本發(fā)明涉及氧化鋁生產(chǎn)，尤其涉及一種基于圖像識(shí)別的氧化鋁生產(chǎn)智能質(zhì)量控制方法及系統(tǒng)。

背景技術(shù)：

1、氧化鋁的結(jié)燒法生產(chǎn)中多應(yīng)用回轉(zhuǎn)窯，回轉(zhuǎn)窯的的工作過(guò)程根據(jù)不同的階段分為五個(gè)階段：預(yù)熱帶、燒成帶、干燥帶、分解帶以及冷卻帶，燒成帶的狀態(tài)對(duì)能否優(yōu)質(zhì)、高產(chǎn)、低耗地生產(chǎn)熟料具有重要影響，其溫度能夠反映回轉(zhuǎn)窯的內(nèi)部情況，進(jìn)而直接影響氧化鋁的燒結(jié)質(zhì)量，現(xiàn)有技術(shù)一般通過(guò)回轉(zhuǎn)窯的觀察孔獲取窯內(nèi)溫度情況，常用的燒成帶溫度檢測(cè)方法大多用人工看火法，但是這種方法誤差較大，對(duì)工作人員的技術(shù)水平、心理素質(zhì)、精神狀態(tài)和責(zé)任心都有著較高的要求，因此成本較高，另一種比色測(cè)溫法利用紅外輻射測(cè)溫度原理，但是由于回轉(zhuǎn)窯內(nèi)部環(huán)境因素和空間狹長(zhǎng)的影響，測(cè)量誤差同樣較大，現(xiàn)有的圖像識(shí)別使用直方圖的方式分析圖像，不能全面分析圖像甚至容易忽略圖像中對(duì)角線(xiàn)附近區(qū)域，進(jìn)而造成分析結(jié)果不盡如人意。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于圖像識(shí)別的氧化鋁生產(chǎn)智能質(zhì)量控制方法及系統(tǒng)，解決了氧化鋁生產(chǎn)的現(xiàn)有技術(shù)中圖像識(shí)別分割方法分析不準(zhǔn)確的技術(shù)問(wèn)題，達(dá)到了利用新的方法分割圖像增加了圖像識(shí)別和分析的準(zhǔn)確性的目的。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明提供了如下技術(shù)方案：一種基于圖像識(shí)別的氧化鋁生產(chǎn)智能質(zhì)量控制方法，該方法包括以下步驟：

3、s1、獲取待檢測(cè)目標(biāo)的原始圖像，并將原始圖像轉(zhuǎn)化為像素圖像；

4、s2、對(duì)像素圖像進(jìn)行預(yù)處理得到去噪圖像；

5、s3、將去噪圖像轉(zhuǎn)化為二維直方圖并建立二維坐標(biāo)系；

6、s4、將二維直方圖的二維坐標(biāo)系按照斜割法轉(zhuǎn)換為斜割坐標(biāo)系，并根據(jù)斜割坐標(biāo)系的概率點(diǎn)pb(i，j)得到概率ha(i，j)；

7、s5、根據(jù)概率ha(i，j)計(jì)算閾值選取函數(shù)d(i)，根據(jù)閾值選取函數(shù)d(i)得到最佳閾值t；

8、s6、根據(jù)最佳閾值t將二維直方圖轉(zhuǎn)化為二值圖像，將二值圖像進(jìn)行分割得到分割圖像；

9、s7、對(duì)分割圖像進(jìn)行分析得到質(zhì)量狀態(tài)并發(fā)送給質(zhì)量控制端。

10、優(yōu)選的，在步驟s1中，具體實(shí)現(xiàn)步驟如下：

11、s11、將原始圖像輸入rgb通道中并轉(zhuǎn)化為rgb圖像；

12、s12、確定任一個(gè)rgb圖像中像素點(diǎn)的亮度la和調(diào)整系數(shù)a，計(jì)算像素點(diǎn)的亮度la的低亮度值lmin，計(jì)算公式如下：

13、lmin＝a×la

14、其中，lmin表示像素點(diǎn)的低亮度值，a表示調(diào)整系數(shù)且30％≤a≤70％，la表示rgb圖像中像素點(diǎn)的亮度；

15、s13、重復(fù)步驟s12直到將rgb圖像中所有像素點(diǎn)的亮度完成調(diào)整后生成像素圖像。

16、優(yōu)選的，在步驟s2中，具體實(shí)現(xiàn)步驟如下：

17、s21、基于小波變換公式確定閾值函數(shù)sgt(b)，其函數(shù)表達(dá)式為：

18、

19、其中，sgt(b)表示閾值函數(shù)，b表示閾值函數(shù)sgt(b)的自變量；

20、s22、基于小波函數(shù)的歷史數(shù)據(jù)設(shè)定原始小波系數(shù)wy，基于歷史數(shù)據(jù)設(shè)定閾值t，根據(jù)閾值函數(shù)sgt(b)計(jì)算優(yōu)化小波系數(shù)wa，計(jì)算公式如下：

