯函数进行拟合,得到明显缺陷的混合高斯模型和不明显异常点混合高斯模型
根据对各区域对应的二维高斯函数进行拟合,得到的一个综合模型,利用得到的混合模型进行缺陷判断可以提高结果的准确性。
S108、计算每个不明显异常点的缺陷概率,对不明显异常点进行缺陷判断
通过得到的混合高斯模型对不明显异常点进行缺陷判断,在两个模型里分别计算能够使判断结果更准备,减少检测误差,对硫化时间的自适应调整的值就更适合后续的橡胶制品的生产。
S109、利用散点轮廓法对判断为缺陷点的像素点进行轮廓拟合,得到缺陷区域
将判断为缺陷点的像素点进行轮廓拟合,得到缺陷区域,缺陷区域的面积即为欠硫程度,根据得到的缺陷区域对硫化时间进行调控。
S110、根据缺陷区域的欠硫程度,对硫化时间进行自适应调控
当橡胶欠硫时,橡胶的各项属性没有达到最佳,所以产品会出现不同程度的缺陷,根据欠硫程度反推出正确的硫化时间,所以通过缺陷区域的欠硫程度对硫化时间进行自适应调控,能够使硫化时间更准确。
实施例2
本发明的一种基于机器视觉的橡胶正硫化调控的方法的实施例,如图1与图3所示,下面进行展开说明:
S201、采集橡胶制品样本集的切断面图像,并转化为灰度图
欠硫的橡胶制品其内部壁厚处会出现砂孔,不致密,对该橡胶制品的质量影响很大,而其外表面与正常合格产品的外表面基本无差别,为了防止生产大批量的劣质橡胶制品,所以在刚开始生产时,抽样进行检测,又由于缺陷存在橡胶制品的内部,所以需进行切断处理,通过切断面图像上的特征,进行缺陷判断。
在生产环节之后增加采样环节与控制环节,当模具开始工作,对生产出的前几个产品进行连续采样,将样品进行切断处理,并采集切断面的RGB图像,将RGB图像转化为灰度图像,采样的多个样品的切面图像的灰度图作为样本集,样本集中的数据不宜太少,太少会出现偶然性,导致分析结果不准确;样本集中的数据也不宜过多,过多会导致成本大大提高,造成资源的浪费,所以根据橡胶制品的大小与制作的难易程度,样本数量确定为5-10件,即获取的灰度图像也为5-10张。控制环节为硫化时间调控,若样本集中出现欠硫现象,则对原料配比进行确定,若配比无误,则说明为硫化时间存在问题。
S202、利用排列熵的原理根据图像灰度值进行欠硫判断
橡胶制品因欠硫导致的砂孔缺陷、不致密其本身的特征受到光影、噪声等影响导致部分特征不太明显,属于弱特征,如图2所示。采用传统的阈值分割方法仅能检测出特征较为明显的部分,难以检测出弱特征的缺陷,根据经验知识,硫化反应是把一个或更多的硫原子接在聚合物链上形成桥状结构,生成了弹性体,正硫化的橡胶致密性好,而欠硫的橡胶致密性较差,会出现砂孔或蜂窝状的孔洞,导致切断面光泽性发生变化。
合格产品的切断面致密性良好,灰度相似,所以,计算图像灰度值序列的排列熵,排列熵的值越大,则说明图像灰度值序列的波动性大,即存在欠硫缺陷所导致的砂孔、不致密。
将每行像素点的灰度值统计得到灰度值序列,记该序列的长度为N,该灰度值序列为{u(1),u(2),u(3)..u(N)};对该灰度值序列嵌入一个维度为m的窗口与一个延迟L;该m维的窗口,以延迟L为步长,对原灰度值序列进行重构得到多个子序列;将每个子序列以X(i)表示,则{X(i)=u(i),u(i+L),...,u(i+(m-1)L)}。对每个X(i)内部的每个元素进行排序,本发明实施例中按照升序排列,若两个元素的值相等,则按照该元素对应的角标进行排序;用符号序列{j1,j2,...jm}表示对每个X(i)内部的每个元素排序后的位置索引结果,该符号序列的数量为m!,即一个m维的子序列X(i)被映射到m!个序列(j1,j2,...jm)中的其中一种。将每个符号序列的分布概率表示为{P1,P2…PK},其中K≤m!。
则灰度值序列的排列熵为:
其中,H(m)表示灰度值序列的排列熵;K表示子序列的数量;pj表示第j个子序列的分布概率。
为了便于后续的计算,对每行灰度值序列的排列熵进行归一化处理:
其中,H(m)′表示归一化后的排列熵;H(m)表示灰度值序列的排列熵;m!为符号序列的数量。
当计算得到的灰度值序列的排列熵H(m)′≥0.4时,判定该样品出现砂孔,不致密,即橡胶欠硫,需调控硫化时间。
根据排列熵计算的结果对样本进行缺陷判断,对存在缺陷的样本继续进行分析,确定需要调控的硫化时间。
