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,受到人為主觀因素的影響。粒徑直接測量法:測量膠料中未分散顆粒的大小和數(shù)量,此測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。
間接測定法:根據(jù)未硫化膠物理性能進(jìn)行判斷的估算法(如測量門尼粘度、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)。
以上直接測量法中是通過對顯微鏡所攝的圖像再進(jìn)行計算機處理和自動測定。為此利用現(xiàn)代化的技術(shù),提供快速、精確的測試結(jié)果(快速精確地測試填料的分散度),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)用計算機技術(shù)實現(xiàn)智能化評測系統(tǒng),這對更全面評測炭黑混合均勻性有著重要實際意義。
本文的智能化評測系統(tǒng)主要涉及以下3個方面:
(1)彩色圖像攝像過程中的自動對焦和放大功能;(2)去除圖像背景中影響測量精度的預(yù)處理系統(tǒng)(包括連通法、輪廓法、BP識別法)[4~6];(3)基于炭黑距離的分散度計算(包括隨機統(tǒng)計法、質(zhì)心計算、直方圖的均方差等)。
1 圖像前期處理的改進(jìn)技術(shù)
1.1 圖像攝像的自動對焦和放大功能
要減小或去除各種影響測量精度的方法包括:彩色圖像攝像、自動對焦和放大功能、圖像明暗度的調(diào)整,識別區(qū)域的劃分(連通法、輪廓法),不同物體的識別(BP識別)等方面。
在膠料炭黑分散度測定的過程,應(yīng)設(shè)法降低設(shè)備對人的依賴程度,實現(xiàn)更客觀地自動測定。為此,通過計算圖像清晰度來調(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應(yīng)單個圖像像素點為參考。
清晰度計算方法:要實現(xiàn)自動調(diào)焦,首先要計算清晰度的評價函數(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,計算對應(yīng)的清晰度G(x,y)依次的變化的規(guī)律進(jìn)行調(diào)焦,從而實現(xiàn)自動對焦攝像功能。
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。采取對彩色圖像文件直接進(jìn)行處理,可更方便識別炭黑顆粒圖像。用智能BP方式識別實物時,不必通過閥值進(jìn)行單色轉(zhuǎn)換,可更有效地減少測量結(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灰度級所出現(xiàn)的頻數(shù)間的統(tǒng)計關(guān)系。橫坐標(biāo)是灰度級,縱坐標(biāo)是該灰度級出現(xiàn)的頻率。如光線較暗時,直方圖的分布就集中在灰度值小的一邊。反之,光線太強,則分布在灰度值大的一邊。為消除光線對圖像的影響,可對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灰度級,從而增大反差,使圖像細(xì)節(jié)清晰,對比度改善。
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象素在某個鄰域內(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因素。一是起始點的選取,起始點的選取影響跟蹤精度,還可能給算法的設(shè)計增加難度。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掃描,當(dāng)遇到邊緣點時則開始順序跟蹤,直至跟蹤的后續(xù)點回到起始點(閉合線)或其后點再沒有新的后續(xù)點(非閉合線)。
該算法對每一個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。每個跟蹤點有8個方向,對每個方向制定了方向編號及偏移量。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為起始點。找到起始點并記錄下來。定義初始的跟蹤方向是左上方為0方向,判斷該點是否為目標(biāo)點(像素值大于閥值),是把該目標(biāo)點作為跟蹤的新的起始點,并按逆時針90度作為新的方向。否則若不是則每次沿順時針45度作為跟蹤方向,直到找到目標(biāo)點并記錄后,再按逆時針90度重新開始。
1.6 物體特征的BP識別法
由于不同物體對應(yīng)有不同的圖形,依此可以進(jìn)一步將前述所識別的樣品位置和編號進(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,取得每個樣品編號;根據(jù)最長邊進(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,每個像素點代表不同含義:如,0-背景;1~3表示該像素點對應(yīng)的炭黑顆粒數(shù)(可能重疊多個);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算
目前常用的計算分散度的方法是通過統(tǒng)計黑白像素(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)計每個炭黑粒子到質(zhì)心的距離,根據(jù)各個距離段內(nèi)炭黑個數(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處理方法來檢查炭黑混煉過程的一致性[7]。
2.1 用隨機方式統(tǒng)計平均值
通過對圖像的多次隨機選取不同位置區(qū)域的方法來檢查其整個過程的一致性。一致性可以分采樣隨時間和位置的分布來選擇。
為此,通過隨機函數(shù),產(chǎn)生不同時間、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)行分散度計算,再統(tǒng)計成平均值,就得出反映整個過程中混合均勻性的波動范圍。
2.2 測距計算方法
