CN115330709B - 一种智能调节化肥抛光磨圆控制方法 - Google Patents

一种智能调节化肥抛光磨圆控制方法 Download PDF

Info

Publication number
CN115330709B
CN115330709B CN202210952565.4A CN202210952565A CN115330709B CN 115330709 B CN115330709 B CN 115330709B CN 202210952565 A CN202210952565 A CN 202210952565A CN 115330709 B CN115330709 B CN 115330709B
Authority
CN
China
Prior art keywords
value
rounding
image
gray
polishing
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
Application number
CN202210952565.4A
Other languages
English (en)
Other versions
CN115330709A (zh
Inventor
杨安会
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Volvo Agricultural Technology Co ltd
Original Assignee
Shandong Volvo Agricultural Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Volvo Agricultural Technology Co ltd filed Critical Shandong Volvo Agricultural Technology Co ltd
Priority to CN202210952565.4A priority Critical patent/CN115330709B/zh
Publication of CN115330709A publication Critical patent/CN115330709A/zh
Application granted granted Critical
Publication of CN115330709B publication Critical patent/CN115330709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0004—Industrial image inspection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B47/00—Drives or gearings; Equipment therefor
    • B24B47/10—Drives or gearings; Equipment therefor for rotating or reciprocating working-spindles carrying grinding wheels or workpieces
    • B24B47/12—Drives or gearings; Equipment therefor for rotating or reciprocating working-spindles carrying grinding wheels or workpieces by mechanical gearing or electric power
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Fertilizers (AREA)

Abstract

本发明公开了一种智能调节化肥抛光磨圆控制方法，涉及智能控制领域。主要包括：采集抛光后的化肥颗粒的表面灰度图像并进行傅里叶变换获得傅里叶图像；确定傅里叶图像中大于频率阈值的频率的占比，并基于所述占比对表面灰度图像进行灰度分级；将灰度分级后的表面灰度图像划分为相同大小的多个区域，并将所有区域的灰度熵的平均值作为纹理特征值；获得表面灰度图像中感兴趣区域，并获得感兴趣区域的离散程度值；根据纹理特征值以及离散程度值获得磨圆评价值，对化肥颗粒再次进行抛光磨圆，直至磨圆评价值小于其对应阈值。本发明实施例避免了人为进行检测的主观性，同时提高了对化肥颗粒的抛光磨圆过程的控制效率。

