一种基于图像处理的乳胶粘稠度智能控制方法技术

本发明专利技术涉及一种基于图像处理的乳胶粘稠度智能控制方法，通过采集乳胶滴落过程图像，并进行连通域分析、灰度处理和边缘检测得到临界帧图像的边缘图像，根据滴落过程中所有的图像中最底部像素位置变化得到乳胶滴流速，分析临界帧图像的边缘图像中的连通域长宽、乳胶滴头部边缘像素变化斜率等数据，得到乳胶延展度、乳胶滴圆润度，并根据乳胶延展度、乳胶滴圆润度和乳胶滴流速得到乳胶粘稠度，利用乳胶粘稠度判断是否需要调整材料，若粘稠度适中，则不作调整，若粘稠度偏稠，则添加水，若粘稠度偏稀，则添加乳胶，基于图像处理，实现智能控制乳胶粘稠度，保证了产品质量。保证了产品质量。保证了产品质量。

【技术实现步骤摘要】
一种基于图像处理的乳胶粘稠度智能控制方法


[0001]本申请涉及人工智能领域，具体涉及一种基于图像处理的乳胶粘稠度智能控制方法。

技术介绍

[0002]在手套加工生产过程中，由于乳胶不断消耗，需要即使补充乳胶，然而，如果前后调制的乳胶粘稠度差距较大，且由于半浸胶手套所用胶水流动性较小，故而加入新的乳胶后，如未经过搅拌，会产生分层现象，进而导致前后加工生产出的手套胶层厚度不一致，所以需要提前控制新制备的乳胶与之前制备的乳胶粘稠度基本一致，而实际加料过程中大多是人工操作，仅凭人的视觉测量所制备的乳胶粘稠度存在不稳定性，存在很大的偏差，造成检测结果的不准确，会影响产品质量，因此需要对加料后的乳胶粘稠度重复进行检测合适的乳胶粘稠度是浸胶手套所有生产工艺的一个重要前提，乳胶粘稠度不当会影响后续一系列生产工艺的效果。

