久久综合久色欧美综合狠狠,公交车侵犯小男生肉(H),freesexvideos高潮hd护士

趙野軍1,呂柏源2,程　源1(1.北京化工大學(xué),北京　100029;2.青島科技大學(xué),山東青島　266042)

作者簡(jiǎn)介:趙野軍(1961-),男,工學(xué)博士,副教授,已發(fā)表論文20余篇。

影響橡膠制品質(zhì)量的一項(xiàng)關(guān)鍵因素是膠料的混煉效果,而混煉的質(zhì)量與炭黑粒子分布的均勻性有相當(dāng)大的關(guān)系。橡膠中的炭黑分散度是指炭黑在膠料中分散均勻的程度,其指標(biāo)是衡量膠料質(zhì)量和其成品性能好壞的重要尺度。目前,普遍采用的方法有[1~3]:

表面觀察法:由操作人員觀察顯微拍攝的圖像判斷膠料中炭黑的分散度。由操作人員的綜合標(biāo)準(zhǔn)判斷定級(jí),受到人為主觀因素的影響。粒徑直接測(cè)量法:測(cè)量膠料中未分散顆粒的大小和數(shù)量,此測(cè)量值只是混煉的炭黑團(tuán)本身的分散的情況,沒有考慮在更大范圍內(nèi)的混煉分布的均勻性。

表面粗糙度分析法:圖像直觀地反映膠料表面的情況,雖然圖像既反映分散(峰高、峰值數(shù))又反映分布(波峰的分布)情況,但最后的計(jì)算值卻只考慮了峰高和峰值數(shù)的比(平均)值。同樣,只反映了分散情況。

間接測(cè)定法:根據(jù)未硫化膠物理性能進(jìn)行判斷的估算法(如測(cè)量門尼粘度、擠出收縮率、三維表面粗糙度、電阻等都是根據(jù)混煉膠的性能來估算炭黑分散度)。

以上直接測(cè)量法中是通過對(duì)顯微鏡所攝的圖像再進(jìn)行計(jì)算機(jī)處理和自動(dòng)測(cè)定。為此利用現(xiàn)代化的技術(shù),提供快速、精確的測(cè)試結(jié)果(快速精確地測(cè)試填料的分散度),可有效地改善膠料的加工性能,達(dá)到節(jié)能效果。

本文所提出的改進(jìn)方法,達(dá)到了應(yīng)用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)智能化評(píng)測(cè)系統(tǒng),這對(duì)更全面評(píng)測(cè)炭黑混合均勻性有著重要實(shí)際意義。

本文的智能化評(píng)測(cè)系統(tǒng)主要涉及以下3個(gè)方面:

(1)彩色圖像攝像過程中的自動(dòng)對(duì)焦和放大功能;(2)去除圖像背景中影響測(cè)量精度的預(yù)處理系統(tǒng)(包括連通法、輪廓法、BP識(shí)別法)[4~6];(3)基于炭黑距離的分散度計(jì)算(包括隨機(jī)統(tǒng)計(jì)法、質(zhì)心計(jì)算、直方圖的均方差等)。

1　圖像前期處理的改進(jìn)技術(shù)

1.1　圖像攝像的自動(dòng)對(duì)焦和放大功能

要減小或去除各種影響測(cè)量精度的方法包括:彩色圖像攝像、自動(dòng)對(duì)焦和放大功能、圖像明暗度的調(diào)整,識(shí)別區(qū)域的劃分(連通法、輪廓法),不同物體的識(shí)別(BP識(shí)別)等方面。

在膠料炭黑分散度測(cè)定的過程,應(yīng)設(shè)法降低設(shè)備對(duì)人的依賴程度,實(shí)現(xiàn)更客觀地自動(dòng)測(cè)定。為此,通過計(jì)算圖像清晰度來調(diào)節(jié)顯微鏡焦距,而顯微鏡的放大倍數(shù)則根據(jù)炭黑的顆粒最小直徑對(duì)應(yīng)單個(gè)圖像像素點(diǎn)為參考。