Description

一种智能调节化肥抛光磨圆控制方法
技术领域
本申请涉及智能控制领域，具体涉及一种智能调节化肥抛光磨圆控制方法。
背景技术
化肥颗粒的粒径以及表面的光滑程度会直接影响土壤对化肥的吸收，同时，将化肥颗粒的粒径以及光滑程度控制在合理的范围内，能够有效避免化肥结块。因此，为提高化肥的肥效以及利用率，在化肥生产的过程中，需要对成品的化肥进行抛光磨圆，从而保证化肥颗粒的粒径大小均匀，且化肥颗粒的表面光滑。
目前生产中对于化肥颗粒的控制，通常通过人工抽检采样的方式对化肥颗粒进行检测，然后根据抽样检测结果对化肥颗粒的抛光磨圆过程进行反馈控制。然而，人工进行检测的效率低下，并且由于化肥颗粒较小，通过肉眼难以有效判断化肥颗粒的粒径的均匀程度以及化肥颗粒表面的光滑程度。
发明内容
针对上述技术问题，本发明提供了一种智能调节化肥抛光磨圆控制方法，通过对化肥颗粒的表面灰度图像进行分析，获得对于化肥颗粒的磨圆评价值，从而实现对于化肥抛光磨圆过程的控制，避免了人为进行检测的主观性，同时提高了对化肥颗粒的抛光磨圆过程的控制效率。
本发明实施例提出了一种智能调节化肥抛光磨圆控制方法，包括：
采集抛光后的化肥颗粒的表面灰度图像并进行傅里叶变换获得傅里叶图像。
确定傅里叶图像中大于频率阈值的频率的占比，并根据所述占比、表面灰度图像中的最大灰度值以及最小灰度值，对表面灰度图像进行灰度分级。
将灰度分级后的表面灰度图像划分为相同大小的多个区域，分别获得每一区域的灰度熵，并将所有区域的灰度熵的平均值作为纹理特征值。
进行连通域分析获得表面灰度图像中各连通域，将所有连通域中面积在预设范围内的各连通域组成感兴趣区域，并计算感兴趣区域的离散程度值。
根据纹理特征值以及离散程度值获得磨圆评价值，当磨圆评价值大于预设阈值时，对化肥颗粒再次进行抛光磨圆，直至磨圆评价值不大于预设阈值。
可选的，一种智能调节化肥抛光磨圆控制方法中，根据所述占比、表面灰度图像中的最大灰度值以及最小灰度值，对表面灰度图像进行灰度分级，包括：
其中，M为对表面灰度图像进行灰度分级的级数，G为傅里叶图像中大于频率阈值的频率的占比，Ymax为表面灰度图像中的最大灰度值，Ymin为表面灰度图像中的最小灰度值，e为自然常数，[]表示向上取整操作。
可选的，一种智能调节化肥抛光磨圆控制方法中，分别获得每一区域的灰度熵，包括：
分别确定灰度分级后每一区域中每一灰度级的频率，根据每一区域中每一灰度级的频率，分别获得每一区域的灰度熵。
可选的，一种智能调节化肥抛光磨圆控制方法中，采集抛光后的化肥颗粒的表面灰度图像前，所述方法还包括使各化肥颗粒平铺且不存在堆叠。
可选的，一种智能调节化肥抛光磨圆控制方法中，根据纹理特征值以及离散程度值获得磨圆评价值，包括：将纹理特征值以及离散程度值的乘积作为磨圆评价值。
可选的，一种智能调节化肥抛光磨圆控制方法中，根据纹理特征值以及离散程度值获得磨圆评价值，包括：将纹理特征值以及离散程度值的和作为磨圆评价值。
可选的，一种智能调节化肥抛光磨圆控制方法中，感兴趣区域的离散程度值的计算过程包括：
获取感兴趣区域的最小外接圆，将该最小外接圆的面积作为第一面积。
将感兴趣区域的面积作为第二面积。
将第一面积与第二面积之比作为感兴趣区域的离散程度值。
可选的，一种智能调节化肥抛光磨圆控制方法中，根据纹理特征值以及离散程度值获得磨圆评价值后，所述方法还包括对磨圆评价值进行更新，更新的过程包括：
获得表面灰度图像中各连通域的面积的方差，并将该方差与磨圆评价值的乘积结果作为更新后的磨圆评价值。
本发明提供了一种智能调节化肥抛光磨圆控制方法，相比于现有技术，本发明实施例的有益效果在于：通过对化肥颗粒的表面灰度图像进行分析，获得对于化肥颗粒的磨圆评价值，从而实现对于化肥抛光磨圆过程的控制，避免了人为进行检测的主观性，同时提高了对化肥颗粒的抛光磨圆过程的控制效率。
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是本发明实施例提供的一种智能调节化肥抛光磨圆控制方法的流程示意图；
图2是本发明实施例中抛光后的化肥颗粒的表面灰度图像的示意图；
图3是本发明实施例中抛光后的化肥颗粒的表面灰度图像对应的傅里叶图像的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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。