技术实现思路

[0003]本专利技术提供一种基于图像处理的乳胶粘稠度智能控制方法，以解决现有人工检测乳胶粘稠度时存在不稳定性造成误差的问题，采用如下技术方案：
[0004]步骤一：采集乳胶滴落过程中的每一帧图像；
[0005]步骤二：对每一帧图像进行连通域分析，得到临界帧图像，对临界帧图像进行灰度处理和边缘检测得到临界帧图像的边缘图像；
[0006]步骤三：根据临界帧图像的边缘图像中连通域的长轴长度、连通域的平均宽度及乳胶断开的时间特征值得到乳胶延展度；
[0007]步骤四：提取临界帧图像的边缘图像中的乳胶滴头部作为感兴趣区域，根据感兴趣区域的边缘像素点的斜率变化率和感兴趣区域的宽与长度比得到乳胶滴圆润度；
[0008]步骤五：根据初始帧图像到临界帧图像过程中乳胶滴最底端像素位置变化和相机采样频率得到乳胶滴流速；
[0009]步骤六：根据乳胶延展度、乳胶滴圆润度和乳胶滴流速得到乳胶粘稠度；
[0010]步骤七：将乳胶粘稠度和设定范围进行比对，若乳胶粘稠度超出设定范围，对制备乳胶原料的加入量进行调整。
[0011]所述乳胶粘稠度计算方法为：
[0012]NC＝B1B2e
‑
v
[0013]式中，NC为乳胶粘稠度，B1为乳胶延展度，B2为乳胶滴圆润度，v为乳胶滴流速，e为自然常数。
[0014]所述乳胶延展度计算方法如下：
[0015][0016]式中，为乳胶断开的时间特征值，i为临界帧图像n
i
的下标，即n帧图像中第i帧为临界帧图像，i＝1，2...n，n为乳胶滴落过程中的帧图像总数，L为临界帧图像的边缘图像的连通域长轴长度，W为临界帧图像的边缘图像的连通域平均宽度。
[0017]所述临界帧图像获取步骤为：
[0018]使用种子填充法对每一帧图像进行连通域分析，得到具有不同标签的连通域，使用最大标签号表示图像中的连通域个数，得到连通域个数序列；
[0019]当连通域个数序列中两个相邻数据的差值为1时，则前数据对应的帧图像为临界帧图像。
[0020]所述连通域长轴长度和连通域平均宽度获取步骤为：
[0021]根据临界帧图像的边缘图像的连通域内每一行边缘像素点之间的像素宽度得到像素宽度序列为G＝{d1，d2，...，d
J
}，其中，J为G的数据个数，G中最小的像素宽度为d
min
，将其作为乳胶的稳定宽度d
m
，即G中第m行的像素宽度；
[0022]去除G中不满足d
m
‑
δ＜d
a
＜d
m
+δ的数据和该数据在临界帧图像的边缘图像中的对应行的边缘像素，得到新的像素宽度序列G
′
＝{D1，D2，...，D
J
′
}和临界帧图像的边缘图像已去除上部边缘像素后的图像，其中，d
a
为G中第a行的像素宽度，1≤a＜m，δ为经验值，设为d
m
/10；
[0023]则将临界帧图像的边缘图像去除上部边缘像素后得到的图像中的连通域的长轴长度作为连通域长轴长度L；
[0024]则连通域的平均宽度W计算方法为：
[0025][0026]式中，D
b
为G
′
中第b行的像素宽度，b＝1，2，3...J
′
，J
′
为G
′
的数据个数，D
max
为G
′
中的最大像素宽度。
[0027]所述乳胶滴圆润度计算步骤为：
[0028]去除序列G
′
中满足d
m
‑
δ＜D
b
＜d
m
+δ的数据和该数据在临界帧图像的边缘图像中的对应行的边缘像素，得到像素宽度序列G
′1和临界帧图像的边缘图像已去除上、中部边缘像素后的图像，该图像为乳胶滴头部边缘图像，位于临界帧图像的边缘图像的下部，其中m＜b≤J
′
；
[0029]将乳胶滴头部边缘作为感兴趣区域，B(x，y
max
)为乳胶滴头部边缘像素的最底端像素点坐标，纵坐标最大，A(x
min
，y)为横坐标最小的像素点，C(x
max
，y)为横坐标最大的像素点；
[0030]从点A开始，使用5
×
5滑动窗口向纵坐标增大的方向逐个遍历边缘像素点，计算滑窗中纵坐标最小的像素点与纵坐标最大的像素点之间的斜率，直到遍历到点B处停止，得到斜率序列{k1，k2，...，k
p
}；
[0031]根据斜率序列得到斜率变化率K：
[0032][0033]式中，c＝1，2，...，p，p为斜率序列中斜率的个数；
[0034]则乳胶滴圆润度B2的计算方法为：
[0035][0036]式中，为乳胶滴头部的宽与长度之比，e为自然常数，值约等于2.7。
[0037]所述乳胶滴流速的计算步骤为：
[0038]统计从初始帧图像到临界帧图像过程中，乳胶边缘中纵坐标最大的像素点的纵坐标值y
g
的变化，得到序列{y
g1
，y
g2
，...，y
gi
}；
[0039]得到乳胶流速v的计算方法为：
[0040][0041]式中，d＝1，2，...，i
‑
1，f为相机的采样频率。
[0042]所述对制备乳胶原料的加入量进行调整的方法为：
[0043]间隔时间后获取乳胶滴的粘稠度NC
h
，若NC0‑
t≤NC
h
≤NC0+t，则乳胶粘稠度适中，系统停止乳胶材料量的调整；
[0044]若NC
h
＜NC0‑
t，则乳胶粘稠度偏稀，增加乳胶的材料量，搅拌均匀后，重复上一步；
[0045]若NC
h<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的乳胶粘稠度智能控制方法，其特征在于，包括：采集乳胶滴落过程中的每一帧图像；对每一帧图像进行连通域分析，得到临界帧图像，对临界帧图像进行灰度处理和边缘检测得到临界帧图像的边缘图像；根据临界帧图像的边缘图像中连通域的长轴长度、连通域的平均宽度及乳胶断开的时间特征值得到乳胶延展度；提取临界帧图像的边缘图像中的乳胶滴头部作为感兴趣区域，根据感兴趣区域的边缘像素点的斜率变化率和感兴趣区域的宽与长度比得到乳胶滴圆润度；根据初始帧图像到临界帧图像过程中乳胶滴最底端像素位置变化和相机采样频率得到乳胶滴流速；根据乳胶延展度、乳胶滴圆润度和乳胶滴流速得到乳胶粘稠度；将乳胶粘稠度和设定范围进行比对，若乳胶粘稠度超出设定范围，对制备乳胶原料的加入量进行调整。2.根据权利要求1所述的一种基于图像处理的乳胶粘稠度智能控制方法，其特征在于，所述乳胶粘稠度计算方法为：NC＝B
i
B2e
‑
v
式中，NC为乳胶粘稠度，B1为乳胶延展度，B2为乳胶滴圆润度，v为乳胶滴流速，e为自然常数。3.根据权利要求2所述的一种基于图像处理的乳胶粘稠度智能控制方法，其特征在于，所述乳胶延展度计算方法如下：式中，为乳胶断开的时间特征值,i为临界帧图像n
i
的下标，n帧图像中第i帧为临界帧图像，i＝1，2
…
n，n为乳胶滴落过程中的帧图像总数，L为临界帧图像的边缘图像的连通域长轴长度，W为临界帧图像的边缘图像的连通域平均宽度。4.根据权利要求1或3所述的一种基于图像处理的乳胶粘稠度智能控制方法，其特征在于，所述临界帧图像获取步骤为：使用种子填充法对每一帧图像进行连通域分析，得到具有不同标签的连通域，使用最大标签号表示图像中的连通域个数，得到连通域个数序列；当连通域个数序列中两个相邻数据的差值为1时，则前数据对应的帧图像为临界帧图像。5.根据权利要求3所述的一种基于图像处理的乳胶粘稠度智能控制方法，其特征在于，所述连通域长轴长度和连通域平均宽度获取步骤为：根据临界帧图像的边缘图像的连通域内每一行边缘像素点之间的像素宽度得到像素宽度序列为G＝{d1,d3,...,d
J
}，其中，j为G的数据个数，G中最小的像素宽度为d
min
，将其作为乳胶的稳定宽度d
m
，即G中第m行的像素宽度；去除G中不满足d
m
‑
δ&lt;d
a
&lt;d
m
+δ的数据和该数据在临界帧图像的边缘图像中的对应行的边缘像素，得到新的像素宽度序列G
′
＝{D1,D2,...,G
J
′
}和临界帧图像的边缘图像已去除上
部边缘像素后的图像，其中，d
a
为G中第a行的像素宽度，1≤a&lt;m，δ为经验值，设为d
m
/10；则将临界帧图像的边缘图像去除上部边缘像素后得到的图像中的连通域的长轴长度作为连通域长轴长度L；则...

【专利技术属性】
技术研发人员：王杰，
申请(专利权)人：宿迁凯达环保设备制造有限公司，
类型：发明
国别省市：