S203、对灰度图进行滑窗处理,对滑窗处理得到的各区域的致密性进行判断
致密性较好的橡胶区域硫原子接在聚合物链上形成桥状结构,切断面表面较为光滑,灰度图中对应位置各像素的灰度值相似;致密性较差的橡胶区域由于分子间交联性较差,切断面表面粗糙、出现砂孔,灰度图中对应位置各像素的灰度值存在较为明显的差异。根据各区域中像素点的灰度均值与标准灰度值进行比较,判断出该区域是否为致密性不好的区域;根据灰度变化情况,分割出致密性较差的区域,即可排除部分异常散点的影响。
以n×n大小的窗口将图像分为若干区域,计算每个区域中像素点灰度均值与标准灰度值i1的差值A,当差值A大于15时,此窗口区域判定为不致密区域。
S204、建立高斯分布,计算标准均值和方差,根据得到的均值和方差计算各灰度值为标准灰度值的概率
缺陷部分的灰度值和标准灰度值有明显差异,通过建立的标准均值和方差计算各灰度值为标准灰度值的概率,最终确定标准灰度值,使后续分析的结果更准确。
各灰度值为标准灰度值的概率的计算公式如下:
式中:Fi为第i个灰度值为标准灰度值的概率,i为灰度值的数量,μ0为标准均值,σ0 2为标准方差。
标准均值的计算公式为:
其中灰度值均值的计算公式如下:
式中:Ai为第i个灰度值对应的像素点的数量;B为图像总像素点数量。
标准方差的计算公式为:
式中:σ0 2为标准方差。
S205、对判断为不致密的区域进行分割得到明显缺陷连通域和不明显异常点连通域
采用阈值分割对不致密区域进行分割,分割出明显的缺陷,由于砂孔导致的不致密会影响光泽,即缺陷明显部位的灰度值大,而不明显的砂孔与干扰点的灰度值与背景差异较小;将不明显异常点进行连接得到不明显异常点连通域,然后对不明显异常点继续进行缺陷判断。
S206、计算每个不明显异常点的缺陷概率,对不明显异常点进行缺陷判断
通过对不明显异常点在得到的混合高斯模型中分别计算,根据得到的缺陷概率进行判断,能够使判断结果更准备,减少检测误差,对硫化时间的自适应调整的值就更适合后续的橡胶制品的生产。
将每个不明显异常点分别代入明显缺陷的混合高斯模型和不明显异常点混合高斯模型中,得到每个不明显异常点在明显缺陷的混合高斯模型中的缺陷概率PD1和不明显异常点混合高斯模型中的缺陷概率PD2,根据概率对其进行缺陷判断,当计算得到的概率PD1>PD2时,即此异常点为砂孔缺陷的概率较大,当计算得到的概率PD1≤PD2时,即此异常点为外界干扰因素影响的概率较大。
S207、建立各明显缺陷连通域的二维高斯函数与各不明显异常点连通域的二维高斯函数
建立二维高斯函数,包含两个主成分方向,每个主成分方向对应一个特征值,通过以上步骤得到的数据建立的二维高斯函数,在后续计算中可以使检测的结果更精确。
建立各明显缺陷连通域的二维高斯函数与各不明显异常点连通域的二维高斯函数采用同种方法,建立的方法步骤如下:
对每个明显缺陷区域和不明显缺陷区域分别建立二维高斯函数,以明显缺陷连通域和不明显异常点连通域的中心点坐标分别为二维高斯函数的中心点坐标,以中心点坐标的灰度值与标准灰度值i1之间的方差为方差,建立二维高斯函数,如下:
式中,x,y为中心点坐标,σx,σy为方差。
对明显缺陷中心点坐标信息,利用PCA算法获得这些数据的主成分方向,由于坐标为2维数据,可获得2个主成分方向,每个主成分方向都是一个2维的单位向量,每个主成分方向对应一个特征值;本发明获取特征值最大的主成分方向,作为第一主成分方向,特征值最小的主成分方向,作为第二主成分方向。
S208、对二维高斯函数进行拟合,得到明显缺陷的混合高斯模型和不明显异常点混合高斯模型
根据对各区域对应的二维高斯函数进行拟合,得到的一个综合模型,利用得到的混合模型进行缺陷判断可以提高结果的准确性。
采用matlab工具根据多个明显缺陷区域二维高斯函数得到明显缺陷混合高斯模型D1,此混合高斯模型为明显的确定的缺陷所组成的;同理,获取不明显的异常点集合的不明显异常点混合高斯模型D2。
明显缺陷区域的混合高斯模型和不明显异常点混合高斯模型的获取方法相同;
该混合高斯模型是指具有如下形式的概率分布的模型:
式中:P(z|θ)为不明显异常点在混合高斯模型中的缺陷概率,αk是第k个高斯模型的系数,φ(z|θk)是第k个二维高斯分布密度函数;
