發(fā)布時(shí)間：2021-08-29 05:39

　　炭黑是橡膠工業(yè)使用最廣泛的補(bǔ)強(qiáng)材料,炭黑分散性的好壞影響混煉膠的加工性能和物理機(jī)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(jìn)行,因此,炭黑分散度是衡量膠料混煉質(zhì)量的重要指標(biāo),炭黑分散度的測(cè)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(cè)手段主要有兩種,一是人工目視檢測(cè),此方法受檢測(cè)者主觀因素影響較大,檢測(cè)結(jié)果不準(zhǔn)確;另一種是使用炭黑分散度自動(dòng)評(píng)級(jí)設(shè)備,此類設(shè)備雖然在橡膠工業(yè)得到一定程度的應(yīng)用,但存在一些明顯的問題,具體表現(xiàn)在這些設(shè)備的檢測(cè)過程都是離線的,只能在混煉結(jié)束后檢測(cè)炭黑分散度;對(duì)炭黑聚集體的識(shí)別方法不夠完善,不能準(zhǔn)確識(shí)別圖像中低對(duì)比度的炭黑聚集體;無法甄別膠料圖像中的劃痕,導(dǎo)致檢測(cè)結(jié)果存在一定誤差等等。針對(duì)這些問題,本文研發(fā)了炭黑分散度在線檢測(cè)系統(tǒng),采用線掃描相機(jī)采集連續(xù)排出的橡膠并對(duì)圖像中的炭黑進(jìn)行分析、識(shí)別,實(shí)現(xiàn)了混煉膠中炭黑分散度的連續(xù)在線檢測(cè),本文的主要工作如下:（1）針對(duì)低對(duì)比度炭黑聚集體識(shí)別困難的問題,提出一種基于背景估計(jì)的炭黑聚集體識(shí)別算法,此算法可有效檢測(cè)出對(duì)比度偏低的炭黑聚集體,提高了炭黑分散度檢測(cè)的準(zhǔn)確性。（2）針對(duì)混煉膠... 

【文章來源】：青島科技大學(xué)山東省

【文章頁數(shù)】：94 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

炭黑分散度自動(dòng)評(píng)級(jí)系統(tǒng)硬件構(gòu)成

青島科技大學(xué)研究生學(xué)位論文7圖1-2炭黑分散度自動(dòng)評(píng)級(jí)程序流程圖Fig.1-2Carbonblackdispersionautomaticratingprocessflowchart近幾年來，我國(guó)部分科技公司，依據(jù)國(guó)家標(biāo)準(zhǔn)GB-6030和國(guó)際標(biāo)準(zhǔn)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(cè)定儀、臺(tái)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(tái)灣高鐵科技有限公司生產(chǎn)的GT-505-R型橡膠分散試驗(yàn)儀。這些設(shè)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(cè)定儀器的國(guó)產(chǎn)化，使得橡膠工業(yè)測(cè)定炭黑分散度的成本進(jìn)一步降低，國(guó)產(chǎn)炭黑分散度檢測(cè)儀器的國(guó)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(cè)方法中蘊(yùn)含不少的先進(jìn)思想，但均停留在離線檢測(cè)階段，未能實(shí)現(xiàn)炭黑分散度在線檢測(cè)。同時(shí)，還存在其它弊端，如無法排除劃痕對(duì)檢測(cè)結(jié)果的干擾、圖像處理耗時(shí)多等不足。1.4本文的研究目的和主要研究?jī)?nèi)容1.4.1目前存在的主要問題（1）離線檢測(cè)時(shí)效性差當(dāng)前橡膠工業(yè)廣泛使用的炭黑分散度自動(dòng)評(píng)級(jí)設(shè)備都需要人工制作樣本后