21、

22、其中，wa表示優(yōu)化小波系數(shù)，wy表示原始小波系數(shù)，t表示閾值；

23、s23、根據(jù)優(yōu)化小波系數(shù)wa采用迭代分解法獲取到最小層的小波系數(shù)wmin；

24、s24、根據(jù)最小層的小波系數(shù)wmin計(jì)算標(biāo)差噪聲值σ，計(jì)算公式如下：

25、

26、其中，σ表示標(biāo)差噪聲值，median(wmin)表示最小層的小波系數(shù)的中值；

27、s25、采用峰值信噪比法獲取像素圖像的信噪比，根據(jù)信噪比確定分解尺度b；

28、s26、獲取像素圖像的寬度w和高度h，根據(jù)分解尺度b計(jì)算閾值函數(shù)kc，計(jì)算公式如下：

29、

30、其中，kc表示閾值函數(shù)，σ表示標(biāo)差噪聲值，b表示分解尺度；

31、s27、基于去噪的歷史數(shù)據(jù)設(shè)定去噪閾值h，根據(jù)閾值函數(shù)kc判斷像素點(diǎn)是否剔除；

32、若kc≥h，則該像素點(diǎn)為噪音點(diǎn)并剔除；

33、若kc<h，則該像素點(diǎn)為非噪音點(diǎn)并保留；

34、s28、重復(fù)步驟s27遍歷像素圖像的所有像素點(diǎn)后得到去噪圖像。

35、優(yōu)選的，在步驟s3中，具體實(shí)現(xiàn)步驟如下：

36、s31、將去噪圖像通過(guò)hsv顏色空間轉(zhuǎn)化為hsv圖像；

37、s32、創(chuàng)建待繪制畫(huà)布，采用opencv算法將hsv圖像轉(zhuǎn)化成二維直方圖；

38、s33、在二維直方圖上選定一點(diǎn)oa作為坐標(biāo)原點(diǎn)并建立二維坐標(biāo)系。

39、優(yōu)選的，在步驟s4中，具體實(shí)現(xiàn)步驟如下：

40、s41、設(shè)定二維直方圖的寬度和高度均為l-1；

41、s42、將二維坐標(biāo)系中的x軸和y軸轉(zhuǎn)化為斜割坐標(biāo)系的x’軸和y’軸，轉(zhuǎn)換公式如下：

42、

43、其中，x’表示轉(zhuǎn)化后的斜割橫坐標(biāo)軸，y’表示轉(zhuǎn)化后的斜割縱坐標(biāo)軸；

44、s43、根據(jù)二維直方圖獲取像素點(diǎn)總數(shù)ua，在斜割坐標(biāo)系上創(chuàng)建概率點(diǎn)pb(i，j)；

45、s44、根據(jù)二維直方圖獲取概率點(diǎn)pb(i，j)出現(xiàn)的頻數(shù)eij，并計(jì)算概率點(diǎn)pb(i，j)出現(xiàn)的概率ha(i，j)，計(jì)算公式如下：

46、

47、其中，ha(i，j)表示概率點(diǎn)pb(i，j)出現(xiàn)的概率且eij表示概率點(diǎn)pb(i，j)出現(xiàn)的頻數(shù)，ua表示二維直方圖中像素點(diǎn)總數(shù)。

48、優(yōu)選的，在步驟s5中，具體實(shí)現(xiàn)步驟如下：

49、s51、在斜割坐標(biāo)系中將二維直方圖分為i≤t和i>t兩部分；

50、s52、根據(jù)概率ha(i，j)計(jì)算第一系數(shù)f1，計(jì)算公式如下：

51、

52、其中，f1表示第一系數(shù)，ha(i)表示橫坐標(biāo)為i的概率，t表示概率數(shù)量；

53、s53、根據(jù)概率ha(i，j)計(jì)算第二系數(shù)f2，計(jì)算公式如下：

54、

55、其中，表示概率數(shù)量；

56、s54、根據(jù)概率ha(i，j)和概率點(diǎn)pb(i，j)的橫坐標(biāo)值i計(jì)算第一相關(guān)值β1，計(jì)算公式如下：

57、

58、其中，i表示概率點(diǎn)pb(i，j)的橫坐標(biāo)值；

59、s55、根據(jù)概率ha(i，j)和概率點(diǎn)pb(i，j)的橫坐標(biāo)值i計(jì)算第二相關(guān)值β2，計(jì)算公式如下：

60、

61、其中，β2表示第二相關(guān)值；

62、s56、根據(jù)概率ha(i，j)和概率點(diǎn)pb(i，j)的橫坐標(biāo)值i計(jì)算第三相關(guān)值β3，計(jì)算公式如下：

63、

64、其中，β3表示第三相關(guān)值；

65、s57、根據(jù)第一系數(shù)f1、第二系數(shù)f2、第一相關(guān)值β1、第二相關(guān)值β2和第三相關(guān)值β3計(jì)算選取值d(i)，計(jì)算公式如下：