清晰度計(jì)算方法:要實(shí)現(xiàn)自動(dòng)調(diào)焦,首先要計(jì)算清晰度的評(píng)價(jià)函數(shù),可以通過圖像的灰度、梯度導(dǎo)出。在圖像平滑處理中采用鄰域平均法,類似于積分過程,積分的結(jié)果使圖像的邊緣變得模糊。而微分則產(chǎn)生相反效應(yīng),使圖像尖銳化。清晰度則建立在圖像尖銳化的梯度法的基礎(chǔ)上。微分尖銳化最常用的方法梯度法中的局部差分公式為:

G(x,y) = f(x,y)-f(x+1,y+1) + f(x+1,y)-f(x,y+1) (1)

調(diào)焦方法:當(dāng)沿不同方向調(diào)焦時(shí),計(jì)算對(duì)應(yīng)的清晰度G(x,y)依次的變化的規(guī)律進(jìn)行調(diào)焦,從而實(shí)現(xiàn)自動(dòng)對(duì)焦攝像功能。

1.2　圖像的彩色攝像

為獲得更全面的信息,采用圖像的彩色攝像,以達(dá)到區(qū)分圖像中的雜質(zhì)與炭黑。采取對(duì)彩色圖像文件直接進(jìn)行處理,可更方便識(shí)別炭黑顆粒圖像。用智能BP方式識(shí)別實(shí)物時(shí),不必通過閥值進(jìn)行單色轉(zhuǎn)換,可更有效地減少測(cè)量結(jié)果誤差。

1.3　圖像直方圖調(diào)整明暗度

通過直方圖可修正消除光線的影響,直方圖表示圖像中每一個(gè)灰度級(jí)所出現(xiàn)的頻數(shù)間的統(tǒng)計(jì)關(guān)系。橫坐標(biāo)是灰度級(jí),縱坐標(biāo)是該灰度級(jí)出現(xiàn)的頻率。如光線較暗時(shí),直方圖的分布就集中在灰度值小的一邊。反之,光線太強(qiáng),則分布在灰度值大的一邊。為消除光線對(duì)圖像的影響,可對(duì)直方圖做均衡化處理。即將灰度過于集中的一邊拉寬,使圖像均勻分布在各個(gè)灰度級(jí),從而增大反差,使圖像細(xì)節(jié)清晰,對(duì)比度改善。

1.4　邊緣提取法

物體周圍像素灰度值是階躍變化的像素點(diǎn)的集合。邊緣方法存在于物體與背景,物體與物體,圖像基元與基元等關(guān)系之間。是圖像分割所依賴的重要特征,邊緣是由灰度的不連續(xù)所反映的。經(jīng)典的方法是考察圖像中每個(gè)象素在某個(gè)鄰域內(nèi)灰度的變化。

1.5　邊界跟蹤法

邊界跟蹤法用于提出物體的輪廓線,邊界跟蹤效果主要取決于兩個(gè)因素。一是起始點(diǎn)的選取,起始點(diǎn)的選取影響跟蹤精度,還可能給算法的設(shè)計(jì)增加難度。二是跟蹤準(zhǔn)則。跟蹤準(zhǔn)則一般是:邊緣跟蹤從圖像左上角開始逐像點(diǎn)掃描,當(dāng)遇到邊緣點(diǎn)時(shí)則開始順序跟蹤,直至跟蹤的后續(xù)點(diǎn)回到起始點(diǎn)(閉合線)或其后點(diǎn)再?zèng)]有新的后續(xù)點(diǎn)(非閉合線)。

該算法對(duì)每一個(gè)像素的處理都按一定的順序執(zhí)行,即后面的處理要有前面的處理結(jié)果。每個(gè)跟蹤點(diǎn)有8個(gè)方向,對(duì)每個(gè)方向制定了方向編號(hào)及偏移量。圖像文件是從左到右,從下向上的順序,因此,圖像的最左下方的像素點(diǎn)為起始點(diǎn)。找到起始點(diǎn)并記錄下來。定義初始的跟蹤方向是左上方為0方向,判斷該點(diǎn)是否為目標(biāo)點(diǎn)(像素值大于閥值),是把該目標(biāo)點(diǎn)作為跟蹤的新的起始點(diǎn),并按逆時(shí)針90度作為新的方向。否則若不是則每次沿順時(shí)針45度作為跟蹤方向,直到找到目標(biāo)點(diǎn)并記錄后,再按逆時(shí)針90度重新開始。