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明实施例提供了一种智能调节化肥抛光磨圆控制方法，如图1所示，包括：
步骤S101、采集抛光后的化肥颗粒的表面灰度图像并进行傅里叶变换获得傅里叶图像。
步骤S102、确定傅里叶图像中大于频率阈值的频率的占比，并根据所述占比、表面灰度图像中的最大灰度值以及最小灰度值，对表面灰度图像进行灰度分级。
步骤S103、将灰度分级后的表面灰度图像划分为相同大小的多个区域，分别获得每一区域的灰度熵，并将所有区域的灰度熵的平均值作为纹理特征值。
步骤S104、进行连通域分析获得表面灰度图像中各连通域，将所有连通域中面积在预设范围内的各连通域组成感兴趣区域，并计算感兴趣区域的离散程度值。
步骤S105、根据纹理特征值以及离散程度值获得磨圆评价值，当磨圆评价值大于预设阈值时，对化肥颗粒再次进行抛光磨圆，直至磨圆评价值不大于预设阈值。
通过上述步骤，对化肥颗粒的表面灰度图像进行分析，获得对于化肥颗粒的磨圆评价值，从而利用磨圆评价值实现对于化肥抛光磨圆过程的控制，避免了人为进行检测的主观性，同时提高了对化肥颗粒的抛光磨圆过程的控制效率。
本发明实施例的主要目的是：对抛光磨圆后的化肥颗粒的表面灰度图像进行分析，获得化肥颗粒的质量评价参数，从而对抛光磨圆机进行调控，以获得符合要求的抛光磨圆后的化肥颗粒。
进一步的，步骤S101、采集抛光后的化肥颗粒的表面灰度图像并进行傅里叶变换获得傅里叶图像。
本发明实施例中化肥颗粒的生产是连续进行的，所以本发明实施例中可以在生产线上方安装图像采集相机，拍摄抛光后的化肥颗粒的表面灰度图像。同时，在采集图像时，为了减少光线对后续图像处理的不良影响，可以在进行图像采集过程中，使光源垂直照射在化肥颗粒的表面。
化肥颗粒所采用的抛光磨圆机，通过电动机带动安装在抛光机上的海绵或羊毛抛光盘的高速旋转，使抛光盘、抛光剂与待抛光的化肥颗粒的表面进行摩擦，从而使抛光磨圆后的化肥颗粒的大小保持均匀，在抛光的过程中将化肥颗粒中可能存在毛边去除。
然而，由于抛光时长的不同，所取得的抛光效果也不同，具体的，如果抛光时长过长，则为了将化肥颗粒磨圆，可能将化肥颗粒抛光至小于所需要的粒径范围，同时造成颗粒破碎的情况加剧，使得所获得的满足粒径要求的化肥颗粒占比下降；相反，如果抛光时长过短，则可能尚未将其中所存在的超出粒径范围的颗粒磨圆。
本发明实施例中，可以设置初始的抛光时长，如图2所示为本发明实施例中抛光后的化肥颗粒的表面灰度图像的示意图，通过初次抛光加工后的化肥颗粒的大小是不均匀的，表现为化肥的表面可能存在凸包或凹坑，同时其中可能存在加工过程中化肥颗粒碎裂后的小颗粒。
利用二维离散傅里叶变换对所采集的表面灰度图像进行处理，并经过对数化以及中心化得到表面灰度图像对应的傅里叶图像。如图3所示是本发明实施例中抛光后的化肥颗粒的表面灰度图像对应的傅里叶图像的示意图，傅里叶图像中分布着明亮不同的高低频信息。
可选的，在采集抛光后的化肥颗粒的表面灰度图像前，还可以使各化肥颗粒平铺且不存在堆叠，如此，便于在后续过程中分别获得每一化肥颗粒对应的连通域。
进一步的，步骤S102、确定傅里叶图像中大于频率阈值的频率的占比，并根据所述占比、表面灰度图像中的最大灰度值以及最小灰度值，对表面灰度图像进行灰度分级。
由于化肥颗粒的尺寸大小的不同，会使得傅里叶图像中的高低频的比例发生变化，同时，由于本发明实施例中经过初始抛光之后的化肥颗粒中，尚未到达抛光过度的情况，因抛光过程而产生的小颗粒所占的比例小于未被抛光完全以及已被抛光完全的化肥颗粒，同时，相较于小颗粒以外的化肥颗粒，小颗粒在表面灰度图像中相同面积下所存在的边缘越多，在傅里叶图像中表现为高频信息越多，因此，可以通过傅里叶图像中高低频的比例来反映化肥颗粒中小颗粒以及小颗粒以外的化肥颗粒的比例情况。
根据占比、表面灰度图像中的最大灰度值以及最小灰度值，对表面灰度图像进行灰度分级，包括：
其中，M为对表面灰度图像进行灰度分级的级数，G为傅里叶图像中大于频率阈值的频率的占比，Ymax为表面灰度图像中的最大灰度值，Ymin为表面灰度图像中的最小灰度值，e为自然常数，[]表示向上取整操作。
本发明实施例通过对表面灰度图像对应的傅里叶图像中的频谱特征进行分析，从而确定对于表面灰度图像的灰度分级的级数，使得所划分的灰度技术在保留足够灰度信息的同时，能够减少后续过程的计算量，且避免了固定灰度级数与实际情况不相适应的情况。
