赵野军1,吕柏源2,程 源1(1.北京化工大学,北京 100029;2.青岛科技大学,山东青岛 266042)
作者简介:赵野军(1961-),男,工学博士,副教授,已发表论文20余篇。
影响橡胶制品质量的一项关键因素是胶料的混炼效果,而混炼的质量与炭黑粒子分布的均匀性有相当大的关系。橡胶中的炭黑分散度是指炭黑在胶料中分散均匀的程度,其指标是衡量胶料质量和其成品性能好坏的重要尺度。目前,普遍采用的方法有[1~3]:
表面观察法:由操作人员观察显微拍摄的图像判断胶料中炭黑的分散度。由操作人员的综合标准判断定级,受到人为主观因素的影响。粒径直接测量法:测量胶料中未分散颗粒的大小和数量,此测量值只是混炼的炭黑团本身的分散的情况,没有考虑在更大范围内的混炼分布的均匀性。
表面粗糙度分析法:图像直观地反映胶料表面的情况,虽然图像既反映分散(峰高、峰值数)又反映分布(波峰的分布)情况,但最后的计算值却只考虑了峰高和峰值数的比(平均)值。同样,只反映了分散情况。
间接测定法:根据未硫化胶物理性能进行判断的估算法(如测量门尼粘度、挤出收缩率、三维表面粗糙度、电阻等都是根据混炼胶的性能来估算炭黑分散度)。
以上直接测量法中是通过对显微镜所摄的图像再进行计算机处理和自动测定。为此利用现代化的技术,提供快速、精确的测试结果(快速精确地测试填料的分散度),可有效地改善胶料的加工性能,达到节能效果。
本文所提出的改进方法,达到了应用计算机技术实现智能化评测系统,这对更全面评测炭黑混合均匀性有着重要实际意义。
本文的智能化评测系统主要涉及以下3个方面:
(1)彩色图像摄像过程中的自动对焦和放大功能;(2)去除图像背景中影响测量精度的预处理系统(包括连通法、轮廓法、BP识别法)[4~6];(3)基于炭黑距离的分散度计算(包括随机统计法、质心计算、直方图的均方差等)。
1 图像前期处理的改进技术
1.1 图像摄像的自动对焦和放大功能
要减小或去除各种影响测量精度的方法包括:彩色图像摄像、自动对焦和放大功能、图像明暗度的调整,识别区域的划分(连通法、轮廓法),不同物体的识别(BP识别)等方面。
在胶料炭黑分散度测定的过程,应设法降低设备对人的依赖程度,实现更客观地自动测定。为此,通过计算图像清晰度来调节显微镜焦距,而显微镜的放大倍数则根据炭黑的颗粒最小直径对应单个图像像素点为参考。
清晰度计算方法:要实现自动调焦,首先要计算清晰度的评价函数,可以通过图像的灰度、梯度导出。在图像平滑处理中采用邻域平均法,类似于积分过程,积分的结果使图像的边缘变得模糊。而微分则产生相反效应,使图像尖锐化。清晰度则建立在图像尖锐化的梯度法的基础上。微分尖锐化最常用的方法梯度法中的局部差分公式为:
G(x,y) = f(x,y)-f(x+1,y+1) + f(x+1,y)-f(x,y+1) (1)
调焦方法:当沿不同方向调焦时,计算对应的清晰度G(x,y)依次的变化的规律进行调焦,从而实现自动对焦摄像功能。
1.2 图像的彩色摄像
为获得更全面的信息,采用图像的彩色摄像,以达到区分图像中的杂质与炭黑。采取对彩色图像文件直接进行处理,可更方便识别炭黑颗粒图像。用智能BP方式识别实物时,不必通过阀值进行单色转换,可更有效地减少测量结果误差。
1.3 图像直方图调整明暗度
通过直方图可修正消除光线的影响,直方图表示图像中每一个灰度级所出现的频数间的统计关系。横坐标是灰度级,纵坐标是该灰度级出现的频率。如光线较暗时,直方图的分布就集中在灰度值小的一边。反之,光线太强,则分布在灰度值大的一边。为消除光线对图像的影响,可对直方图做均衡化处理。即将灰度过于集中的一边拉宽,使图像均匀分布在各个灰度级,从而增大反差,使图像细节清晰,对比度改善。
1.4 边缘提取法
