一种基于图像处理的橡胶塑炼机控制方法及装置与流程

1.本技术涉及人工智能领域，具体涉及一种基于图像处理的橡胶塑炼机控制方法及装置。


背景技术：

2.橡胶在成为橡胶制品前为生胶，把生胶由强韧的弹性状态转变为柔软的塑性状态的工艺过程称为塑炼，在橡胶塑炼的过程中，需要对橡胶进行可塑度检测，当可塑度达到要求时即可停止塑胶。
3.现有技术中常选用毛细管流变仪检测橡胶的可塑度，而在使用过程中，该方法仅能对橡胶中局部的可塑性进行检测从而判断局部的橡胶制品是否达标，该种方法有可能会出现局部达标，而整体并未达标的状态，虽然可通过多次局部采样进行确定，但局部达标后仍然需要继续多次采样判断，从而造成检测过程耗时较长。


技术实现要素：

4.针对上述技术问题，本发明实施例提供了一种基于图像处理的橡胶塑炼机控制方法及装置，以局部采样点的可塑度测量结果为依据，结合塑炼过程中橡胶的整体图像，得到橡胶在塑炼过程中整体的塑炼状态，避免了大量布置局部采样点进行监测的同时，高效准确的获得了橡胶的塑炼状态，便于及时停止塑炼过程。
5.第一方面，本发明实施例提出了一种基于图像处理的橡胶塑炼机控制方法，包括：当塑炼过程中所有局部采样点的可塑度稳定后，采集橡胶表面图像。
6.对橡胶表面图像进行灰度化得到灰度图像，分别获得灰度图像中各像素点的梯度幅值和梯度方向。
7.分别根据灰度图像中每一像素点到每一局部采样点的距离以及梯度方向之间的关系，以及每一像素点的梯度幅值，分别获得灰度图像中每一像素点到每一局部采样点的可信率。
8.分别根据灰度图像中各像素点到各局部采样点的可信率，以及各局部采样点的可塑度生成多个第一高斯模型，分别将各像素点对应的多个第一高斯模型相乘分别生成各像素点对应的第二高斯模型，将各像素点对应的第二高斯模型的均值分别作为各像素点的预测可塑度。
9.对灰度图像中预测可塑度在预设可塑度范围外的像素点进行均值漂移聚类获得多个类别，并分别对每个类别进行主成分分析得到每个类别的主成分方向。
10.分别根据每个类别的主成分方向确定每个类别的离散影响值，并分别对每个类别进行聚类获得每个类别的中心，根据两相邻类别的中心之间的距离以及两相邻类别的离散影响值，获得两相邻类别的权值。
11.判断所有两相邻类别的权值中的最小值是否大于预设权值阈值，若判断结果为是，则橡胶塑炼状态合格，停止塑炼机，否则保持运行塑炼机。
12.在一些实施例中，获得灰度图像中每一像素点到每一局部采样点的可信率，包括：灰度图像中第p个像素点相对于第个局部采样点的可信率为，且 其中表示第p个像素点到第个局部采样点之间的距离，表示当前第p个像素点的梯度值，表示两点之间梯度方向的差值。
13.在一些实施例中，分别根据每个类别的主成分方向确定每个类别的离散影响值，包括：主成分方向包括第一主成分方向及第二主成分方向，第i类别中包含的各像素点在第一主成分上进行投影的投影点的方差为，该类别中包含的各像素点在第二主成分上进行投影的投影点的方差为，则第i类别内像素点分布的分散程度。
14.第个类别的离散影响值为，且其中表示位于第个类别中的像素点到预设可塑度范围的最短距离的和，且，其中表示第类别中第个像素点的预测可塑度，为第个类别中像素点的数量，为所述灰度图像中像素点的总数，min为最小取值函数，分别为预设可塑度范围的下界和上界。
15.在一些实施例中，根据两相邻类别的中心之间的距离以及两相邻类别的离散影响值，获得两相邻类别的权值，包括：两相邻类别的权值为，其中l为该相邻的两个类别的中心之间的距离，分别为两相邻的类别的离散影响值。
16.在一些实施例中，对橡胶表面图像进行灰度化得到灰度图像，包括：将橡胶表面图像中像素点在rgb三个通道中像素值的最大值，作为灰度图像中的像素点的灰度值。
17.在一些实施例中，分别获得灰度图像中各像素点的梯度幅值和梯度方向，包括：像素点的梯度幅值，像素点的梯度方向为，其中g表示梯度幅值，表示像素点的水平梯度，表示像素点的竖直梯度。
18.在一些实施例中，当预设时长内各局部采样点的可塑度的方差小于预设方差阈值时，各局部采样点的可塑度稳定。
19.第二方面，本发明实施例提出了一种基于图像处理的橡胶塑炼机控制装置，包括：
可塑度测量模块、图像采集模块、存储模块、处理模块。
20.可塑度测量模块用于测量各局部采样点处橡胶的可塑度，并将测量结果发送给处理模块。
21.图像采集模块用于当塑炼过程中所有局部采样点的可塑度稳定后，采集橡胶表面图像。
22.存储模块用于存储图像采集模块采集到的塑炼过程中局部采样点的可塑度稳定后的橡胶表面图像。