66、d(i)＝f1(β1-β3)2+f2(β2-β3)2

67、其中，d(i)表示選取值；

68、s58、判斷選取值d(i)是否為最佳閾值；

69、若d(i)為最大值，則結(jié)束并令自變量i作為最佳閾值t，進(jìn)入步驟s6；

70、若d(i)不是最大值，則重復(fù)步驟s58直到找到d(i)的最大值。

71、優(yōu)選的，在步驟s6中，具體實(shí)現(xiàn)步驟如下：

72、s61、根據(jù)最佳閾值t得到分割函數(shù)ga；

73、s62、在二維直方圖中任取一個(gè)像素點(diǎn)ma(c，d)，根據(jù)分割函數(shù)ga判斷像素點(diǎn)ma(c，d)的像素值；

74、若則像素值為0并結(jié)束；

75、若則像素值為1并結(jié)束；

76、s63、重復(fù)步驟s62遍歷二維直方圖中所有像素點(diǎn)后得到二值圖像；

77、s64、沿著二值圖像的邊緣將二值圖像分割并生成分割圖像。

78、優(yōu)選的，所述分割函數(shù)ga的函數(shù)公式如下：

79、

80、其中，ga表示分割函數(shù)，j表示概率點(diǎn)pb(i，j)的縱坐標(biāo)，t表示最佳閾值。

81、優(yōu)選的，在步驟s7中，具體實(shí)現(xiàn)步驟如下：

82、s71、在分割圖像中獲取分割函數(shù)ga為0的像素點(diǎn)并生成零值圖像，統(tǒng)計(jì)零值圖像中像素點(diǎn)的數(shù)量z；

83、s72、基于氧化鋁生產(chǎn)的歷史數(shù)據(jù)設(shè)定閾值區(qū)間[k，l]，判斷零值圖像的質(zhì)量狀態(tài)是否良好；

84、若k≥z≥l，則質(zhì)量狀態(tài)為良好并將質(zhì)量狀態(tài)發(fā)送到質(zhì)量控制端；

85、若z>k或z<l，則質(zhì)量狀態(tài)為異常并將質(zhì)量狀態(tài)發(fā)送到質(zhì)量控制端。

86、優(yōu)選的，該技術(shù)方案還提供了一種用于上述氧化鋁生產(chǎn)智能質(zhì)量控制方法的系統(tǒng)，該系統(tǒng)包括：圖像轉(zhuǎn)化模塊，獲取待檢測(cè)目標(biāo)的原始圖像，并將原始圖像轉(zhuǎn)化為像素圖像；

87、預(yù)處理模塊，對(duì)像素圖像進(jìn)行預(yù)處理得到去噪圖像；

88、二維處理模塊，將去噪圖像轉(zhuǎn)化為二維直方圖并建立二維坐標(biāo)系；

89、概率分析模塊，將二維直方圖的二維坐標(biāo)系按照斜割法轉(zhuǎn)換為斜割坐標(biāo)系，并根據(jù)斜割坐標(biāo)系的概率點(diǎn)pb(i，j)得到概率ha(i，j)；

90、閾值分析模塊，根據(jù)概率ha(i，j)計(jì)算閾值選取函數(shù)d(i)，根據(jù)閾值選取函數(shù)d(i)得到最佳閾值t；

91、分割圖像模塊，根據(jù)最佳閾值t將二維直方圖轉(zhuǎn)化為二值圖像，將二值圖像進(jìn)行分割得到分割圖像；

92、質(zhì)量分析模塊，對(duì)分割圖像進(jìn)行分析得到質(zhì)量狀態(tài)并發(fā)送給質(zhì)量控制。

93、借由上述技術(shù)方案，本發(fā)明提供了一種基于圖像識(shí)別的氧化鋁生產(chǎn)智能質(zhì)量控制方法及系統(tǒng)，至少具備以下有益效果：

94、1、本發(fā)明通過(guò)斜割分析方法將直方圖進(jìn)行斜割，相比于常規(guī)的矩形分割方式，斜割的方式能夠?qū)χ狈綀D對(duì)角線(xiàn)附近的區(qū)域進(jìn)行較好的分析，使圖像識(shí)別和分析更加全面準(zhǔn)確，避免出現(xiàn)分析不準(zhǔn)確甚至忽略對(duì)角線(xiàn)附近區(qū)域的情況，大幅提升了圖像識(shí)別的準(zhǔn)確性。

95、2、本發(fā)明在去噪過(guò)程中，利用優(yōu)化的小波系數(shù)進(jìn)行去噪處理，計(jì)算分析中結(jié)合圖像的像素大小，能夠提升去噪的效果，增加圖像去噪的工作效率，使圖像去噪后更加清晰。

96、3、本發(fā)明利用圖像識(shí)別的方式，在回轉(zhuǎn)窯觀察口通過(guò)圖像采集的方法進(jìn)行氧化鋁生產(chǎn)質(zhì)量檢測(cè)，相比于人工或者紅外測(cè)溫的方法更加準(zhǔn)確，通過(guò)圖像中火焰顏色和區(qū)域大小準(zhǔn)確判斷氧化鋁質(zhì)量狀態(tài)，進(jìn)而提高了生產(chǎn)的氧化鋁的質(zhì)量。