龔良文

摘要：研究基于圖像處理分散度評(píng)價(jià)方法。使用區(qū)域生長(zhǎng)法對(duì)圖像分割，彌補(bǔ)了使用Otsu法識(shí)別炭黑時(shí)在分散度較好情況下識(shí)別效果不佳的不足；在精簡(jiǎn)炭黑分散性特征信息的同時(shí)，考慮了分布性對(duì)炭黑分散度的影響，豐富和優(yōu)化了炭黑圖像的特征體系；采用BP-RBF混合網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)作為圖像識(shí)別的分類器，建立炭黑分散度評(píng)價(jià)模型，其評(píng)價(jià)的準(zhǔn)確度更高，評(píng)價(jià)過(guò)程更智能化，其準(zhǔn)確率高達(dá)95%。

關(guān)鍵詞：炭黑分散度 圖像分割 BP-RBF 混合神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：TQ330.381 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）07-0065-03

炭黑作為橡膠混煉過(guò)程中份額最大同時(shí)也是最為重要的補(bǔ)強(qiáng)性填料，其與生膠的混合均勻性直接影響到膠料的物理機(jī)械性能。在工業(yè)生產(chǎn)中以1-10十個(gè)等級(jí)標(biāo)定混合均勻的程度，即炭黑分散度，并以分散度作為一個(gè)重要尺度去衡量膠料和其膠制品質(zhì)量的好壞。

國(guó)內(nèi)在炭黑分散度評(píng)價(jià)方面已做了大量研究，創(chuàng)立的分散度評(píng)價(jià)方法仍以顯微照相法為基礎(chǔ)，使用數(shù)字圖像處理技術(shù)進(jìn)行實(shí)現(xiàn)。其主要步驟為膠料圖像采集與處理、圖像特征信息提取、分散度等級(jí)評(píng)價(jià)。

由于目前的顯微攝像技術(shù)已經(jīng)能夠支持足夠清晰膠料圖像的獲取，對(duì)于分散度檢測(cè)的研究重心已偏向評(píng)價(jià)這一方向，即對(duì)于采集到的膠料圖像的處理與評(píng)價(jià)工作。主要包括如何選擇合適的圖像分割算法甄別炭黑與背景，如何選擇合適的圖像信息表征炭黑分散情況，如何選擇合適的評(píng)價(jià)方法對(duì)分散度進(jìn)行等級(jí)評(píng)定，使得評(píng)價(jià)的結(jié)果更加準(zhǔn)確、可靠。

本工作針對(duì)膠料圖像確定合適的圖像分割算法，選擇完整的圖像信息建立炭黑分散度特征體系，并建立更健壯的分散度評(píng)價(jià)模型，以期更準(zhǔn)確的對(duì)炭黑分散度等級(jí)進(jìn)行評(píng)級(jí)。

1 圖像采集與處理

基本流程包括膠料圖像的采集、圖像有效性判斷、圖像去噪與圖像分割。

對(duì)于待測(cè)膠料切取試樣，使用CCD攝像機(jī)獲取膠料圖像，示例如圖1所示，統(tǒng)一格式為480×640×8 bits，其中白點(diǎn)為炭黑。

對(duì)于一些過(guò)于模糊圖像，因其不具備一定的清晰度，即使對(duì)圖像進(jìn)行增強(qiáng)也很難準(zhǔn)確的對(duì)其進(jìn)行分析。對(duì)這些圖片進(jìn)行評(píng)價(jià)沒(méi)有意義。因此采用TenenGrad評(píng)價(jià)函數(shù)對(duì)圖像進(jìn)行模糊度評(píng)價(jià)，以評(píng)價(jià)函數(shù)值F對(duì)圖像有效性進(jìn)行判斷。對(duì)大量過(guò)度模糊圖像與清晰圖像的評(píng)價(jià)值F進(jìn)行統(tǒng)計(jì)，分析統(tǒng)計(jì)所得數(shù)據(jù)易發(fā)現(xiàn)，模糊圖像與清晰圖像的界限位于40左右，F(xiàn)值超過(guò)40的圖像就可認(rèn)為其適合進(jìn)行分散等級(jí)的評(píng)價(jià)。

