炭黑是橡膠工業(yè)使用最廣泛的補強材料,炭黑分散性的好壞影響混煉膠的加工性能和物理機械性能。炭黑如果分散不均勻,容易形成較大的二次聚集體,不利于后續(xù)加工工藝的進行,因此,炭黑分散度是衡量膠料混煉質(zhì)量的重要指標,炭黑分散度的測定是橡膠工業(yè)重要的研究課題之一。目前炭黑分散度的檢測手段主要有兩種,一是人工目視檢測,此方法受檢測者主觀因素影響較大,檢測結(jié)果不準確;另一種是使用炭黑分散度自動評級設備,此類設備雖然在橡膠工業(yè)得到一定程度的應用,但存在一些明顯的問題,具體表現(xiàn)在這些設備的檢測過程都是離線的,只能在混煉結(jié)束后檢測炭黑分散度;對炭黑聚集體的識別方法不夠完善,不能準確識別圖像中低對比度的炭黑聚集體;無法甄別膠料圖像中的劃痕,導致檢測結(jié)果存在一定誤差等等。針對這些問題,本文研發(fā)了炭黑分散度在線檢測系統(tǒng),采用線掃描相機采集連續(xù)排出的橡膠并對圖像中的炭黑進行分析、識別,實現(xiàn)了混煉膠中炭黑分散度的連續(xù)在線檢測,本文的主要工作如下:（1）針對低對比度炭黑聚集體識別困難的問題,提出一種基于背景估計的炭黑聚集體識別算法,此算法可有效檢測出對比度偏低的炭黑聚集體,提高了炭黑分散度檢測的準確性。（2）針對混煉膠... 

【文章來源】：青島科技大學山東省

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【部分圖文】：

炭黑分散度自動評級系統(tǒng)硬件構(gòu)成

青島科技大學研究生學位論文7圖1-2炭黑分散度自動評級程序流程圖Fig.1-2Carbonblackdispersionautomaticratingprocessflowchart近幾年來，我國部分科技公司，依據(jù)國家標準GB-6030和國際標準ISO-11345，自主研制了橡膠炭黑分析儀器，例如北京萬匯一方公司研制的RCD-II型橡膠炭黑分散度測定儀、臺灣(U-CAN)優(yōu)肯科技股份有限公司生產(chǎn)的UD-3500炭黑分散度儀和臺灣高鐵科技有限公司生產(chǎn)的GT-505-R型橡膠分散試驗儀。這些設備功能上基本與瑞士OPTI-GRADE公司制造的DISPERGRADER1000型炭黑分散度儀相同，炭黑分散度測定儀器的國產(chǎn)化，使得橡膠工業(yè)測定炭黑分散度的成本進一步降低，國產(chǎn)炭黑分散度檢測儀器的國內(nèi)橡膠工業(yè)的占有率也明顯增加。上述炭黑分散度檢測方法中蘊含不少的先進思想，但均停留在離線檢測階段，未能實現(xiàn)炭黑分散度在線檢測。同時，還存在其它弊端，如無法排除劃痕對檢測結(jié)果的干擾、圖像處理耗時多等不足。1.4本文的研究目的和主要研究內(nèi)容1.4.1目前存在的主要問題（1）離線檢測時效性差當前橡膠工業(yè)廣泛使用的炭黑分散度自動評級設備都需要人工制作樣本后