其中,二维高斯分布密度函数为:
式中:x0为待测点的横坐标,y0为待测点的纵坐标,x为中心点的横坐标,y为中心点的纵坐标,σx,σy为中心点坐标的灰度值与标准灰度值之间的二维方差,θk为该二维高斯分布密度函数需要计算的参数。
S209、利用散点轮廓法对判断为缺陷点的像素点进行轮廓拟合,得到缺陷区域
将判断为缺陷点的像素点进行轮廓拟合,得到缺陷区域,缺陷区域的面积即为欠硫程度,根据得到的缺陷区域对硫化时间进行调控。
利用散点轮廓法对判定为缺陷的不明显异常点进行轮廓拟合得到连通域,该区域即为存在缺陷的区域;通过对存在缺陷的区域进行欠硫程度的分析,最终确定需要调控的硫化时间。
S210、根据缺陷区域的欠硫程度,对硫化时间进行自适应调控
当橡胶欠硫时,橡胶的各项属性没有达到最佳,所以产品会出现不同程度的缺陷,根据欠硫程度反推出正确的硫化时间,所以通过缺陷区域的欠硫程度对硫化时间进行自适应调控,能够使硫化时间更准确。
切断面的砂孔缺陷面积越大,即代表欠硫程度越高,即根据硫化曲线,越趋近于半硫化时间,所以需要在原来默认的正硫化时间基础上增加硫化时间(默认硫化过程中预设正硫化时间没有达到正硫化),即新的硫化时间为:
式中,T表示新的正硫化时间,t正表示原正硫化时间,s缺表示缺陷面积,S表示切断面面积。
以上所述仅为本发明的较佳实施例而已,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 (7)
1.一种基于机器视觉的橡胶正硫化调控的方法,其特征在于:包括以下步骤:
获取橡胶制品样本切断面的灰度图;
利用排列熵对切断面灰度图进行欠硫判断;
根据各灰度值的频数和频率计算各灰度值作为标准灰度值的概率,选择概率最大值对应的灰度值作为标准灰度值;
对灰度图滑窗处理,计算得到的各区域的灰度值均值,根据各区域的灰度均值与标准灰度值的差值判断各区域是否为不致密区域;
对判断为不致密的区域进行阈值分割,得到明显缺陷连通域和不明显异常点连通域,建立各明显缺陷连通域的二维高斯函数和各不明显异常点连通域的二维高斯函数;
分别对所有明显缺陷连通域的二维高斯函数和不明显异常点连通域的二维高斯函数进行拟合,得到明显缺陷区域的混合高斯模型和不明显缺陷区域的混合高斯模型;
计算每个不明显异常点分别在明显缺陷区域的混合高斯模型和不明显缺陷区域混合高斯模型中的缺陷概率,根据得到的缺陷概率判断各不明显异常点是否为缺陷点;
对判断为缺陷点的像素点利用散点轮廓法进行轮廓拟合,得到缺陷区域;
根据缺陷区域的缺陷面积,对硫化时间进行自适应调控。
3.根据权利要求1所述的一种基于机器视觉的橡胶正硫化调控的方法,其特征在于:
所述判断滑窗得到的各区域是否为不致密区域的方法为:
选择Fi最大值对应的灰度值为标准灰度值,计算将图像以n×n为大小的窗口划分的若干个区域的像素点灰度均值,计算各区域的像素点灰度均值与标准灰度值的差值,当差值大于设定阈值时,将此窗口区域判定为不致密区域。
5.根据权利要求1所述的一种基于机器视觉的橡胶正硫化调控的方法,其特征在于:
所述判断各不明显异常点是否为缺陷点的方法为:
将各不明显异常点的坐标带入明显缺陷的混合高斯模型中得到该不明显异常点在明显缺陷的混合高斯模型中的缺陷概率PD1,将各不明显异常点的坐标带入不明显缺陷的混合高斯模型中得到该不明显异常点在不明显缺陷的混合高斯模型中的缺陷概率PD2;
将各不明显异常点在明显缺陷的混合高斯模型和不明显异常点混合高斯模型中的缺陷概率进行比较,若PD1>PD2时,将该不明显异常点判定为砂孔缺陷的像素点,对该像素点进行标记,当计算得到的概率PD1≤PD2时,则该不明显异常点为外界干扰因素影响的像素点,对该像素点不作处理。
7.根据权利要求1所述的一种基于机器视觉的橡胶正硫化调控的方法,其特征在于:
所述利用排列熵的原理进行欠硫判断的过程为:
