System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術涉及圖像處理,尤其涉及一種基于視覺神經的橡膠促進劑顆粒直徑監測方法及系統。
技術介紹
1、隨著工業自動化水平的提升和產品質量要求的日益嚴格,橡膠制品的質量控制變得越來越重要。橡膠促進劑作為橡膠制品生產過程中不可或缺的添加劑之一,其顆粒直徑的均勻性和穩定性直接影響到橡膠制品的物理性能和使用壽命。因此,對橡膠促進劑顆粒直徑進行精確檢測成為確保產品質量的關鍵環節。
2、橡膠促進劑顆粒直徑的均勻性對于橡膠制品的加工性能、物理性能以及最終產品的質量穩定性至關重要。如果橡膠促進劑顆粒直徑分布不均,可能會導致橡膠制品在硫化過程中出現不均勻硫化現象,從而影響制品的強度、彈性和耐磨性等性能指標。此外,顆粒直徑的大小還會影響橡膠制品的加工工藝和生產效率。因此,對橡膠促進劑顆粒直徑進行精確檢測對于保障橡膠制品的質量具有重要意義。
3、目前,橡膠促進劑顆粒直徑的檢測方法主要包括光學顯微鏡法、激光粒度分析法和圖像處理法等。光學顯微鏡法是一種傳統的顆粒直徑檢測方法。通過顯微鏡觀察橡膠促進劑顆粒的形態和尺寸,并根據顆粒的投影面積或長度計算出顆粒的直徑。這種方法操作簡單、成本低廉,但精度較低,且無法實現自動化檢測。激光粒度分析法是一種非接觸式檢測技術。通過激光束照射橡膠促進劑顆粒,利用顆粒對激光的散射原理進行粒度分析。該方法具有檢測速度快、精度高、重復性好等優點,但設備成本較高。圖像處理法是通過數字圖像處理技術對橡膠促進劑顆粒進行尺寸測量。該方法通過圖像采集設備獲取顆粒圖像,然后利用圖像處理軟件對顆粒進行識別和尺寸測量。該方法
4、因此,如何實現大批量、高精度且穩定性的橡膠促進劑顆粒直徑是目前研究的問題。
技術實現思路
1、本專利技術實施例提供一種基于視覺神經的橡膠促進劑顆粒直徑監測方法及系統,用以大批量、高精度且穩定性的橡膠促進劑顆粒直徑。
2、為達到上述目的,本專利技術采用如下技術方案:
3、第一方面,提供一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,應用于電子設備,方法包括:電子設備獲取目標圖像,圖像包含多個橡膠促進劑顆粒,多個橡膠促進劑顆粒包含多個批次的橡膠促進劑顆粒;電子設備通過視覺神經網絡模型處理目標圖像,得到多個橡膠促進劑顆粒各自的直徑,其中,視覺神經網絡模型的卷積尺度與圖像中橡膠促進劑顆粒的尺寸匹配。
4、可選地,電子設備通過視覺神經網絡模型處理目標圖像,得到多個橡膠促進劑顆粒各自的直徑,包括:電子設備通過視覺神經網絡模型的卷積層中的至少一個卷積核對目標圖像進行卷積操作,得到目標圖像的卷積特征向量,至少一個卷積核均為三角卷積核;電子設備通過視覺神經網絡模型的特征處理層對目標圖像的卷積特征向量,得到多個橡膠促進劑顆粒各自的直徑,其中,特征處理層按處理的先后順序依次包括:?relu激勵層、池化層和?全聯接層。
5、可選地,至少一個卷積核包括第一卷積核,第一卷積核為三角卷積核包括第一卷積核為,k為大于或等于5的整數,--2表示依次遞減2,即表示:第一卷積核中第1行的大小為k,且第一卷積核中每行的大小依次遞減2,直至第一卷積核中最后1行的大小為1或2;第一卷積核的橫向移動的步長和縱向移動的步長的大小均k且大于或等于1。