使用3×3大小的中點(diǎn)濾波器對(duì)膠料圖像進(jìn)行濾波，中點(diǎn)濾波結(jié)合了求均值和統(tǒng)計(jì)排序，對(duì)于隨機(jī)分布噪聲效果最好，如高斯噪聲和均勻噪聲。

在經(jīng)過(guò)前期的篩選、去噪獲得較好的膠料灰度圖像后，需要將其中的炭黑識(shí)別出來(lái)，這是典型的圖像分割問(wèn)題。對(duì)于膠料圖像分割方法的研究并不多，其中使用最多的是一種基于全局閾值的Otsu法。但在目標(biāo)與背景的灰度相差不大且目標(biāo)所占像素比例太低的情況下，計(jì)算出的Otsu閾值會(huì)偏向背景灰度，使得有些背景被誤識(shí)為目標(biāo)。所以對(duì)于大部分膠料圖像，Otsu法的分割效果不錯(cuò)，而對(duì)于分散度較好的膠料圖像，其分割效果不佳，將許多膠料誤分為炭黑粒子。

因此使用一種基于區(qū)域分割的區(qū)域生長(zhǎng)法，其基本思想是根據(jù)自定義的生長(zhǎng)規(guī)則將像素或者子區(qū)域組合為大區(qū)域達(dá)到分割的目的?；痉椒ㄊ沁x取一組種子點(diǎn)作為生長(zhǎng)的起點(diǎn)，把與種子性質(zhì)相似（如特定范圍的灰度值或顏色）的領(lǐng)域像素點(diǎn)添加到每個(gè)種子點(diǎn)上作為新的種子，種子不斷添加形成區(qū)域的生長(zhǎng)，直至不再有像素點(diǎn)滿足相似性準(zhǔn)則完成分割。如圖2圖3所示分別為使用Otsu法和區(qū)域生長(zhǎng)法分割結(jié)果，后者分割效果明顯好于前者。

2 圖像特征信息提取

為準(zhǔn)確對(duì)炭黑分散度等級(jí)進(jìn)行評(píng)價(jià)，要求選擇的二值圖像的特征信息能夠較準(zhǔn)確、全面地表征炭黑分散度信息。

但是大多數(shù)研究中在評(píng)價(jià)時(shí)對(duì)于分散度情況的表征不夠全面，只表征了炭黑面積大小，未表征其分布情況。因此從分散性、分布性、空間布局、粒子面積等多個(gè)角度選取的5個(gè)特征信息如下：X1：圖像中炭黑粒子總面積，單位為像素點(diǎn)；X2：炭黑粒子平均面積；X3：最大炭黑粒子面積；X4：將圖像分為16個(gè)等分區(qū)域，各區(qū)域中炭黑面積的標(biāo)準(zhǔn)差；X5：以各炭黑粒子質(zhì)心坐標(biāo)構(gòu)成一個(gè)點(diǎn)集限定邊界作維諾圖，維諾圖各Dirichiet區(qū)面積的標(biāo)準(zhǔn)差。

對(duì)于以上信息的提取如下：圖像經(jīng)過(guò)處理后獲得的二值化圖像中每個(gè)炭黑粒子為一個(gè)白色區(qū)域，使用一種基于行程的區(qū)域標(biāo)記方法對(duì)二值圖像進(jìn)行區(qū)域標(biāo)記，統(tǒng)計(jì)區(qū)域信息即可完成特征信息的提取。

X1即為各標(biāo)記區(qū)域總面積：X2為各標(biāo)記區(qū)域面積均值；X3為各標(biāo)記區(qū)域中面積最大值；X4為各圖像區(qū)域塊內(nèi)標(biāo)記區(qū)域的面積的標(biāo)準(zhǔn)差；對(duì)于X5，獲得各標(biāo)記區(qū)域質(zhì)心坐標(biāo)集合C后，使用MPT工具箱并限制邊界為[0，480]和[0，640]繪制維諾圖可獲得各Dirichiet區(qū)的面積，面積標(biāo)準(zhǔn)差即為X5。以橡膠炭黑分散度的檢測(cè)標(biāo)準(zhǔn)ISO 11345中的4級(jí)標(biāo)準(zhǔn)圖像為例，對(duì)其所作維諾圖如圖4所示，提取的特征數(shù)據(jù)如表1所示。