将灰度图中每行像素点的灰度值进行统计得到每行像素点的灰度值序列,计算每行像素的灰度值序列的排列熵,对得到的排列熵进行归一化处理,然后根据归一化处理后的灰度值序列排列熵与设定的欠硫阈值对样品是否欠硫进行判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210345060.1A CN114897772B (zh) | 2022-03-31 | 2022-03-31 | 一种基于机器视觉的橡胶正硫化调控的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210345060.1A CN114897772B (zh) | 2022-03-31 | 2022-03-31 | 一种基于机器视觉的橡胶正硫化调控的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114897772A true CN114897772A (zh) | 2022-08-12 |
CN114897772B CN114897772B (zh) | 2024-05-14 |
Family
ID=82714939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210345060.1A Active CN114897772B (zh) | 2022-03-31 | 2022-03-31 | 一种基于机器视觉的橡胶正硫化调控的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897772B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457037A (zh) * | 2022-11-10 | 2022-12-09 | 澳润(山东)药业有限公司 | 一种用于阿胶制品生产的原材料质检方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093066A (zh) * | 2016-06-24 | 2016-11-09 | 安徽工业大学 | 一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法 |
CN107610119A (zh) * | 2017-09-26 | 2018-01-19 | 河北工业大学 | 基于直方图分解的带钢表面缺陷精准检测方法 |
CN108387609A (zh) * | 2018-01-19 | 2018-08-10 | 重庆大学 | 一种无损检测的方法、装置、设备可读存储介质 |
CN109461148A (zh) * | 2018-10-30 | 2019-03-12 | 兰州交通大学 | 基于二维Otsu的钢轨缺陷分割自适应快速算法 |
CN110532876A (zh) * | 2019-07-26 | 2019-12-03 | 纵目科技(上海)股份有限公司 | 夜晚模式镜头付着物的检测方法、***、终端和存储介质 |
CN110610496A (zh) * | 2019-04-24 | 2019-12-24 | 广东工业大学 | 一种对光照变化鲁棒的荧光胶缺陷分割方法 |
CN113838054A (zh) * | 2021-11-29 | 2021-12-24 | 山东精良海纬机械有限公司 | 基于人工智能的机械零件表面损伤检测方法 |
CN113850808A (zh) * | 2021-12-01 | 2021-12-28 | 武汉泰盛包装材料有限公司 | 基于图像处理的多层瓦楞纸排列缺陷检测方法及装置 |
CN113934190A (zh) * | 2021-12-17 | 2022-01-14 | 武汉春田纸品包装有限公司 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
WO2022042579A1 (zh) * | 2020-08-28 | 2022-03-03 | 歌尔股份有限公司 | 一种用于lcd屏幕的缺陷检测方法、装置 |
CN114240888A (zh) * | 2021-12-17 | 2022-03-25 | 沭阳安宏木制品厂 | 一种基于图像处理的家具组件喷漆缺陷修复方法及*** |
CN114240989A (zh) * | 2021-11-30 | 2022-03-25 | 中国工商银行股份有限公司 | 图像分割方法、装置、电子设备及计算机存储介质 |
-