进一步的，步骤S103、将灰度分级后的表面灰度图像划分为相同大小的多个区域，分别获得每一区域的灰度熵，并将所有区域的灰度熵的平均值作为纹理特征值。
首先表面灰度图像划分为相同大小的多个区域，其中所划分的区域的大小可以根据实施者的具体需求进行确定。
其次，分别获得每一区域的灰度熵，包括：分别确定灰度分级后每一区域中每一灰度级的频率，根据每一区域中每一灰度级的频率，分别获得每一区域的灰度熵。
具体的，本发明实施例中每一区域的灰度熵的获得过程包括：
其中，W为区域的灰度熵，M为灰度级数，P(i)为区域中第i个灰度级所占的频率。需要说明的是，灰度熵表示图像中的信息量，并且是图像内容随机的度量，本发明实施例中将所有区域的灰度熵的均值作为纹理特征值，其可以表示化肥颗粒的表面灰度图像中纹理的复杂程度，即在化肥颗粒被抛光至表面不存在明显凹坑或凸包的情况下，本发明实施例中纹理特征值会更小。
进一步的，步骤S104、进行连通域分析获得表面灰度图像中各连通域，将所有连通域中面积在预设范围内的各连通域组成感兴趣区域，并计算感兴趣区域的离散程度值。
首先，进行连通域分析分别获得表面灰度图像中各连通域，如此，分别获得了每一划分颗粒所对应的连通域。
在化肥制造过程中，对其粒径的要求存在一定的范围限制，因此可以通过符合要求的化肥颗粒的分布来反映其抛光后粒径的情况，即可以通过面积在预设范围内的各连通域的离散情况，来反映抛光后化肥颗粒的粒径分布。
具体的，本发明实施例中所有连通域中面积在预设范围内的各连通域的离散程度值的获得过程，包括：获取感兴趣区域的最小外接圆，将该最小外接圆的面积作为第一面积，将感兴趣区域的面积作为第二面积，最后，将第一面积与第二面积之比作为感兴趣区域的离散程度值。
由于经过抛光后的各化肥颗粒中，可能存在未完成抛光的化肥颗粒，该种化肥颗粒中可能存在毛刺或者凸包，这种化肥颗粒的存在会使得符合要求的化肥颗粒的分布发生变化，因此，本发明实施例的离散程度值相较于直接计算粒径符合要求的化肥颗粒的占比，能够更有效地反映抛光后化肥颗粒中符合要求的粒径的情况。
进一步的，步骤S105、根据纹理特征值以及离散程度值获得磨圆评价值，当磨圆评价值大于预设阈值时，对化肥颗粒再次进行抛光磨圆，直至磨圆评价值不大于预设阈值。
在获得纹理特征值以及离散程度值后，可以将两者的乘积或者两者的和作为磨圆评价值，该磨圆评价值能够反映被抛光磨圆后的化肥颗粒符合要求的程度，该磨圆评价值越大，说明其越没有被抛光磨圆至符合要求的状态，相反，当磨圆评价值越小时，其粒径的均匀程度以及纹理的均匀程度，都越符合实施者期望的状态。
可选的，根据纹理特征值以及离散程度值获得磨圆评价值后，还可以获得表面灰度图像中各连通域的面积的方差，并将该方差与磨圆评价值的乘积结果作为更新后的磨圆评价值。如此，可以更好的反映不同粒径的化肥颗粒的均匀程度，以结合纹理特征值以及离散程度值反映抛光磨圆后的化肥颗粒是否符合要求。
因此，可以对化肥颗粒再次进行抛光磨圆，直至磨圆评价值不大于预设阈值。
如果抛光磨圆的效果不佳时，颗粒的边缘会出现较多的毛刺，且颗粒的形状不是近似于圆形，所以在生成灰度游程矩阵时，四个方向上的游程长度是不相同的，生成的矩阵中连通域的数值的差异较大。
化肥颗粒的边缘如果是光滑状态时，其连通域的边缘较规则平整，边界范围较小，边缘上的毛刺较少，则其灰度的变化就不明显。如果抛光磨圆的效果不佳时，颗粒的边缘会出现较多的毛刺，且颗粒的形状不是近似于圆形，所以在生成灰度游程矩阵时，四个方向上的游程长度是不相同的，生成的矩阵中连通域的数值的差异较大，因此计算各个方向上的灰度游程矩阵的差异性，可以表示颗粒磨圆的程度。
综上所述，提供了一种智能调节化肥抛光磨圆控制方法，通过对化肥颗粒的表面灰度图像进行分析，获得对于化肥颗粒的磨圆评价值，从而实现对于化肥抛光磨圆过程的控制，避免了人为进行检测的主观性，同时提高了对化肥颗粒的抛光磨圆过程的控制效率。
本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本发明的方法和***中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
上述实施例仅仅是为清楚地说明所做的举例，并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。

