基于数据识别的改性塑料混料评价方法及人工智能系统与流程

1.本发明涉及数据识别技术领域，具体涉及基于数据识别的改性塑料混料评价方法及人工智能系统。


背景技术：

2.塑料制品在各个领域的应用越来越广泛，而改性塑料以其优良的性能逐渐取代一些传统的材料，在汽车电子航空等领域发挥越来越重要的作用。所谓改性塑料就是在通用的工程塑料的基础上通过填充不同的物质进行重新的加工改性，使其具有阻燃性、强度、抗冲击性、韧性等方面的性能的塑料制品。
3.目前，常见的对改性塑料混料的评价方法是通过机器搅拌和温度控制等一系列控制方法以实现改性塑料的最佳质量，再通过人为主观判断改性塑料混料效果，其个人主观因素影响较大，且对改性塑料混料效果的实时监测性较差。


技术实现要素：

4.为了解决上述技术问题，本发明的目的在于提供基于数据识别的改性塑料混料评价方法及人工智能系统，所采用的技术方案具体如下：第一方面，本发明一个实施例提供了基于数据识别的改性塑料混料评价方法，该方法包括以下步骤：采集改性塑料的混料图像；获取所述混料图像的信源熵；计算所述混料图像的相邻行之间灰度值的行相关系数，计算所述混料图像的相邻列之间灰度值的列相关系数，结合所述行相关系数和所述列相关系数得到所述混料图像的总相关系数；由所述信源熵和所述总相关系数得到图像时域评价指标；对所述混料图像进行小波变换，得到所述混料图像对应的低频系数和高频系数，以所述低频系数的占比作为图像频域评价指标；结合所述图像时域评价指标和所述图像频域评价指标得到混料图像的质量评价指标。
5.优选的，所述计算所述混料图像的相邻行之间灰度值的行相关系数，计算所述混料图像的相邻列之间灰度值的列相关系数，结合所述行相关系数和所述列相关系数得到所述混料图像的总相关系数，包括：对所述混料图像进行灰度化得到灰度图像，将所述灰度图像按照行和列平均划分为多个行组和多个列组，计算相邻行组之间灰度值的行相关系数，计算相邻列组之间灰度值的列相关系数；多个所述行相关系数相加得到总行相关系数，多个所述列相关系数相加得到总列相关系数；所述总行相关系数和所述总列相关系数的乘积为所述混料图像的总相关系数。
6.优选的，所述由所述信源熵和所述总相关系数得到图像时域评价指标，包括：所述信源熵和所述总相关系数的比值为图像时域评价指标。
7.优选的，所述以所述低频系数的占比作为图像频域评价指标，包括：构建低频系数集合和高频系数集合；计算低频系数集合内低频系数之和作为第一和，计算低频系数集合和高频系数集合内高频系数和低频系数之和作为第二和；所述第一和与所述第二和的比值为图像频域评价指标。
8.优选的，所述结合所述图像时域评价指标和所述图像频域评价指标得到混料图像的质量评价指标，包括：所述图像时域评价指标和所述图像频域评价指标的乘积为混料图像的质量评价指标。
9.优选的，所述结合所述图像时域评价指标和所述图像频域评价指标得到混料图像的质量评价指标之后，还包括：获取所述质量评价指标和预设最优评价指标的差值，当所述差值大于预设差异阈值时，对双螺杆挤出机的功率和混料的进料速度进行调节。
10.第二方面，本发明一个实施例提供了基于数据识别的改性塑料混料评价人工智能系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于数据识别的改性塑料混料评价方法。
11.本发明实施例至少具有如下有益效果：本发明实施例利用数据识别技术，是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成改性塑料混料评价。该方法采用相关的电子设备进行图像识别，以获取混料图像；通过对混料图像进行时域分析得到图像时域评价指标，对混料图像进行频域分析得到图像频域评价指标。结合图像时域评价指标和图像频域评价指标得到混料图像的质量评价指标；根据质量评价指标和预设最优评价指标的差异对双螺杆挤出机的工作参数进行调节。本发明通过对采集到的混料图像分别进行频域和时域的评价进而得到混料图像的质量评价指标，通过该质量评价指标对双螺杆挤出机的工作参数进行调节，实现改性塑料质量的最优化，避免了人为主观因素带来的影响，达到了对改性塑料的混料进行实时控制的目的。