1.6　物體特征的BP識(shí)別法

由于不同物體對(duì)應(yīng)有不同的圖形,依此可以進(jìn)一步將前述所識(shí)別的樣品位置和編號(hào)進(jìn)行分類,本文采用BP神經(jīng)網(wǎng)絡(luò)方式,具體步驟為:歸一化處理,根據(jù)前面的區(qū)域劃分結(jié)果,取得每個(gè)樣品編號(hào);根據(jù)最長(zhǎng)邊進(jìn)行線型幾何比例變換,統(tǒng)一為8×8的矩形圖像。輸入到已學(xué)習(xí)好BP網(wǎng)絡(luò)模型中,即可計(jì)算出該物體的類別。利用不同物質(zhì)(氣泡、刀痕、炭黑)具有的形狀和色彩的特征不同,通過BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)了各種特征后作為識(shí)別基礎(chǔ)。通過集成的BP神經(jīng)網(wǎng)分類器,提高分類能力。

經(jīng)過以上預(yù)處理,去除了測(cè)量中的各種影響因素(如:明暗度、氣泡、刀痕),最終獲得的圖像文件中,每個(gè)像素點(diǎn)代表不同含義:如,0-背景;1~3表示該像素點(diǎn)對(duì)應(yīng)的炭黑顆粒數(shù)(可能重疊多個(gè));4表示是不作處理如刀痕或氣泡區(qū)域;5~7保留備用。至此,為統(tǒng)計(jì)分析炭黑混煉分散程度做好了前期準(zhǔn)備。

2　基于炭黑距離的分散度計(jì)算

目前常用的計(jì)算分散度的方法是通過統(tǒng)計(jì)黑白像素(區(qū)域面積)的比例來表示炭黑的均勻程度,但事實(shí)上,若是相同的黑白面積的比例值是無法準(zhǔn)確來表示炭黑的混合效果的。本文通過統(tǒng)計(jì)每個(gè)炭黑粒子到質(zhì)心的距離,根據(jù)各個(gè)距離段內(nèi)炭黑個(gè)數(shù)的比例是否均勻來判斷混合的均勻性,具有更科學(xué)性。另外,通過多次不同的隨機(jī)處理方法來檢查炭黑混煉過程的一致性[7]。

2.1　用隨機(jī)方式統(tǒng)計(jì)平均值

通過對(duì)圖像的多次隨機(jī)選取不同位置區(qū)域的方法來檢查其整個(gè)過程的一致性。一致性可以分采樣隨時(shí)間和位置的分布來選擇。

為此,通過隨機(jī)函數(shù),產(chǎn)生不同時(shí)間、不同位置、不同大小的采樣圖像處理單元。最后,將這些不同樣本處理單元分別進(jìn)行分散度計(jì)算,再統(tǒng)計(jì)成平均值,就得出反映整個(gè)過程中混合均勻性的波動(dòng)范圍。

2.2　測(cè)距計(jì)算方法

在每個(gè)處理樣本的處理單元中,先計(jì)算出本單元的質(zhì)心。然后為質(zhì)心計(jì)算中心,計(jì)算各炭黑到質(zhì)心的距離,以達(dá)到綜合反映分散度和分布度?？梢岳斫鉃榻y(tǒng)計(jì)出的距離較遠(yuǎn)的比例表示分布性,而較小距離的比例表示分散性。

2.2.1　計(jì)算質(zhì)心公式

計(jì)算當(dāng)前處理圖像中分散炭黑的質(zhì)心位置的計(jì)算公式如下:

2.2.2　質(zhì)心計(jì)算步驟

以下為計(jì)算質(zhì)心的算法:

for(i=1;i< L;i++){

for(j=1;j< H;j++){

if(*pixeloffset(i,j),value)! =0){

Gi+=i;　∥質(zhì)心橫坐標(biāo)