青島科技大學(xué)研究生學(xué)位論文11圖2-1機(jī)器視覺信息處理流程圖Fig.2-1Informationprocessingchaininmachinevision一套完整的機(jī)器視覺檢測(cè)系統(tǒng)由多個(gè)模塊構(gòu)成，典型的視覺系統(tǒng)包括光學(xué)模塊、圖像采集模塊、輸入輸出信號(hào)控制模塊、執(zhí)行模塊等，如圖2-2所示。圖2-2典型的機(jī)器視覺檢測(cè)系統(tǒng)Fig.2-2Typicalmachinevisiondetectionsystem（1）光學(xué)模塊：此模塊包括光源、工業(yè)相機(jī)和鏡頭。主要功能是完成圖像采集工作。搭建機(jī)器視覺檢測(cè)系統(tǒng)時(shí)，應(yīng)充分分析被測(cè)物的光學(xué)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(jiǎn)化后期數(shù)字圖像處理流程，降低計(jì)算復(fù)雜度，提高檢測(cè)效率。在機(jī)器視覺系統(tǒng)的構(gòu)建中，光學(xué)模塊是整個(gè)檢測(cè)系統(tǒng)的基礎(chǔ)，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(shè)計(jì)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(jī)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(chǔ)器；該模塊也負(fù)責(zé)控制相機(jī)曝光/積分時(shí)間、發(fā)出信號(hào)等參數(shù)，典型的代表是圖像采集卡。

【參考文獻(xiàn)】：
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(dòng)化技術(shù)與應(yīng)用. 2020(02)
[2]ECharts在氣象信息展示與統(tǒng)計(jì)中的應(yīng)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(shù)的ECharts實(shí)時(shí)圖形報(bào)表實(shí)現(xiàn)[J]. 王菲露,李軍,宋楊,胡勇,陳玉峰.  黑龍江工業(yè)學(xué)院學(xué)報(bào)(綜合版). 2019(12)
[4]汽車排氣污染物檢測(cè)用底盤測(cè)功機(jī)基本慣量的非接觸測(cè)量方法[J]. 湯灝,彭崢,林文輝.  中國(guó)計(jì)量. 2019(12)
[5]我國(guó)炭黑行業(yè)發(fā)展現(xiàn)狀及未來發(fā)展預(yù)測(cè)[J]. 魏明.  中國(guó)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(jī)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(shè)計(jì)[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(yīng)雙閾值中值濾波方法[J]. 宗永勝,胡曉輝,張榮光.  小型微型計(jì)算機(jī)系統(tǒng). 2017(07)
[10]ADO.NET通用數(shù)據(jù)訪問層的設(shè)計(jì)與實(shí)現(xiàn)[J]. 馬青霞.  金陵科技學(xué)院學(xué)報(bào). 2017(02)

博士論文
[1]基于機(jī)器視覺的調(diào)車機(jī)車輔助駕駛的研究[D]. 張馳.北京交通大學(xué) 2019
[2]白光LED陣列結(jié)溫檢測(cè)以及壽命預(yù)測(cè)分析[D]. 客洪亮.中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)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(xué) 2014
[4]同步轉(zhuǎn)子密煉機(jī)混煉橡膠的理論和實(shí)驗(yàn)研究[D]. 汪傳生.北京化工大學(xué) 2000

碩士論文
[1]基于機(jī)器視覺的螺釘檢測(cè)與定位技術(shù)的研究[D]. 韓永琪.南京郵電大學(xué) 2019
[2]鍛造鋁合金車輪單件全流程質(zhì)量追溯系統(tǒng)關(guān)鍵技術(shù)研究[D]. 凌云漢.機(jī)械科學(xué)研究總院 2018
[3]面向電動(dòng)車車載監(jiān)控終端的嵌入式軟件遠(yuǎn)程升級(jí)系統(tǒng)研究與設(shè)計(jì)[D]. 鄭繼敏.重慶郵電大學(xué) 2018
[4]圖像高斯噪聲及椒鹽噪聲去噪算法研究[D]. 孫海英.復(fù)旦大學(xué) 2012
[5]橡膠炭黑分散度的預(yù)測(cè)模型及應(yīng)用的研究[D]. 于曉輝.青島科技大學(xué) 2006



本文編號(hào)：3370023