附图说明
12.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。
13.图1为本发明一个实施例所提供的基于数据识别的改性塑料混料评价方法的方法流程图。
具体实施方式
14.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数据识别的改性塑料混料评价方法及人工
智能系统，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。
15.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。
16.本发明实施例提供了基于数据识别的改性塑料混料评价方法及人工智能系统的具体实施方法，该方法适用改性塑料混料评价场景。该场景下利用相机采集改性塑料的混料图像，通过双螺杆挤出机挤出改性塑料混料，为了解决传统改性塑料混料的评价方法依赖于个人主观判断的问题，本发明实施例通过分析采集到的混料图像的时域特性和频域特性得到混料图像的质量评价指标，避免了人为主观因素带来的影响，实现了实时监测改性塑料混料且达到了对改性塑料的混料进行实时控制的目的。
17.下面结合附图具体的说明本发明所提供的基于数据识别的改性塑料混料评价方法及人工智能系统的具体方案。
18.请参阅图1，其示出了本发明一个实施例提供的基于数据识别的改性塑料混料评价方法的步骤流程图，该方法包括以下步骤：步骤s100，采集改性塑料的混料图像。
19.改性塑料的主要制成设备为双螺杆挤出机，将各种制作改性塑料的物料按顺序投放进去进行搅拌，使不同物料混合均匀，然后挤出拉条冷却切粒，混料操作决定了改性塑料的质量好坏。因此严格控制混料操作的相关参数对改性塑料质量的提升有重要意义。
20.通过在双螺杆挤出机混料过程中，进行混料图像的采样，分析混料图像的变化来调整生产工作参数，也即双螺杆挤出机的工作参数。需要说明的是混料图像的采集是在双螺杆挤出机挤出过程之前，对改性塑料混料进行图像采集。
21.步骤s200，获取混料图像的信源熵；计算混料图像的相邻行之间灰度值的行相关系数，计算混料图像的相邻列之间灰度值的列相关系数，结合行相关系数和列相关系数得到混料图像的总相关系数；由信源熵和总相关系数得到图像时域评价指标。
22.改性塑料的制备过程中，不同的物料混合在一起经过双螺杆挤出机的螺杆的剪切作用，各种粒子会形成三种的聚合状态。
23.状态一：各种无机粒子在聚合物中以无规则的分散状态存在，有的聚集成团，有的以个别分散形式存在，在这种状态下，添加别的物料对塑料进行改性的目的就无法实现，粒子间的相互作用很弱，无法达到增强增韧等效果。
24.状态二：无机粒子在螺杆的充分剪切下，无机粒子间界面结合良好，此时无机粒子之间聚合在一起，无机粒子如同刚性链条一样对聚合物起着增强作用。
25.状态三：无机粒子均匀的分布在基体树脂中，在该情况下，无论粒子与基体树脂有无良好的界面结合，都会产生一定的增强增韧效果。
26.通过对三种聚合状态的分析，认为状态三是最为理想的改性塑料的分子聚合状态。通过采样得到的双螺杆挤出机挤出的混料图像的图像特征来判断当前分子的聚合状态，进而进行双螺杆挤出机的工作参数的调整。
27.可通过采样得到的混料图像的有序无序特性可以表示混料的效果，状态一对应的无机粒子较为混乱，此时混料图像的表现形式较为混乱；状态二对应的无机粒子之间结合
在一起，有良好的结合，此时混料图像中特征相对有序；状态三对应的无机粒子均匀地分布，混料图像中分子排序有一定顺序，有序性更为强烈。
28.在香农相关定理中熵的大小可以表征数据的有序和无序程度。故进一步的，获取混料图像对应的信源熵。当混料图像中分子越混乱越无序，含有的信息量越多，则对应的信源熵越大；相反的，当混料图像中分子越均匀分布，则有序信息量越少，对应的信源熵越小。
29.数据的相关性是度量—数据之间联系的一种方式，相关性越强，两组数据越接近，而在混料效果的评价中，效果越好，无机粒子分散越均匀，粒子间的额相关性越强，故可引入相关性的概念，通过计算相邻的两个范围内像素灰度的相关性来对混料效果进行量化。
30.引入相关性的概念来度量当前混料效果的好坏，以混料图像中的灰度矩阵中的灰度值为数据，计算固定的行数或者列数像相邻两组灰度值之间的相关性。具体的：将混料图像进行灰度化，得到对应的灰度图像，将混料图像对应的灰度图像按照行和列平均划分为多个行组和多个列组，计算相关不重复两组间的相关系数，也即计算相邻行组之间灰度值的行相关系数，计算相邻列组之间灰度值的列相关系数。需要说明的是，相关系数的计算为本领域技术人员的公知技术。
31.进一步的，结合行相关系数和列相关系数得到混料图像的总相关系数。具体的：多个行相关系数相加得到总行相关系数，多个列相关系数相加得到总列相关系数；总行相关系数和总列相关系数的乘积为混料图像的总相关系数。
32.需要说明的是，用总行相关系数和总列相关系数相乘得到总相关系数，是因为行列之间的相关性有所差异，但是又能够代表整幅图像的相关性，因此不能用简单的叠加计算，而是将总行相关系数和总列相关系数相乘得到总相关系数。得到的总相关系数越大，则对应的混料图像的像素分布越均匀，其混料效果越好。
33.进一步的，结合得到的信源熵和得到的总相关系数从相关性和信息量两个角度对混料的效果进行分析得到混料图像的图像时域评价指标。具体的：信源熵和总相关系数的比值为图像时域评价指标。
34.综合静态分析下的信息熵和总相关系数对当前混料效果的评价，因为信源熵越大混料效果越差，总相关系数越大混料效果越好，为统一两者的变化对混料效果的影响，对总相关系数取倒数。对应的图像时域评价指标越小，混料效果越好。
35.步骤s300，对混料图像进行小波变换，得到混料图像对应的低频系数和高频系数，以低频系数的占比作为图像频域评价指标。
36.步骤s200的分析是从信源熵的角度根据采样得到的混料图像分析得到了当前的混料效果，但是信源熵的变化只是混料效果体现的其中一个方面，在分析中可知，从状态一到状态三的过程中，从无机粒子的混乱结合到无机粒子有序结合到无机粒子的均匀分布，这个过程中图像的边缘信息和轮廓信息是有规律变化的。
37.状态一的情况，是剪切力不够无机粒子没有分散开聚集成团，此时同样的采样标准下，图像中的粒子较大数目较少，含有的边缘纹理信息少，轮廓信息多。
38.状态二的情况，是剪切力和时间相对充足的情况下，无机粒子之间相互结合的效果较好，此时相同的采样标准下，图像中边缘信息增加，轮廓信息相较于状态一减少。
39.状态三的情况，是当混料效果最好时，图像中无机粒子均匀分布，即使没有结合，也会有非常好的效果，由于此时无机粒子间分散均匀，边缘信息增加，轮廓信息减少。
40.针对上述分析通过边缘信息和轮廓信息的对比可以表征混料效果的好坏。而在图像小波变换中，由于小波变换的特性，图像的低频信息集中了图像的轮廓信息，占据了图像的大部分能量，对应小波系数中的低频系数；图像的高频信息集中了图像的边缘纹理信息，占据了图像的小部分能量，对应小波系数中的高频系数。故经过以上分析，本发明通过小波变换中高频能量和低频能量的对比变化来体现混料的效果。具体的：对混料图像进行小波变换，得到混料图像对应的低频系数和高频系数，构建低频系数集合和高频系数集合。以高频和低频信息占据总能量的比例表征混料的效果，在步骤s200中，信源熵越大混料效果越不好，与之对应的，以低频能量的比例表征混料效果。需要说明的是，小波变换为本领域技术人员的公知技术。
41.以低频系数的占比作为图像频域评价指标，具体的：计算低频系数集合内低频系数之和作为第一和，计算低频系数集合和高频系数集合内高频系数和低频系数之和作为第二和。
42.第一和与第二和的比值为图像频域评价指标。低频信息占据的比例越大，即图像频域评价指标越大，混料效果越差；反之，低频信息占据的比例越少，对应的图像频域评价指标越小，则混料效果越好。
43.步骤s400，结合图像时域评价指标和图像频域评价指标得到混料图像的质量评价指标。
44.通过对混料图像的混料效果进行相关的分析，最终得到了图像时域评价指标和图像频域评价指标。进而，可结合得到的图像时域评价指标和图像频域评价指标得到混料图像的质量评价指标。具体的：图像时域评价指标和图像频域评价指标的乘积为混料图像的质量评价指标。
45.该质量评价指标用于表示当前混料质量的评价，质量评价指标越小，则对应的混料效果越好；反之，质量评价指标越大，则对应的混料效果越差。
46.在得到质量评价指标之后，根据质量评价指标和预设最优评价指标的差异对双螺杆挤出机的工作参数进行调节。
47.需要说明的是，在实际的操作过程中，由于仅依靠质量评价指标难以进行具体的量化，故本发明通过设定一个最优参考来进行具体的量化，所谓最优参考是指预设最优评价指标，该预设最优评价指标是参考人工经验，多次选取最优的混料效果按照步骤s100~步骤s400的方式来进行计算，得到多个最优参考指标，对多个最优参考指标求均值，将得到的均值作为预设最优评价指标。
48.在确定了预设最优评价指标之后，通过比较当前的质量评价指标和预设最优评价指标判断混料效果，并对双螺杆挤出机的工作参数进行调节。具体的：获取实时的混料图像对应的质量评价指标和预设最优评价指标的差值，由于影响无机粒子的聚合效果主要来自双螺杆挤出机的剪切力，当该差值大于预设差异阈值时，对双螺杆挤出机的功率和混料的进料速度进行调节。也即当前的混料图像的质量评价指标越大时，表明当前的剪切力不够大，此时增加双螺杆挤出机的功率，提高混料的力度，并减缓混料的进料速度。在本发明实施例中预设差异阈值为0，在其他实施例中实施者可根据实际情况调整该取值。该差值越趋近于0时，则反映混料效果越好。
49.综上所述，本发明实施例利用数据识别技术，是一种应用电子设备进行识别的方
法，利用生产领域人工智能系统完成改性塑料混料评价。该方法采用相关的电子设备进行图像识别，以获取混料图像；获取混料图像的信源熵；计算混料图像的相邻行和列的相关系数，得到混料图像的总相关系数；由信源熵和总相关系数得到图像时域评价指标；对混料图像进行小波变换，得到混料图像对应的低频系数和高频系数，以低频系数的占比作为图像频域评价指标；结合图像时域评价指标和图像频域评价指标得到混料图像的质量评价指标；根据质量评价指标和预设最优评价指标的差异对双螺杆挤出机的工作参数进行调节。本发明通过对混料图像进行数据识别得到质量评价指标避免了人为主观因素带来的影响，实现了实时监测改性塑料混料且达到了对改性塑料的混料进行实时控制的目的。
50.本发明实施例还提出了基于数据识别的改性塑料混料评价人工智能系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。由于基于数据识别的改性塑料混料评价方法在上述给出了详细描述，不再赘述。
51.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。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。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。
52.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。
53.以上所述仅为本发明的较佳实施例，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。