23.处理模块包括：第一判断子模块、图像灰度化子模块、第一计算子模块、第二计算子模块、第三计算子模块、第四计算子模块、第五计算子模块以及第二判断子模块。
24.第一判断子模块用于判断可塑度采集模块采集到的所有局部采样点的可塑度稳定是否稳定，并在所有局部采样点的可塑度稳定时，控制图像采集模块采集橡胶表面图像。
25.图像灰度化子模块用于对橡胶表面图像进行灰度化得到灰度图像。
26.第一计算子模块用于获得灰度图像中各像素点的梯度幅值和梯度方向。
27.第二计算子模块用于分别根据灰度图像中每一像素点到每一局部采样点的距离以及梯度方向之间的关系，以及每一像素点的梯度幅值，分别获得灰度图像中每一像素点到每一局部采样点的可信率。
28.第三计算子模块用于分别根据灰度图像中各像素点到各局部采样点的可信率，以及各局部采样点的可塑度生成多个第一高斯模型，分别将各像素点对应的多个第一高斯模型相乘分别生成各像素点对应的第二高斯模型，将各像素点的第二高斯模型的均值分别作为各像素点的预测可塑度。
29.第四计算子模块用于对灰度图像中预测可塑度在预设可塑度范围外的像素点进行均值漂移聚类获得多个类别，并分别对每个类别进行主成分分析得到每个类别的主成分方向。
30.第五计算子模块用于分别根据每个类别的主成分方向确定每个类别的离散影响值，并分别对每个类别进行聚类获得每个类别的中心，根据两相邻类别的中心之间的距离以及两相邻类别的离散影响值，获得两相邻类别的权值。
31.第二判断子模块用于判断所有两相邻类别的权值中的最小值是否大于预设权值阈值，若判断结果为是，则控制塑炼机停止塑炼过程，否则保持运行塑炼机。
32.相比于现有技术，以局部采样点的可塑度测量结果为依据，结合塑炼过程中橡胶的整体图像，得到橡胶在塑炼过程中整体的塑炼状态，避免了大量布置局部采样点进行监测的同时，高效准确的获得了橡胶的塑炼状态，便于及时停止塑炼过程。
附图说明
33.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。
34.图1是本发明实施例提供的一种基于图像处理的橡胶塑炼机控制方法的流程示意图。
35.图2是本发明实施例提供的一种基于图像处理的橡胶塑炼机控制装置的流程示意图。
具体实施方式
36.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。
37.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。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技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
38.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。
39.本发明实施例提供了一种基于图像处理的橡胶塑炼机控制方法，如图1所示，包括：101、当塑炼过程中所有局部采样点的可塑度稳定后，采集橡胶表面图像。
40.对于局部采样点的可塑度的测量可采用流变仪，流变仪是用于测定聚合物熔体，聚合物溶液、悬浮液、乳液、涂料、油墨和食品等流变性质的仪器。分为旋转流变仪、毛细管流变仪、转矩流变仪和界面流变仪。对于局部采样点的可塑度的数据获取，实施者在具体实施过程可根据具体实施场景，更换局部采样点可塑度数据获取的设备或/方法，本实施例不对可塑度的测量设备进行限定。
41.在通过设备得到局部采样点的可塑度数据后，分别计算各局部采样点的可塑度数据在预设时长内的方差，当局部采样点的可塑度数据的方差 时，则认为采样点的可塑度数据稳定且达标，其中为预设方差阈值，具体可由实施者根据具体实施要求进行调整。
42.102、对橡胶表面图像进行灰度化得到灰度图像，分别获得灰度图像中各像素点的梯度幅值和梯度方向。
43.具体的，当所有局部采样点的可塑度稳定后，采集橡胶表面的图像，对橡胶表面的图像进行灰度化得到灰度图像，灰度过程包括：将橡胶表面图像中像素点在rgb三个通道中像素值的最大值，作为灰度图像中的像素点的灰度值。
44.然后计算灰度图像中各像素点的梯度幅值和梯度方向，灰度梯度其实就是这个二维离散函数的求导，用差分代替微分，求取图像的灰度梯度。常用的一些灰度梯度模板有：roberts算子、sobel算子、prewitt算子及laplacian算子。本实施例中利用sobel算子获得图像中各像素的梯度方向和梯度幅值，sobel算子是典型的基于一阶导数的边缘检测算子，是离散型的差分算子。该算子对噪声具有平滑作用，能很好的消除噪声的影响，sobel算子