6、可選地,第一卷積核的橫向移動的步長為x1,第一卷積核的縱向移動的步長y1,電子設備通過視覺神經網絡模型的卷積層中的至少一個卷積核對目標圖像進行卷積操作,得到目標圖像的卷積特征向量,包括:電子設備通過視覺神經網絡模型的卷積層中的第一卷積核,按步長分別為x1和y1對目標圖像進行卷積操作,得到目標圖像的卷積特征向量;
7、其中,目標圖像是分辨率為m*n的圖像,m和n為大于k的整數,m為行數,n為列數;在卷積操作的過程中,第一卷積核從位于目標圖像中第0行第0列的位置進行1次卷積,之后,第一卷積核按照步長為x1依次橫向移動并依次進行卷積,直至移動至位于目標圖像中第0行第n列的位置并進行1次卷積,第一卷積核按步長為y1縱向移動至位于目標圖像中第y1行第n列的位置并進行1次卷積,之后,第一卷積核按照步長為x1依次橫向移動并依次進行卷積,直至移動至位于目標圖像中第y1行第0列的位置并進行1次卷積,然后再依次類推,直至卷積完成,在卷積完成時,第一卷積核移動至位于目標圖像中第m-j1行且第n列的位置,j1為第一卷積核包含的行數;
8、其中,視覺神經網絡模型的卷積尺度與目標圖像中橡膠促進劑顆粒的尺寸匹配是指:目標圖像中被重復卷積的特征向量之間的距離為目標圖像中橡膠促進劑顆粒的直徑。
9、可選地,至少一個卷積核包括第二卷積核,第二卷積核為三角卷積核包括第二卷積核為,k為大于或等于5的整數,++2表示依次遞加2,即表示:第二卷積核中第1行的大小為1或2,且第二卷積核中每行的大小依次遞加2,直至第二卷積核中最后1行的大小為k;第二卷積核的橫向移動的步長和縱向移動的步長的大小均k且大于或等于1。
10、可選地,第二卷積核的橫向移動的步長為x2,第二卷積核的縱向移動的步長y2,電子設備通過視覺神經網絡模型的卷積層中的至少一個卷積核對目標圖像進行卷積操作,得到目標圖像的卷積特征向量,包括:電子設備通過視覺神經網絡模型的卷積層中的第二卷積核,按步長分別為x2和y2對目標圖像進行卷積操作,得到目標圖像的卷積特征向量;
11、其中,目標圖像是分辨率為m*n的圖像,m和n為大于k的整數,m為行數,n為列數;在卷積操作的過程中,第二卷積核從位于目標圖像中第j2行第0列的位置進行1次卷積,j2為第二卷積核包含的行數,之后,第二卷積核按照步長為x2依次橫向移動并依次進行卷積,直至移動至位于目標圖像中第j2行第n列的位置并進行1次卷積,第二卷積核按步長為y2縱向移動至位于目標圖像中第y2+j2行第n列的位置并進行1次卷積,之后,第二卷積核按照步長為x2依次橫向移動并依次進行卷積,直至移動至位于目標圖像中第y2+j2行第n列的位置并進行1次卷積,然后再依次類推,直至卷積完成,在卷積完成時,第二卷積核移動至位于目標圖像中第m行且第n列的位置;
12、其中,視覺神經網絡模型的卷積尺度與目標圖像中橡膠促進劑顆粒的尺寸匹配是指:目標圖像中被重復卷積的特征向量之間的距離為目標圖像中橡膠促進劑顆粒的直徑。
13、可選地,至少一個卷積核包括第一卷積核和第二卷積核;第一卷積核為三角卷積核包括第一卷積核為,k為大于或等于5的整數,--2表示依次遞減2,即表示:第一卷積核中第1行的大小為k,且第一卷積核中每行的大小依次遞減2,直至第一卷積核中最后1行的大小為1或2;第一卷積核的橫向移動的步長和縱向移動的步長的大小均k且大于或等于1;第二卷積核為三角卷積核包括第二卷積核為,k為大于或等于5的整數,++2表示依次遞加2,即表示:第二卷積核中第1行的大小為1或2,且第二卷積核中每行的大小依次遞加2,直至第二卷積核中最后1行的大小為k;第二卷積核的橫向移動的步長和縱向移動的步長本文檔來自技高網...