物体周围像素灰度值是阶跃变化的像素点的集合。边缘方法存在于物体与背景,物体与物体,图像基元与基元等关系之间。是图像分割所依赖的重要特征,边缘是由灰度的不连续所反映的。经典的方法是考察图像中每个象素在某个邻域内灰度的变化。
1.5 边界跟踪法
边界跟踪法用于提出物体的轮廓线,边界跟踪效果主要取决于两个因素。一是起始点的选取,起始点的选取影响跟踪精度,还可能给算法的设计增加难度。二是跟踪准则。跟踪准则一般是:边缘跟踪从图像左上角开始逐像点扫描,当遇到边缘点时则开始顺序跟踪,直至跟踪的后续点回到起始点(闭合线)或其后点再没有新的后续点(非闭合线)。
该算法对每一个像素的处理都按一定的顺序执行,即后面的处理要有前面的处理结果。每个跟踪点有8个方向,对每个方向制定了方向编号及偏移量。图像文件是从左到右,从下向上的顺序,因此,图像的最左下方的像素点为起始点。找到起始点并记录下来。定义初始的跟踪方向是左上方为0方向,判断该点是否为目标点(像素值大于阀值),是把该目标点作为跟踪的新的起始点,并按逆时针90度作为新的方向。否则若不是则每次沿顺时针45度作为跟踪方向,直到找到目标点并记录后,再按逆时针90度重新开始。
1.6 物体特征的BP识别法
由于不同物体对应有不同的图形,依此可以进一步将前述所识别的样品位置和编号进行分类,本文采用BP神经网络方式,具体步骤为:归一化处理,根据前面的区域划分结果,取得每个样品编号;根据最长边进行线型几何比例变换,统一为8×8的矩形图像。输入到已学习好BP网络模型中,即可计算出该物体的类别。利用不同物质(气泡、刀痕、炭黑)具有的形状和色彩的特征不同,通过BP神经网络学习了各种特征后作为识别基础。通过集成的BP神经网分类器,提高分类能力。
经过以上预处理,去除了测量中的各种影响因素(如:明暗度、气泡、刀痕),最终获得的图像文件中,每个像素点代表不同含义:如,0-背景;1~3表示该像素点对应的炭黑颗粒数(可能重叠多个);4表示是不作处理如刀痕或气泡区域;5~7保留备用。至此,为统计分析炭黑混炼分散程度做好了前期准备。
2 基于炭黑距离的分散度计算
目前常用的计算分散度的方法是通过统计黑白像素(区域面积)的比例来表示炭黑的均匀程度,但事实上,若是相同的黑白面积的比例值是无法准确来表示炭黑的混合效果的。本文通过统计每个炭黑粒子到质心的距离,根据各个距离段内炭黑个数的比例是否均匀来判断混合的均匀性,具有更科学性。另外,通过多次不同的随机处理方法来检查炭黑混炼过程的一致性[7]。
2.1 用随机方式统计平均值
通过对图像的多次随机选取不同位置区域的方法来检查其整个过程的一致性。一致性可以分采样随时间和位置的分布来选择。
为此,通过随机函数,产生不同时间、不同位置、不同大小的采样图像处理单元。最后,将这些不同样本处理单元分别进行分散度计算,再统计成平均值,就得出反映整个过程中混合均匀性的波动范围。
2.2 测距计算方法
在每个处理样本的处理单元中,先计算出本单元的质心。然后为质心计算中心,计算各炭黑到质心的距离,以达到综合反映分散度和分布度。可以理解为统计出的距离较远的比例表示分布性,而较小距离的比例表示分散性。
2.2.1 计算质心公式
计算当前处理图像中分散炭黑的质心位置的计算公式如下:
2.2.2 质心计算步骤
以下为计算质心的算法:
for(i=1;i< L;i++){
for(j=1;j< H;j++){
if(*pixeloffset(i,j),value)! =0){
Gi+=i; ∥质心横坐标
Gj+=i; ∥质心纵坐标
Gs++;∥总个数
Average(X)=Gi/Gs
Average(Y)=Gj/Gs
2.2.3 各像素点的距离累加计算步骤
类似以上步骤,只是把计算质心公式用求两点距离公式代替即可。