2022
- 2022-03-31 CN CN202210345060.1A patent/CN114897772B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093066A (zh) * | 2016-06-24 | 2016-11-09 | 安徽工业大学 | 一种基于改进的机器视觉注意机制的磁瓦表面缺陷检测方法 |
CN107610119A (zh) * | 2017-09-26 | 2018-01-19 | 河北工业大学 | 基于直方图分解的带钢表面缺陷精准检测方法 |
CN108387609A (zh) * | 2018-01-19 | 2018-08-10 | 重庆大学 | 一种无损检测的方法、装置、设备可读存储介质 |
CN109461148A (zh) * | 2018-10-30 | 2019-03-12 | 兰州交通大学 | 基于二维Otsu的钢轨缺陷分割自适应快速算法 |
CN110610496A (zh) * | 2019-04-24 | 2019-12-24 | 广东工业大学 | 一种对光照变化鲁棒的荧光胶缺陷分割方法 |
CN110532876A (zh) * | 2019-07-26 | 2019-12-03 | 纵目科技(上海)股份有限公司 | 夜晚模式镜头付着物的检测方法、***、终端和存储介质 |
WO2022042579A1 (zh) * | 2020-08-28 | 2022-03-03 | 歌尔股份有限公司 | 一种用于lcd屏幕的缺陷检测方法、装置 |
CN113838054A (zh) * | 2021-11-29 | 2021-12-24 | 山东精良海纬机械有限公司 | 基于人工智能的机械零件表面损伤检测方法 |
CN114240989A (zh) * | 2021-11-30 | 2022-03-25 | 中国工商银行股份有限公司 | 图像分割方法、装置、电子设备及计算机存储介质 |
CN113850808A (zh) * | 2021-12-01 | 2021-12-28 | 武汉泰盛包装材料有限公司 | 基于图像处理的多层瓦楞纸排列缺陷检测方法及装置 |
CN113934190A (zh) * | 2021-12-17 | 2022-01-14 | 武汉春田纸品包装有限公司 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
CN114240888A (zh) * | 2021-12-17 | 2022-03-25 | 沭阳安宏木制品厂 | 一种基于图像处理的家具组件喷漆缺陷修复方法及*** |
Non-Patent Citations (6)
Title |
---|
LIANSHENG LIU 等: "Related Entropy Theories Application in Condition Monitoring of Rotating Machineries", 《MDPI》, pages 1 - 30 * |
MANTAS LANDAUSKAS 等: "Permutation entropy-based 2D feature extraction for bearing fault diagnosis", 《ORIGINAL PAPER》, pages 1 - 15 * |
余文勇 等: "基于轻量化重构网络的表面缺陷视觉检测", 《自动化学报》, vol. 48, no. 9, pages 2175 - 2186 * |
汤勃 等: "机器视觉表面缺陷检测综述", 《中国图象图形学报》, vol. 22, no. 12, pages 1640 - 1653 * |
郭慧 等: "基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法", 《林业科学》, vol. 54, no. 11, pages 111 - 110 * |