3 分散度等級(jí)評(píng)價(jià)

對(duì)炭黑分散等級(jí)的評(píng)價(jià)的過(guò)程其實(shí)就是圖像識(shí)別的過(guò)程，即對(duì)輸入的圖像，分析并提取其特征，然后構(gòu)造分類器，根據(jù)提取的特征運(yùn)算進(jìn)行判別分析。圖像識(shí)別其實(shí)就是圖像的模式識(shí)別，把模式識(shí)別的技術(shù)具體應(yīng)用在圖像領(lǐng)域，問(wèn)題的關(guān)鍵在于分類器的選擇。

采用BP-RBF混合網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)作為圖像識(shí)別的分類器，建立炭黑分散度評(píng)價(jià)模型，評(píng)價(jià)模型具有較高的準(zhǔn)確度，且可以在使用中隨著樣本數(shù)的增加對(duì)參數(shù)進(jìn)行調(diào)整與優(yōu)化，具有很強(qiáng)的健壯性。

網(wǎng)絡(luò)模型如圖5所示，網(wǎng)絡(luò)輸入X為提取的圖像特征數(shù)據(jù)，BP網(wǎng)絡(luò)的輸出值為YBP（x），RBF網(wǎng)絡(luò)的輸出值為YRBF（x），混合網(wǎng)絡(luò)輸出Y（x）=ρ1YBP（x）+ρ2YRBF（x），均以四位二進(jìn)制表示分散度等級(jí)，如1級(jí)樣本的期望輸出為（0，0，0，1），10級(jí)樣本的期望輸出為（1，0，1，0），ρ1與ρ2為常數(shù)，是網(wǎng)絡(luò)的混合系數(shù)，直接決定了網(wǎng)絡(luò)的評(píng)價(jià)結(jié)果。

以從工業(yè)現(xiàn)場(chǎng)獲取的大量輪胎橡膠圖像為基礎(chǔ)，從中選取300張?zhí)崛√卣鲾?shù)據(jù)，其方法在上文已給出，以200組作為訓(xùn)練樣本，100組作為測(cè)試樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練與仿真。網(wǎng)絡(luò)的訓(xùn)練分為三個(gè)步驟：分別對(duì)BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)的訓(xùn)練，其訓(xùn)練曲線和測(cè)試樣本期望輸出與實(shí)際輸出線性回歸分別如圖6和圖7所示。

使用自適應(yīng)遺傳算法尋找最優(yōu)混合系數(shù)將二者的輸出整合，混合網(wǎng)絡(luò)的測(cè)試樣本期望輸出與實(shí)際輸出線性回歸以及將網(wǎng)絡(luò)輸出轉(zhuǎn)換為分散度等級(jí)評(píng)價(jià)值后模型評(píng)價(jià)等級(jí)與實(shí)際等級(jí)構(gòu)造混淆矩陣如圖8所示，其評(píng)價(jià)準(zhǔn)確性可達(dá)95%。

4 結(jié)語(yǔ)

本研究提出使用新的方法對(duì)炭黑進(jìn)行識(shí)別，系統(tǒng)的建立了能很好表征分散度信息的特征體系，并使用新的方法建立評(píng)價(jià)模型，其評(píng)價(jià)的準(zhǔn)確率能夠滿足工業(yè)生產(chǎn)的要求。因此，該研究應(yīng)該可以應(yīng)用于分散度檢測(cè)儀器的研制，以進(jìn)一步提高檢測(cè)儀的性能?？梢愿玫闹笇?dǎo)混煉工藝的進(jìn)行，進(jìn)一步降低橡膠煉制成本，提高煉制效率，也使得對(duì)膠料質(zhì)量監(jiān)督更加嚴(yán)謹(jǐn)。

參考文獻(xiàn)

[1]謝振合，張海.混煉膠炭黑分散度自動(dòng)識(shí)別的特征指標(biāo)體系及圖像處理方法[J].橡膠工業(yè)，2006，02：99-103.

[2]魏國(guó)軍.橡膠炭黑圖像特征提取及評(píng)價(jià)模型研究[D].河南理工大學(xué)，2009.

[3]王曉波.橡膠中炭黑的分散度評(píng)價(jià)機(jī)理和方法研究[D].青島科技大學(xué)，2013.