for(i=1;i< L;i++){
for(j=1;j< H;j++){
if(*pixeloffset(i,j),value)! =0){
Si=(i-Gi)*(i-Gi) ∥点i到质心Gi的横坐标距离平方
Sj=(j-Gj)*(j-Gj) ∥点j到质心Gj的纵坐标距离平方
S=sqrt(Si+Sj)∥像素点到质心的距离
ZS=ZS+sqrt(Si+Sj) ∥各像素点的距离累加值
DS[S]++; ∥将距离为S的炭黑个数加1}
3 综合评定分散度的方法和分析
3.1 距离频度统计直方图
完成以上各像素点的距离累加计算后,则进一步进行对距离的计算结果建立评定模型和结果分析。
距离频度统计直方图表示图像中各段炭黑颗粒到质心距离所出现的频数间的统计关系。横坐标表示各个距离段,纵坐标是该距离段出现的频率,即上述计算步骤中S和DS[S]值。
距离频度统计直方图反映了炭黑各段距离在整个图中所出现的比例。如果图像中炭黑的分散度越好,则各段的频度值也越平均。反之,则频度值会过于集中在某一区域,呈不匀称分布。图1是距离频度统计直方图。
(a)表示整个炭黑的分布均匀。其距离频度图显示各个距离段炭黑的比例都是比较接近的平均值,且均值保持在整个范围内。
(b)整体分布的属于均匀,但炭黑团没有完全分散开。其距离频度图显示近距离段和远距离(两端)段的炭黑所占比例较高,中间距离段的比例很低,整个范围内各段比例是跳跃性的。
(c)整体分布的不均匀,但炭黑团基本分散开。其距离频度图显示近距离段炭黑所有比例较高,但远距离段的比例很低。整个范围来看,近距离段的平均值接近。
(d)表示整体分布不均匀,炭黑团也没有完全分散开。其距离频度图显示各距离段很不均匀。整个范围内各段比例呈跳跃性,没有规律。
3.2 分散度的综合评定
完成了炭黑分散程度直方图的图形化的直观了解后,再进一步建立一个综合的统一评定模型,从以下几点考虑:
(1)计算全部距离加权平均值,即直方图中纵坐标个数与距离之积的累加,即图中虚线。
(2)计算每个距离与加权平均值的差方值(纵坐标减平均值的平方),并乘以适当的修正值(修正值默认值是1,但考虑到不同距离的重要性,如想强调分布性的重要,可将远距离修正值减小)。
(3)累加所有差方值。
(4)值越小说明分布和分散度都越好,反之说明无论是分布、分散或两者皆有的情况下,其均匀性很差。
通过以上分析,可以看到用基于测距方式对橡胶中炭黑的分散度进行综合评定方法优势。它比传统的基于黑白面积比的方法更客观、更全面、更统一和更容易。
4 结论
本文提出的基于测距方式对橡胶中炭黑的分散度进行综合评定的方法改进了目前常用的黑白填充法的不足。因为传统的黑白区域填充法仅能统计炭黑的个数,却无法表示各炭黑的分布情况;或者通过预先设定的若干种不同粒径大小的炭黑团来分别处理[8]。而本文提出的基于测距方式则能反映炭黑的分散度的均匀性。经过以下处理方法:
(1)考虑炭黑的粒径大小是比较接近,本文提出经一定的图像处理后,直接对每个炭黑颗粒进行处理。
(2)当图像中每个炭黑颗粒对应一个像素点时,计算各炭黑间的距离,并求出各段距离的分布直方图。
(3)建立均方差及其加权修正等综合评定模型。
(4)为保证测量的重复一致性,实现用不同时间、不同位置的随机统计方法求得平均值。如何实现能够在线或离线很短几秒钟内测出混炼胶的可重复一致的分散度测量结果是炭黑测量的目标。做到这一点的意义深远,潜在着巨大的节约效果。目前生产企业为了确保充分分散而不得不过度混炼。如果能把胶料混炼至炭黑分散度刚好达到要求的程度,则每批混炼胶的混炼时间都可以节省,从而大幅度提高生产效率。
参考文献:
[1] 汪传生.混炼胶中炭黑分散度测定方法的改进[J].橡胶工业,2004,51(12):755-758.