【技術保護點】
1.一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,應用于電子設備,所述方法包括:
2.根據權利要求1所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述電子設備通過視覺神經網絡模型處理所述目標圖像,得到所述多個橡膠促進劑顆粒各自的直徑,包括:
3.根據權利要求2所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述至少一個卷積核包括第一卷積核,所述第一卷積核為三角卷積核包括所述第一卷積核為,K為大于或等于5的整數,--2表示依次遞減2,即表示:所述第一卷積核中第1行的大小為K,且所述第一卷積核中每行的大小依次遞減2,直至所述第一卷積核中最后1行的大小為1或2;所述第一卷積核的橫向移動的步長和縱向移動的步長的大小均K且大于或等于1。
4.根據權利要求3所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述第一卷積核的橫向移動的步長為x1,所述第一卷積核的縱向移動的步長y1,所述電子設備通過所述視覺神經網絡模型的卷積層中的至少一個卷積核對所述目標圖像進行卷積操作,得到所述目標圖像的卷積特征向量
5.根據權利要求2所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述至少一個卷積核包括第二卷積核,所述第二卷積核為三角卷積核包括所述第二卷積核為,K為大于或等于5的整數,++2表示依次遞加2,即表示:所述第二卷積核中第1行的大小為1或2,且所述第二卷積核中每行的大小依次遞加2,直至所述第二卷積核中最后1行的大小為K;所述第二卷積核的橫向移動的步長和縱向移動的步長的大小均K且大于或等于1。
6.根據權利要求5所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述第二卷積核的橫向移動的步長為x2,所述第二卷積核的縱向移動的步長y2,所述電子設備通過所述視覺神經網絡模型的卷積層中的至少一個卷積核對所述目標圖像進行卷積操作,得到所述目標圖像的卷積特征向量,包括:
7.根據權利要求2所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述至少一個卷積核包括第一卷積核和第二卷積核;
8.根據權利要求7所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述第一卷積核的橫向移動的步長為x1,所述第一卷積核的縱向移動的步長y1,所述第二卷積核的橫向移動的步長為x2,所述第二卷積核的縱向移動的步長y2,所述電子設備通過所述視覺神經網絡模型的卷積層中的至少一個卷積核對所述目標圖像進行卷積操作,得到所述目標圖像的卷積特征向量,包括:
9.根據權利要求1-8中任一項所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述方法還包括:
10.一種基于視覺神經的橡膠促進劑顆粒直徑監測系統,其特征在于,所述系統包括電子設備,所述系統被配置為:
...【技術特征摘要】
1.一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,應用于電子設備,所述方法包括:
2.根據權利要求1所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述電子設備通過視覺神經網絡模型處理所述目標圖像,得到所述多個橡膠促進劑顆粒各自的直徑,包括:
3.根據權利要求2所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述至少一個卷積核包括第一卷積核,所述第一卷積核為三角卷積核包括所述第一卷積核為,k為大于或等于5的整數,--2表示依次遞減2,即表示:所述第一卷積核中第1行的大小為k,且所述第一卷積核中每行的大小依次遞減2,直至所述第一卷積核中最后1行的大小為1或2;所述第一卷積核的橫向移動的步長和縱向移動的步長的大小均k且大于或等于1。
4.根據權利要求3所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述第一卷積核的橫向移動的步長為x1,所述第一卷積核的縱向移動的步長y1,所述電子設備通過所述視覺神經網絡模型的卷積層中的至少一個卷積核對所述目標圖像進行卷積操作,得到所述目標圖像的卷積特征向量,包括:
5.根據權利要求2所述的一種基于視覺神經的橡膠促進劑顆粒直徑監測方法,其特征在于,所述至少一個卷積核包括第二卷積核,所述第二卷積核為三角卷積核包括所述第二卷積核為,k為大于或等于5的整數,++2表示依次遞加2,即表示:所述第...
【專利技術屬性】
技術研發人員:欒希政,楊曉輝,孫右振,
申請(專利權)人:榮成市化工總廠有限公司,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。