Claims (8)

1.一种智能调节化肥抛光磨圆控制方法，其特征在于，包括：
采集抛光后的化肥颗粒的表面灰度图像并进行傅里叶变换获得傅里叶图像；
确定傅里叶图像中大于频率阈值的频率的占比，并根据所述占比、表面灰度图像中的最大灰度值以及最小灰度值，对表面灰度图像进行灰度分级；
将灰度分级后的表面灰度图像划分为相同大小的多个区域，分别获得每一区域的灰度熵，并将所有区域的灰度熵的平均值作为纹理特征值；
进行连通域分析获得表面灰度图像中各连通域，将所有连通域中面积在预设范围内的各连通域组成感兴趣区域，并计算感兴趣区域的离散程度值；
根据纹理特征值以及离散程度值获得磨圆评价值，当磨圆评价值大于预设阈值时，对化肥颗粒再次进行抛光磨圆，直至磨圆评价值不大于预设阈值。
2.根据权利要求1所述的智能调节化肥抛光磨圆控制方法，其特征在于，根据所述占比、表面灰度图像中的最大灰度值以及最小灰度值，对表面灰度图像进行灰度分级，包括：
其中，M为对表面灰度图像进行灰度分级的级数，G为傅里叶图像中大于频率阈值的频率的占比，Ymax为表面灰度图像中的最大灰度值，Ymin为表面灰度图像中的最小灰度值，e为自然常数，[]表示向上取整操作。
3.根据权利要求1所述的智能调节化肥抛光磨圆控制方法，其特征在于，分别获得每一区域的灰度熵，包括：
分别确定灰度分级后每一区域中每一灰度级的频率，根据每一区域中每一灰度级的频率，分别获得每一区域的灰度熵。
4.根据权利要求1所述的智能调节化肥抛光磨圆控制方法，其特征在于，采集抛光后的化肥颗粒的表面灰度图像前，所述方法还包括使各化肥颗粒平铺且不存在堆叠。
5.根据权利要求1所述的智能调节化肥抛光磨圆控制方法，其特征在于，根据纹理特征值以及离散程度值获得磨圆评价值，包括：将纹理特征值以及离散程度值的乘积作为磨圆评价值。
6.根据权利要求1所述的智能调节化肥抛光磨圆控制方法，其特征在于，根据纹理特征值以及离散程度值获得磨圆评价值，包括：将纹理特征值以及离散程度值的和作为磨圆评价值。
7.根据权利要求1所述的智能调节化肥抛光磨圆控制方法，其特征在于，感兴趣区域的离散程度值的计算过程包括：
获取感兴趣区域的最小外接圆，将该最小外接圆的面积作为第一面积；
将感兴趣区域的面积作为第二面积；
将第一面积与第二面积之比作为感兴趣区域的离散程度值。
8.根据权利要求1所述的智能调节化肥抛光磨圆控制方法，其特征在于，根据纹理特征值以及离散程度值获得磨圆评价值后，所述方法还包括对磨圆评价值进行更新，更新的过程包括：
获得表面灰度图像中各连通域的面积的方差，并将该方差与磨圆评价值的乘积结果作为更新后的磨圆评价值。
CN202210952565.4A 2022-08-10 2022-08-10 一种智能调节化肥抛光磨圆控制方法 Active CN115330709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210952565.4A CN115330709B (zh) 2022-08-10 2022-08-10 一种智能调节化肥抛光磨圆控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210952565.4A CN115330709B (zh) 2022-08-10 2022-08-10 一种智能调节化肥抛光磨圆控制方法