陈皓月 等: "一种基于粒子群优化的高斯混合灰度图像增强算法", 《应用光学》, vol. 38, no. 4, pages 592 - 598 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115457037A (zh) * | 2022-11-10 | 2022-12-09 | 澳润(山东)药业有限公司 | 一种用于阿胶制品生产的原材料质检方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114897772B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115311270B (zh) | 一种塑料制品表面缺陷检测方法 | |
CN115861317B (zh) | 基于机器视觉的塑胶模具生产缺陷检测方法 | |
CN107436963B (zh) | 一种基于Copula函数多元退化的O型橡胶密封圈寿命预测方法 | |
CN117197140B (zh) | 基于机器视觉的不规则金属扣成型检测方法 | |
CN110348488B (zh) | 一种基于局部密度峰值聚类的模态辨识方法 | |
CN117349683B (zh) | 基于光谱数据的汽车配件涂装色差异常检测*** | |
CN116912261B (zh) | 一种塑料模具注塑表面缺陷检测方法 | |
CN116243097B (zh) | 基于大数据的电能质量检测方法 | |
CN114897772B (zh) | 一种基于机器视觉的橡胶正硫化调控的方法 | |
CN116309599B (zh) | 基于污水前置处理的水质视觉监测方法 | |
CN116523913B (zh) | 一种丝杆质量智能检测方法 | |
CN116152749B (zh) | 基于数字孪生的齿轮磨损智能监测方法 | |
CN117522864B (zh) | 基于机器视觉的欧松板表面瑕疵检测方法 | |
CN115115603A (zh) | 基于人工智能的汽车配件飞轮表面检测方法 | |
CN117314016A (zh) | 基于bim技术的水利工程在线监控方法 | |
CN108537249B (zh) | 一种密度峰值聚类的工业过程数据聚类方法 | |
CN117761263A (zh) | 一种甲醛气体检测***及方法 | |
CN112003891B (zh) | 用于智能网联车辆控制器的多传感数据融合方法 | |
CN117541582A (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
CN115578390B (zh) | 一种用于除氧器的焊接控制方法 | |
CN106023208B (zh) | 图像质量的客观评价方法 | |
CN116882272A (zh) | 一种压气机叶片加工误差统计分析方法 | |
CN114937042B (zh) | 基于机器视觉的塑料制品质量评估方法 | |
CN116206208A (zh) | 一种基于人工智能的林业病虫害快速分析*** | |
CN113705672A (zh) | 图像目标检测的阈值选取方法、***、装置及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240422 Address after: 455000 East Section of Lijiang Road, Huaxian Industrial Agglomeration Zone, Anyang City, Henan Province Applicant after: HENAN KAILUN CHEMICAL Co.,Ltd. Country or region after: China Address before: 288 Fengcheng South Road, Yudong Town, Haimen District, Nantong City, Jiangsu Province, 226000 Applicant before: Nantong oljia rubber and Plastic Co.,Ltd. Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |