本发明专利技术提供一种分液过程监测方法及系统、存储介质及终端，包括以下步骤：获取基于RGB色彩空间的分液过程视频；对于所述分液过程视频的每一分液过程图像，提取分液容器的掩膜图像；将所述分液过程图像缩放为预设大小，并转换为灰度图像；对所述灰度图像和所述掩膜图像进行匹配，以获取所述灰度图像的感兴趣区域；计算每个灰度图像的感兴趣区域的图像熵，构建图像熵的时间序列。本发明专利技术的分液过程监测方法及系统、存储介质及终端基于边缘检测算法和图像熵算法实现实验室无人值守的分液操作过程监测，计算速度更快，识别更准确。识别更准确。识别更准确。
【技术实现步骤摘要】
分液过程监测方法及系统、存储介质及终端
[0001]本专利技术涉及机器视觉的
，特别是涉及一种分液过程监测方法及系统、存储介质及终端。
技术介绍
[0002]在新药合成研发过程中，萃取分液、沉淀溶解与析出、色谱分析(薄层色谱、柱色谱)等操作需要依赖人眼进行长期的监视。其中，分液过程因不同程度的乳化现象不仅极为耗时，而且准确度高度依赖主观经验。利用视觉识别非均相液体相界面在饮料装灌和反应工程等领域的成功经验表明机器视觉辅助药物科学家实现无人值守分液操作具有较高的应用潜力。
[0003]吴泽等提出了一套液面状态识别算法，该算法可以对工业反应釜内液体状态的变化快速准确地识别，从而实现工业反应釜液面分离。其中，通过对工业反应釜中液面数据分析，将液面数据分成五种类别，采用的五种经典特征提取算法分别是局部二值模式(Local Binary Pattern，LBP)、方向梯度直方图(Histogram of Oriented Gradient，HOG)、局部相位量化(Local Phase Quantization，LPQ)、Haar和颜色直方图，采用的分类器算法有支持向量机(Support Vector Machine，SVM)分类算法、随机森林分类算法和K最近邻(K
‑
Nearest Neighbor，KNN)KNN分类算法。
[0004]在基于液面图像HOG特征的主成分分析(Principal Components Analysis，PCA)降维分类模型研究中，首先HOG特征提取算法用于提取液面特征时，由于该算法提取得到的液面数据特征维度过高，故使用PCA方法对HOG特征进行降维；然后将降维后的特征与LBP、LPQ、Haar特征提取算法形成的特征在上述三种分类器进行比较，得出PCA对HOG降维后的特征在KNN分类器中识别率最高达93.15％，最后研究了PCA贡献率对HOG特征提取方法的影响。
[0005]在基于自适应阈值方式对颜色直方图特征提取算法进行改进时，首先使用传统的颜色直方图特征提取算法获得256维的特征，但该特征在各类分类器中表现不佳；然后对上述256维的特征通过设置阈值的方式得到256维的二值特征，使用上述三种分类器算法对该二值特征识别分类时识别率提升明显，但是设置阈值大小对识别准确率影响很大；最后采用自适应阈值方式形成二值化特征。基于自适应阈值方式改进的颜色直方图特征提取算法在随机森林分类算法和SVM分类器算法中均具有很高的识别准确率，同时通过实验对比表明改进的颜色直方图特征提取算法不仅对所有液面状态数据识别有着很高的准确率，而且在较少训练数据情况下依旧保持着较高的识别准确率。
[0006]朱鹏昌等采用图像分割技术对液舱内自由液面识别问题开展了一系列的研究。评估指标检验自由液面分割情况的结果表明：基于高斯差分滤波的分水岭算法可高效精确地识别平整、光滑的自由液面，精确度达到99％以上；而对于表面模糊、局部微破碎的液面识别却存在一定的偏差问题。基于Sobel算子滤波的分水岭算法能够实现对局部微破碎、表面模糊、附有气泡等类型液面的识别，精确度达到98％以上，但对于复杂破碎的液面识别却具
有一定的局限性。
[0007]针对破碎液面识别的特殊性，朱鹏昌等开发了基于U
‑
net网络的破碎波识别模型。该分割技术在破碎液面识别中具有稳定性好和精度较高等特点，精确度可达到95％以上。基于U
‑
net网络模型的智能识别技术不仅可弥补传统算法的不足，而且还保障了液面的识别精度。因而在流体力学试验中，基于U
‑
net网络模型的智能识别技术具有广泛的应用前景。
[0008]朱鹏昌等应用基于经验模态分解(Empirical Mode Decomposition，EMD)的Hilbert变换方法对舱室内液体的固有频率等参数进行分析。通过EMD分解原始信号去除噪声等干扰信号，经Hilbert变换求解固有频率和阻尼比。对比分析可知：实验值对应的一阶固有频率比理论值偏小，约为0.8
‑
0.9f1。由于EMD方法的降噪作用，实验值对应的一阶固有频率值比经FFT求解的一阶固有频率值偏小。IMF分量对应的阻尼比随着IMF相关性的降低而增大。
[0009]综上所述，基于机器视觉技术的分液过程识别算法主要依靠检测液面来判断分液过程，存在如下不足：
[0010](1)液面检测算法大多需要复杂的滤波处理与图像形态学操作，导致算法本身无法做到对液面的实时检测；
[0011](2)分液过程最明显的变化发生在十分复杂的液
‑
液相界面，多数情况下算法识别准确率不高，在液面变化不明显的情况下无法准确识别液
‑
液相界面的位置；
[0012](3)液面检测算法多关注于液面在玻璃瓶内的位置，无法对分液终点进行判断。
技术实现思路
[0013]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种分液过程监测方法及系统、存储介质及终端，基于边缘检测算法和图像熵算法实现实验室无人值守的分液操作过程监测，准确高效，识别度高。
[0014]为实现上述目的及其他相关目的，本专利技术提供一种分液过程监测方法，包括以下步骤：获取基于RGB色彩空间的分液过程视频；对于所述分液过程视频的每一分液过程图像，提取分液容器的掩膜图像；将所述分液过程图像缩放为预设大小，并转换为灰度图像；对所述灰度图像和所述掩膜图像进行匹配，以获取所述灰度图像的感兴趣区域；计算每个灰度图像的感兴趣区域的图像熵，构建图像熵的时间序列。
[0015]于本专利技术一实施例中，对于所述分液过程视频的每一分液过程图像，提取分液容器的掩膜图像包括以下步骤：
[0016]将所述分液过程图像转化为灰度图像；
[0017]基于高斯滤波对所述灰度图像进行滤波处理；
[0018]基于Sobel滤波器提取滤波后的灰度图像的图像梯度；
[0019]对提取图像梯度后的灰度图像进行闭操作；
[0020]对闭操作后的灰度图像进行测地膨胀，获取主体二值化图像；
[0021]对所述主体二值化图像进行孔洞填充，获取所述分液容器的掩膜图像。
[0022]于本专利技术一实施例中，根据将所述分液过程图像转化为灰度
图像；其中Gray表示灰度值，R、G、B表示所述分液过程图像的红、绿、蓝颜色通道值。
[0023]于本专利技术一实施例中，基于高斯滤波对所述灰度图像进行滤波处理时，采用3x3高斯核；所述3
×
3高斯核为
[0024]于本专利技术一实施例中，基于Sobel滤波器提取滤波后的灰度图像的图像梯度时，采用3
×
3的Sobel滤波器；所述3
×
3的Sobel滤波器的Sobel算子为和其中G
x
和G
y
分别表示横向梯度和纵向梯度，A表示需提取梯度的图像。
[0025]于本专利技术一实施例中，将所述分液过本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种分液过程监测方法，其特征在于：包括以下步骤：获取基于RGB色彩空间的分液过程视频；对于所述分液过程视频的每一分液过程图像，提取分液容器的掩膜图像；将所述分液过程图像缩放为预设大小，并转换为灰度图像；对所述灰度图像和所述掩膜图像进行匹配，以获取所述灰度图的感兴趣区域；计算每个灰度图像的感兴趣区域的图像熵，构建图像熵的时间序列。2.根据权利要求1所述的分液过程监测方法，其特征在于：对于所述分液过程视频的每一分液过程图像，提取分液容器的掩膜图像包括以下步骤：将所述分液过程图像转化为灰度图像；基于高斯滤波对所述灰度图像进行滤波处理；基于Sobel滤波器提取滤波后的灰度图像的图像梯度；对提取图像梯度后的灰度图像进行闭操作；对闭操作后的灰度图像进行测地膨胀，获取主体二值化图像；对所述主体二值化图像进行孔洞填充，获取所述分液容器的掩膜图像。3.根据权利要求2所述的分液过程监测方法，其特征在于：根据将所述分液过程图像转化为灰度图像；其中Gray表示灰度值，R、G、B表示所述分液过程图像的红、绿、蓝颜色通道值。4.根据权利要求2所述的分液过程监测方法，其特征在于：基于高斯滤波对所述灰度图像进行滤波处理时，采用3
×
3高斯核；所述3
×
3高斯核为5.根据权利要求2所述的分液过程监测方法，其特征在于：基于Sobel滤波器提取滤波后的灰度图像的图像梯度时，采用3
×
3的Sobel滤波器；所述3
×
3的Sobel滤波器的Sobel算子为和其中G
x
和G
y
分别表示横向梯度和纵向梯度，A表示需提取梯度的图像。6.根据权利要求1所述的分液过程监测方法，其特征在于：将所述分液过程视频的每一分液过程图像缩放为预设大小包括以下步骤：将所述分液过程图像的宽度缩放为预设像素；对宽度缩放后的分液过程图像进行长度缩放，使得长度缩放后的分液过程图像与所述分液过程图像的图像比例一致。7.一种分液过程监测系统，其特征在于：包括视频获取模块、掩膜提取模块、图像转换模块、匹配模块和监测模块；所述视频获取模块用于获取基于RGB色彩空间的分液过程视频；所述掩膜提取模块用于对于所述分液过程视频的每一分液过程图像，提取分液容器的掩膜图像；所述图像转换模块用于将所述分液过程图像缩放为预设大小，并转换为灰度图像；
所述匹配模块用于对所述灰度图像和所述掩膜图像进行匹配，以获取所述灰度图像的感兴趣区域；所述监测模块用于计算每个灰度图像的感兴趣区域的图像熵，构建图像熵的时间序...
【专利技术属性】
技术研发人员：彭伟，祝模芮，张浩，孔新淋，彭焕庆，
申请(专利权)人：重庆药羚科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。