青島科技大學研究生學位論文11圖2-1機器視覺信息處理流程圖Fig.2-1Informationprocessingchaininmachinevision一套完整的機器視覺檢測系統(tǒng)由多個模塊構(gòu)成，典型的視覺系統(tǒng)包括光學模塊、圖像采集模塊、輸入輸出信號控制模塊、執(zhí)行模塊等，如圖2-2所示。圖2-2典型的機器視覺檢測系統(tǒng)Fig.2-2Typicalmachinevisiondetectionsystem（1）光學模塊：此模塊包括光源、工業(yè)相機和鏡頭。主要功能是完成圖像采集工作。搭建機器視覺檢測系統(tǒng)時，應充分分析被測物的光學特征，選擇合適的光源和鏡頭，突出感興趣特征，抑制不感興趣特征，有利于簡化后期數(shù)字圖像處理流程，降低計算復雜度，提高檢測效率。在機器視覺系統(tǒng)的構(gòu)建中，光學模塊是整個檢測系統(tǒng)的基礎，它決定了采集的原始圖像是否含有充分的信息，若此模塊設計不合理，那么后續(xù)的圖像處理便無從談起。（2）圖像采集模塊：此模塊的作用是將相機采集到的圖像轉(zhuǎn)換成一定的圖像數(shù)據(jù)流，迅速傳送給圖像處理模塊的存儲器；該模塊也負責控制相機曝光/積分時間、發(fā)出信號等參數(shù)，典型的代表是圖像采集卡。

【參考文獻】：
期刊論文
[1]基于圖像閾值分割的滸苔圖像提取[J]. 張日升,原明亭,丁軍航,官晟,孟憲法.  自動化技術與應用. 2020(02)
[2]ECharts在氣象信息展示與統(tǒng)計中的應用[J]. 劉丹楓,施佳馳,鄭秋生,方昆.  信息通信. 2020(01)
[3]基于Ajax技術的ECharts實時圖形報表實現(xiàn)[J]. 王菲露,李軍,宋楊,胡勇,陳玉峰.  黑龍江工業(yè)學院學報(綜合版). 2019(12)
[4]汽車排氣污染物檢測用底盤測功機基本慣量的非接觸測量方法[J]. 湯灝,彭崢,林文輝.  中國計量. 2019(12)
[5]我國炭黑行業(yè)發(fā)展現(xiàn)狀及未來發(fā)展預測[J]. 魏明.  中國橡膠. 2019(08)
[6]全球橡膠需求量增至3000萬t[J].   橡膠工業(yè). 2019(03)
[7]淺談機器視覺和人工智能的現(xiàn)代化發(fā)展[J]. 徐勤豐.  通訊世界. 2018(09)
[8]圖像的混合噪聲消除系統(tǒng)分析與設計[J]. 鄭瑞麗,李鈺,吳雅欣,李朋明.  無線互聯(lián)科技. 2018(08)
[9]一種自適應雙閾值中值濾波方法[J]. 宗永勝,胡曉輝,張榮光.  小型微型計算機系統(tǒng). 2017(07)
[10]ADO.NET通用數(shù)據(jù)訪問層的設計與實現(xiàn)[J]. 馬青霞.  金陵科技學院學報. 2017(02)

博士論文
[1]基于機器視覺的調(diào)車機車輔助駕駛的研究[D]. 張馳.北京交通大學 2019
[2]白光LED陣列結(jié)溫檢測以及壽命預測分析[D]. 客洪亮.中國科學院長春光學精密機械與物理研究所 2017
[3]基于維納濾波的圖像去噪算法研究[D]. 張小波.西安電子科技大學 2014
[4]同步轉(zhuǎn)子密煉機混煉橡膠的理論和實驗研究[D]. 汪傳生.北京化工大學 2000

碩士論文
[1]基于機器視覺的螺釘檢測與定位技術的研究[D]. 韓永琪.南京郵電大學 2019
[2]鍛造鋁合金車輪單件全流程質(zhì)量追溯系統(tǒng)關鍵技術研究[D]. 凌云漢.機械科學研究總院 2018
[3]面向電動車車載監(jiān)控終端的嵌入式軟件遠程升級系統(tǒng)研究與設計[D]. 鄭繼敏.重慶郵電大學 2018
[4]圖像高斯噪聲及椒鹽噪聲去噪算法研究[D]. 孫海英.復旦大學 2012
[5]橡膠炭黑分散度的預測模型及應用的研究[D]. 于曉輝.青島科技大學 2006



本文編號：3370023