在每個處理樣本的處理單元中,先計算出本單元的質(zhì)心。然后為質(zhì)心計算中心,計算各炭黑到質(zhì)心的距離,以達(dá)到綜合反映分散度和分布度。可以理解為統(tǒng)計出的距離較遠(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 計算質(zhì)心公式
計算當(dāng)前處理圖像中分散炭黑的質(zhì)心位置的計算公式如下:
2.2.2 質(zhì)心計算步驟
以下為計算質(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++;∥總個數(shù)
Average(X)=Gi/Gs
Average(Y)=Gj/Gs
2.2.3 各像素點的距離累加計算步驟
類似以上步驟,只是把計算質(zhì)心公式用求兩點距離公式代替即可。
for(i=1;i< L;i++){
for(j=1;j< H;j++){
if(*pixeloffset(i,j),value)! =0){
Si=(i-Gi)*(i-Gi) ∥點i到質(zhì)心Gi的橫坐標(biāo)距離平方
Sj=(j-Gj)*(j-Gj) ∥點j到質(zhì)心Gj的縱坐標(biāo)距離平方
S=sqrt(Si+Sj)∥像素點到質(zhì)心的距離
ZS=ZS+sqrt(Si+Sj) ∥各像素點的距離累加值
DS[S]++; ∥將距離為S的炭黑個數(shù)加1}
3 綜合評定分散度的方法和分析
3.1 距離頻度統(tǒng)計直方圖
完成以上各像素點的距離累加計算后,則進(jìn)一步進(jìn)行對距離的計算結(jié)果建立評定模型和結(jié)果分析。
距離頻度統(tǒng)計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)計關(guān)系。橫坐標(biāo)表示各個距離段,縱坐標(biāo)是該距離段出現(xiàn)的頻率,即上述計算步驟中S和DS[S]值。
距離頻度統(tǒng)計直方圖反映了炭黑各段距離在整個圖中所出現(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)計直方圖。
(a)表示整個炭黑的分布均勻。其距離頻度圖顯示各個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)一步建立一個綜合的統(tǒng)一評定模型,從以下幾點考慮:
(1)計算全部距離加權(quán)平均值,即直方圖中縱坐標(biāo)個數(shù)與距離之積的累加,即圖中虛線。
(2)計算每個距離與加權(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,可以看到用基于測距方式對橡膠中炭黑的分散度進(jìn)行綜合評定方法優(yōu)勢。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
本文提出的基于測距方式對橡膠中炭黑的分散度進(jìn)行綜合評定的方法改進(jìn)了目前常用的黑白填充法的不足。因為傳統(tǒng)的黑白區(qū)域填充法僅能統(tǒng)計炭黑的個數(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,直接對每個炭黑顆粒進(jìn)行處理。
(2)當(dāng)圖像中每個炭黑顆粒對應(yīng)一個像素點時,計算各炭黑間的距離,并求出各段距離的分布直方圖。
(3)建立均方差及其加權(quán)修正等綜合評定模型。
(4)為保證測量的重復(fù)一致性,實現(xiàn)用不同時間、不同位置的隨機統(tǒng)計方法求得平均值。如何實現(xiàn)能夠在線或離線很短幾秒鐘內(nèi)測出混煉膠的可重復(fù)一致的分散度測量結(jié)果是炭黑測量的目標(biāo)。做到這一點的意義深遠(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)機漢字識別中的應(yīng)用[J].微處理機,2001,01.
[5] 張宏林.Visual C++數(shù)字圖像模式識別技術(shù)及工程實踐[M].北京:人民郵電出版社,2003.
[6] 徐慧.Visual C++數(shù)字圖像實用工程案例精選[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射線衍射測定[J].理化檢驗-物理分冊,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.
[12] 金春玲.酚醛樹脂固化度的X射線衍射分析[J].宇航材料工藝,1997,(2):54-57.
[13] 徐燧偉.用X射線衍射法測定硫化膠中的無機物含量[J].橡膠工業(yè),1994,41(10):617-623 .
[14] 石油部科技司.多晶X射線衍射儀[M].北京:北京大學(xué)出版社,1979.
[15] 韓曙鵬.X射線衍射研究聚丙烯腈原絲的晶態(tài)結(jié)構(gòu)[J].北京化工大學(xué)學(xué)報,2005,32(2):63-68.
[16] 唐春紅.聚丙烯腈原絲微結(jié)構(gòu)的X射線衍射分析[J].北京化工大學(xué)學(xué)報,2004,31(3):55-59.
[17] 彭濤.樣品傾斜的X射線衍射法分析芳綸Ⅲ纖維徑向結(jié)構(gòu)[J].合成纖維,2005,6(21):21-25.
[18] 劉平安.聚丙烯/尼龍6共混物的X射線衍射研究[J].高分子材料科學(xué)與工程,2000,16(6):83-86.
[19] 劉維.電子顯微鏡的原理與應(yīng)用[J].現(xiàn)代儀器使用與維修,1996,(1):45-48.
[20] 鄒文俊.電子顯微鏡在高分子研究中的應(yīng)用[J].鄭州工業(yè)高專學(xué)報,1996,12(1):14-18.
[21] 王樹根.應(yīng)用電子顯微鏡鑒定山羊絨織物[J].毛紡科技,2001,(5):45-48.
[22] 賈紅兵.電子顯微鏡在橡膠研究中的應(yīng)用[J].合成橡膠工業(yè),1996,19(6):373-377.
[23] Beeker M A.Initial Detradtive Changes Found in BombyxMori Silk Fibrain[C].Washinngton:American ChaemicalSociety,1994:256.
[24] 張曉梅.掃描顯微鏡對老化絲織品的分析研究[J].電子顯微學(xué)報,2002,22(5):443-449.