[2] ИСЮряондр,唐云峰译.炭黑分散度对轮胎质量的影响[J].轮胎工业,1996,16(2):90-92.
[3] ManasZ.Analysise of mixing in polymer processing equip-ment
[J].Rheology Bulletin,1997,66(1):58.
[4] 黄剑华.概率距离在联机汉字识别中的应用[J].微处理机,2001,01.
[5] 张宏林.Visual C++数字图像模式识别技术及工程实践[M].北京:人民邮电出版社,2003.
[6] 徐慧.Visual C++数字图像实用工程案例精选[M].北京:人民邮电出版社,2004.
[7] 王明兰.胶料中炭黑分散性的模糊判别法[J].橡胶工业,2001,48(5):302-305.
[8] 王明兰.胶料中炭黑分散度的自动判别[J].信息与控制,2002,31(1):59-61.
[9] 范雄.高聚物结晶度的X射线衍射测定[J].理化检验-物理分册,1998,34(12):17-20.
[10] 黄华.晶态聚合物结构的X射线衍射分析及其进展[J].化学研究与应用,1998,10(2).:118-124 .
[11] 杜宝石.X射线衍射测定氯磺化聚乙烯硫化胶的结晶度[J].高分子材料科学与工程,1996,12(1):124-129.
[12] 金春玲.酚醛树脂固化度的X射线衍射分析[J].宇航材料工艺,1997,(2):54-57.
[13] 徐燧伟.用X射线衍射法测定硫化胶中的无机物含量[J].橡胶工业,1994,41(10):617-623 .
[14] 石油部科技司.多晶X射线衍射仪[M].北京:北京大学出版社,1979.
[15] 韩曙鹏.X射线衍射研究聚丙烯腈原丝的晶态结构[J].北京化工大学学报,2005,32(2):63-68.
[16] 唐春红.聚丙烯腈原丝微结构的X射线衍射分析[J].北京化工大学学报,2004,31(3):55-59.
[17] 彭涛.样品倾斜的X射线衍射法分析芳纶Ⅲ纤维径向结构[J].合成纤维,2005,6(21):21-25.
[18] 刘平安.聚丙烯/尼龙6共混物的X射线衍射研究[J].高分子材料科学与工程,2000,16(6):83-86.
[19] 刘维.电子显微镜的原理与应用[J].现代仪器使用与维修,1996,(1):45-48.
[20] 邹文俊.电子显微镜在高分子研究中的应用[J].郑州工业高专学报,1996,12(1):14-18.
[21] 王树根.应用电子显微镜鉴定山羊绒织物[J].毛纺科技,2001,(5):45-48.
[22] 贾红兵.电子显微镜在橡胶研究中的应用[J].合成橡胶工业,1996,19(6):373-377.
[23] Beeker M A.Initial Detradtive Changes Found in BombyxMori Silk
Fibrain[C].Washinngton:American ChaemicalSociety,1994:256.
[24] 张晓梅.扫描显微镜对老化丝织品的分析研究[J].电子显微学报,2002,22(5):443-449.