Publications (2)

Publication Number Publication Date
CN115330709A CN115330709A (zh) 2022-11-11
CN115330709B true CN115330709B (zh) 2023-10-10

Family

ID=83922409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210952565.4A Active CN115330709B (zh) 2022-08-10 2022-08-10 一种智能调节化肥抛光磨圆控制方法

Country Status (1)

Country Link
CN (1) CN115330709B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102319546A (zh) * 2011-06-07 2012-01-18 浙江大学 土壤纳米级颗粒的提取方法
CN111165139A (zh) * 2020-02-03 2020-05-19 山东农业大学 一种基于视觉的施肥试验装置及施肥效果评价方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6987881B2 (en) * 2002-04-26 2006-01-17 Keio University Automatic visibility improvement method for digital image
JP6862769B2 (ja) * 2016-11-02 2021-04-21 コニカミノルタ株式会社 静電荷像現像用トナー
CN115880284B (zh) * 2023-02-06 2023-05-09 卡松科技股份有限公司 一种用于润滑油磨粒均匀度的检测方法及***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102319546A (zh) * 2011-06-07 2012-01-18 浙江大学 土壤纳米级颗粒的提取方法
CN111165139A (zh) * 2020-02-03 2020-05-19 山东农业大学 一种基于视觉的施肥试验装置及施肥效果评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Celeste Chudyk等.《Development of an Automatic Pollen Classification System Using Shapes, Texture and Aperture Features》.《LWA 2015 Workshops: KDML, FGWM, IR and FGDB》.2015,全文. *
郭丁云 等.《连通域和KNN算法在颗粒状农产品分选中的应用研究》.《电脑技术与知识》.2018,第14卷(第36期),全文. *

Also Published As

Publication number Publication date
CN115330709A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN109840913B (zh) 一种乳腺x线图像中肿块分割的方法和***
CN115830033B (zh) 基于机器视觉的汽车轮毂表面缺陷检测方法
CN103761726B (zh) 基于fcm的分块自适应图像分割方法
CN107590512B (zh) 一种模板匹配中参数的自适应方法和***
Zhou et al. An adaptive image enhancement method for a recirculating aquaculture system
Ismael et al. Nature Inspired Algorithms multi-objective histogram equalization for Grey image enhancement
CN115330709B (zh) 一种智能调节化肥抛光磨圆控制方法
CN115239736B (zh) 用于金刚石磨轮生产的磨料层混料质量监测方法
CN108664839A (zh) 一种图像处理方法和设备
CN115294106B (zh) 一种乳胶溶液中颗粒的均匀度检测方法
CN115760852B (zh) 一种海洋污水排放处理方法
CN103268492B (zh) 一种玉米籽粒类型识别方法
CN110363775A (zh) 一种基于区域型变分水平集的图像分割方法
CN112419397A (zh) 一种基于图像和深度神经网络的矿石粒度分级方法及***
CN117745724B (zh) 基于视觉分析的石材打磨加工缺陷区域分割方法
CN114998325A (zh) 一种空调散热管焊接缺陷检测方法
CN107478656B (zh) 基于机器视觉的纸浆搅拌效果检测评价方法、装置、***
CN113763404B (zh) 基于优化标记和边缘约束分水岭算法的泡沫图像分割方法
CN114913152A (zh) 基于机器视觉的木材切削表面去毛刺质量评估方法及***
CN101923716A (zh) 一种改善粒子滤波跟踪效果的方法
DE112022002137T5 (de) Hybrides differenzierbares Rendering für Lichttransportsimulationssysteme und -Anwendungen
CN117237245B (zh) 一种基于人工智能与物联网的工业物料质量监测方法
CN112070765A (zh) 一种基于双边滤波结合改进的otsu的布匹检测方法
CN116630307B (zh) 石墨拖杆打磨质量评估***、装置及计算机可读存储介质
CN117956151B (zh) 一种通讯信息高效处理方法及***

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