Gj+=i;　∥質(zhì)心縱坐標(biāo)

Gs++;∥總個(gè)數(shù)

Average(X)=Gi/Gs

Average(Y)=Gj/Gs

2.2.3　各像素點(diǎn)的距離累加計(jì)算步驟

類似以上步驟,只是把計(jì)算質(zhì)心公式用求兩點(diǎn)距離公式代替即可。

for(i=1;i< L;i++){

for(j=1;j< H;j++){

if(*pixeloffset(i,j),value)! =0){

Si=(i-Gi)*(i-Gi)　∥點(diǎn)i到質(zhì)心Gi的橫坐標(biāo)距離平方

Sj=(j-Gj)*(j-Gj)　∥點(diǎn)j到質(zhì)心Gj的縱坐標(biāo)距離平方

S=sqrt(Si+Sj)∥像素點(diǎn)到質(zhì)心的距離

ZS=ZS+sqrt(Si+Sj)　∥各像素點(diǎn)的距離累加值

DS[S]++;　∥將距離為S的炭黑個(gè)數(shù)加1}

3　綜合評(píng)定分散度的方法和分析

3.1　距離頻度統(tǒng)計(jì)直方圖

完成以上各像素點(diǎn)的距離累加計(jì)算后,則進(jìn)一步進(jìn)行對(duì)距離的計(jì)算結(jié)果建立評(píng)定模型和結(jié)果分析。

距離頻度統(tǒng)計(jì)直方圖表示圖像中各段炭黑顆粒到質(zhì)心距離所出現(xiàn)的頻數(shù)間的統(tǒng)計(jì)關(guān)系。橫坐標(biāo)表示各個(gè)距離段,縱坐標(biāo)是該距離段出現(xiàn)的頻率,即上述計(jì)算步驟中S和DS[S]值。

距離頻度統(tǒng)計(jì)直方圖反映了炭黑各段距離在整個(gè)圖中所出現(xiàn)的比例。如果圖像中炭黑的分散度越好,則各段的頻度值也越平均。反之,則頻度值會(huì)過于集中在某一區(qū)域,呈不勻稱分布。圖1是距離頻度統(tǒng)計(jì)直方圖。

(a)表示整個(gè)炭黑的分布均勻。其距離頻度圖顯示各個(gè)距離段炭黑的比例都是比較接近的平均值,且均值保持在整個(gè)范圍內(nèi)。

(b)整體分布的屬于均勻,但炭黑團(tuán)沒有完全分散開。其距離頻度圖顯示近距離段和遠(yuǎn)距離(兩端)段的炭黑所占比例較高,中間距離段的比例很低,整個(gè)范圍內(nèi)各段比例是跳躍性的。

(c)整體分布的不均勻,但炭黑團(tuán)基本分散開。其距離頻度圖顯示近距離段炭黑所有比例較高,但遠(yuǎn)距離段的比例很低。整個(gè)范圍來看,近距離段的平均值接近。

(d)表示整體分布不均勻,炭黑團(tuán)也沒有完全分散開。其距離頻度圖顯示各距離段很不均勻。整個(gè)范圍內(nèi)各段比例呈跳躍性,沒有規(guī)律。

3.2　分散度的綜合評(píng)定

完成了炭黑分散程度直方圖的圖形化的直觀了解后,再進(jìn)一步建立一個(gè)綜合的統(tǒng)一評(píng)定模型,從以下幾點(diǎn)考慮:

(1)計(jì)算全部距離加權(quán)平均值,即直方圖中縱坐標(biāo)個(gè)數(shù)與距離之積的累加,即圖中虛線。

(2)計(jì)算每個(gè)距離與加權(quán)平均值的差方值(縱坐標(biāo)減平均值的平方),并乘以適當(dāng)?shù)男拚?修正值默認(rèn)值是1,但考慮到不同距離的重要性,如想強(qiáng)調(diào)分布性的重要,可將遠(yuǎn)距離修正值減小)。