包含两组3x3的矩阵，分别为横向及纵向模板，将之与图像作平面卷积，即可分别得出图像中像素点的水平梯度及竖直梯度。
45.其中像素点的梯度幅值，像素点的梯度方向为，其中表示梯度幅值，表示像素点的水平梯度，表示像素点的竖直梯度。
46.103、分别根据灰度图像中每一像素点到每一局部采样点的距离以及梯度方向之间的关系，以及每一像素点的梯度幅值，分别获得灰度图像中每一像素点到每一局部采样点的可信率。
47.首先获取橡胶表面图像各像素点的坐标，求得第p个像素点到第个采样点之间的距离，同时得到经过第p个像素点和第个采样点的直线，所求得直线与横轴正半轴的夹角与第p个像素点的梯度方向之间的角度差值为。
48.具体的，灰度图像中第p个像素点相对于第 个局部采样点的可信率为，其中表示第p个像素点到第个局部采样点之间的距离，表示第p个像素点的梯度值，其梯度值越大，则受局部采样点的影响越低，同时可信率的值越小。
49.需要说明的是，表示两点之间梯度方向的差值，其值越大说明梯度方向和两点连线方向越不一致，则当前第p个像素点的梯度变化受第个采样点的影响越弱，||的值越大，可信率的值越小。能够反映第p个像素点受第个采样点可塑度的影响程度，其值越小表示影响程度越弱，第p个像素点受第个采样点可塑度的影响越低。
50.104、灰度图像中各像素点到各个局部采样点的可信率以及各局部采样点的可塑度，分别各像素点对应各局部采样点的第一高斯模型，将各像素点对应的多个第一高斯模型分别生成对应的第二高斯模型，将各像素点的第二高斯模型的均值分别作为各像素点的预测可塑度。
51.以第个局部采样点的可塑度为均值，第p个像素点的可信率为为均值所对应的概率，生成第p个像素点相对于第个局部采样点的高斯模型，并分别获得第p个像素点相对于其他各个局部采样点的第一高斯模型；需要说明的是，由于高斯模型相乘之后仍为高斯模型，本实施例中将第p个像素点对应所有第一高斯模型相乘，得到第p个像素点对应的第二高斯模型，将第二高斯模型的均值作为第p个像素点的预测可塑度，表示第p个像素点在灰度图像中相对于各局部采样点进行预测所得到的预测可塑度，以此可以分别获得灰度图像中各像素点相对于各局部采样点的预测可塑度。
52.在得到预测后的可塑度值后，虽然可以通过检测所有预测可塑度满足达标的要求来停止机器生产，但是由于灰度图像中可能存在噪点导致，此时停止熔炼过程并不合理。所
以在得到各像素点的预测可塑度的值后，仍需根据噪点的分布来进一步判断是否需要停止熔融过程。
53.105、对灰度图像中预测可塑度在预设可塑度范围外的像素点进行均值漂移聚类获得多个类别，分别对每个类别进行主成分分析得到每个类别的主成分方向。
54.具体的，根据实施者的具体实施场景，确定预设可塑度范围，分别为预设可塑度范围的下界和上界，将灰度图像中预测可塑度在预设可塑度范围外的像素点作为第一类像素点，第一类像素点即噪点，分别获取灰度图像中所有第一类像素点的坐标，对所有第一类像素点像的坐标进行均值漂移聚类，获得多个类别，其中每一类均包含多个第一类像素点，同一类别中表示各像素点的坐标分布相近。
55.需要说明的是，分别对每一类别中包含的像素点的坐标信息利用pca（principal components analysis，主成分分析）获得每一类别的主成分方向，其中由于像素点的坐标信息为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，本实施例将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。
56.106、分别根据每个类别的主成分方向确定每个类别的离散影响值，并分别对每个类别进行聚类获得每个类别的中心，根据两相邻类别的中心之间的距离以及两相邻类别的离散影响值，获得两相邻类别的权值。
57.具体的，对于某一类别，将该类别中包含的各像素点在第一主成分坐标轴上进行投影，计算投影得到的投影点的方差，其方差值越大，则说明沿第一主成分坐标轴方向越分散，同时计算将该类别中包含的各像素点在第二主成分坐标轴上的投影方差，越大说明该类别中像素点沿第二主成分坐标轴方向越分散。进而得到当前第i类内像素点分布的分散程度。其值越大，表示第i类别中的像素点分布越分散，作为噪声的影响越小。