(3)累加所有差方值。

(4)值越小說明分布和分散度都越好,反之說明無論是分布、分散或兩者皆有的情況下,其均勻性很差。

通過以上分析,可以看到用基于測(cè)距方式對(duì)橡膠中炭黑的分散度進(jìn)行綜合評(píng)定方法優(yōu)勢(shì)。它比傳統(tǒng)的基于黑白面積比的方法更客觀、更全面、更統(tǒng)一和更容易。

4　結(jié)論

本文提出的基于測(cè)距方式對(duì)橡膠中炭黑的分散度進(jìn)行綜合評(píng)定的方法改進(jìn)了目前常用的黑白填充法的不足。因?yàn)閭鹘y(tǒng)的黑白區(qū)域填充法僅能統(tǒng)計(jì)炭黑的個(gè)數(shù),卻無法表示各炭黑的分布情況;或者通過預(yù)先設(shè)定的若干種不同粒徑大小的炭黑團(tuán)來分別處理[8]。而本文提出的基于測(cè)距方式則能反映炭黑的分散度的均勻性。經(jīng)過以下處理方法:

(1)考慮炭黑的粒徑大小是比較接近,本文提出經(jīng)一定的圖像處理后,直接對(duì)每個(gè)炭黑顆粒進(jìn)行處理。

(2)當(dāng)圖像中每個(gè)炭黑顆粒對(duì)應(yīng)一個(gè)像素點(diǎn)時(shí),計(jì)算各炭黑間的距離,并求出各段距離的分布直方圖。

(3)建立均方差及其加權(quán)修正等綜合評(píng)定模型。

(4)為保證測(cè)量的重復(fù)一致性,實(shí)現(xiàn)用不同時(shí)間、不同位置的隨機(jī)統(tǒng)計(jì)方法求得平均值。如何實(shí)現(xiàn)能夠在線或離線很短幾秒鐘內(nèi)測(cè)出混煉膠的可重復(fù)一致的分散度測(cè)量結(jié)果是炭黑測(cè)量的目標(biāo)。做到這一點(diǎn)的意義深遠(yuǎn),潛在著巨大的節(jié)約效果。目前生產(chǎn)企業(yè)為了確保充分分散而不得不過度混煉。如果能把膠料混煉至炭黑分散度剛好達(dá)到要求的程度,則每批混煉膠的混煉時(shí)間都可以節(jié)省,從而大幅度提高生產(chǎn)效率。

參考文獻(xiàn):

[1]　汪傳生.混煉膠中炭黑分散度測(cè)定方法的改進(jìn)[J].橡膠工業(yè),2004,51(12):755-758.

[2]　ИСЮряондр,唐云峰譯.炭黑分散度對(duì)輪胎質(zhì)量的影響[J].輪胎工業(yè),1996,16(2):90-92.

[3]　ManasZ.Analysise of mixing in polymer processing equip-ment [J].Rheology Bulletin,1997,66(1):58.

[4]　黃劍華.概率距離在聯(lián)機(jī)漢字識(shí)別中的應(yīng)用[J].微處理機(jī),2001,01.

[5]　張宏林.Visual C++數(shù)字圖像模式識(shí)別技術(shù)及工程實(shí)踐[M].北京:人民郵電出版社,2003.

[6]　徐慧.Visual C++數(shù)字圖像實(shí)用工程案例精選[M].北京:人民郵電出版社,2004.

[7]　王明蘭.膠料中炭黑分散性的模糊判別法[J].橡膠工業(yè),2001,48(5):302-305.

[8]　王明蘭.膠料中炭黑分散度的自動(dòng)判別[J].信息與控制,2002,31(1):59-61.

[9]　范雄.高聚物結(jié)晶度的X射線衍射測(cè)定[J].理化檢驗(yàn)-物理分冊(cè),1998,34(12):17-20.

[10]　黃華.晶態(tài)聚合物結(jié)構(gòu)的X射線衍射分析及其進(jìn)展[J].化學(xué)研究與應(yīng)用,1998,10(2).:118-124 .

[11]　杜寶石.X射線衍射測(cè)定氯磺化聚乙烯硫化膠的結(jié)晶度[J].高分子材料科學(xué)與工程,1996,12(1):124-129.