58.需要说明的是，第i类别对整体可塑度的离散影响值，其中为第个类别中像素点的数量，为灰度图像中像素点的总数，min为最小取值函数，分别为预设可塑度范围的下界和上界，表示第个类别中像素点分布的分散程度，越大，说明噪点占整体图像越多，则噪点对整体可塑度的影响就越大。表示第i类中各像素点的预测可塑度的值与预设可塑度范围[a,b]之间的差值的和，且，其中表示第i类别中第j个像素点的预测可塑度，表示第i类内像素点分布的分散程度，其越分散则影响程度越低。的值越大，则第i类别内像素点对整体可塑度的影响程度就越大。
[0059]
分别对每一类噪点数据进行聚类，分别得到每一类的中心，对第i类噪点数据按照
坐标信息k-means聚类，k=1，得到第i类别的中心点，获取各类之间两两之间的距离l和离散影响,建立无向完全图，其中任意两类别之间的权值，q的值越大，则说这两个类别对整体可塑度的影响就越大，因为l越小，越集中，说混炼过程中的混合效果不佳。
[0060]
107、判断所有两相邻类别的权值中的最小值是否大于预设权值阈值，若判断结果为是，则橡胶塑炼状态合格，停止塑炼机，否则保持运行塑炼机。
[0061]
具体的，获得灰度图像中所有类别中任意两相邻类别之间的权值中的最小值，qk表示所有顶点之间按距离最小影响下，综合所有噪点数据对整体可塑度的影响，qk值越大，所有噪点数据对整体可塑度的影响越大，越不能停止混炼。
[0062]
需要说明的是，在局部采样点的可塑度稳定后，得到当前塑炼过程中不符合可塑度要求点的影响力，预设权值阈值，当时，则认为整体的塑炼程度，即使存在少量不合格的点，但也达到了塑炼质量要求，可以立即停止塑炼。
[0063]
本发明实施例还提供了一种基于图像处理的橡胶塑炼机控制装置，如图2所示，包括：可塑度测量模块21、图像采集模块22、存储模块23、处理模块24。
[0064]
可塑度测量模块21用于测量各局部采样点处橡胶的可塑度，并将测量结果发送给处理模块24。
[0065]
图像采集模块22用于当塑炼过程中所有局部采样点的可塑度稳定后，采集橡胶表面图像。
[0066]
存储模块23用于存储图像采集模块22采集到的塑炼过程中所有局部采样点的可塑度稳定后的橡胶表面图像。
[0067]
处理模块24包括：第一判断子模块241、图像灰度化子模块242、第一计算子模块243、第二计算子模块244、第三计算子模块245、第四计算子模块246、第五计算子模块247以及第二判断模块248。
[0068]
第一判断子模块241用于判断可塑度采集模块21采集到的所有局部采样点的可塑度稳定是否稳定，并在所有局部采样点的可塑度稳定时，控制图像采集模块22采集橡胶表面图像。
[0069]
图像灰度化子模块242用于对橡胶表面图像进行灰度化得到灰度图像。
[0070]
第一计算子模块243块用于获得灰度图像中各像素点的梯度幅值和梯度方向。
[0071]
第二计算子模块244用于分别根据灰度图像中每一像素点到每一局部采样点的距离以及梯度方向之间的关系，以及每一像素点的梯度幅值，分别获得灰度图像中每一像素点到每一局部采样点的可信率。
[0072]
第三计算子模块245用于分别根据灰度图像中各像素点到各局部采样点的可信率，以及各局部采样点的可塑度生成多个第一高斯模型，分别将各像素点对应的多个第一高斯模型相乘生成各像素点对应的第二高斯模型，将各像素点对应的第二高斯模型的均值分别作为各像素点的预测可塑度。
[0073]
第四计算子模块246用于对灰度图像中预测可塑度在预设可塑度范围外的像素点进行均值漂移聚类获得多个类别，并分别对每个类别进行主成分分析得到每个类别的主成分方向。
[0074]
第五计算子模块247用于分别根据每个类别的主成分方向确定每个类别的离散影响值，并分别对每个类别进行聚类获得每个类别的中心，根据两相邻类别的中心之间的距离以及两相邻类别的离散影响值，获得两相邻类别的权值。
[0075]
第二判断子模块248用于判断所有两相邻类别的权值中的最小值是否大于预设权值阈值，若判断结果为是，则控制塑炼机停止塑炼过程，否则保持运行塑炼机。
[0076]
综上所述，相比于现有技术，本实施例的有益效果在于：以局部采样点的可塑度测量结果为依据，结合塑炼过程中橡胶的整体图像，得到橡胶在塑炼过程中整体的塑炼状态，避免了大量布置局部采样点进行监测的同时，高效准确的获得了橡胶的塑炼状态，便于及时停止塑炼过程。
[0077]
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。
[0078]
还需要指出的是，在本发明的方法和系统中，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。
[0079]
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。