基于圖像處理的橡膠中炭黑分散度評價方法研究

龔良文

摘要：研究基于圖像處理分散度評價方法。使用區(qū)域生長法對圖像分割，彌補了使用Otsu法識別炭黑時在分散度較好情況下識別效果不佳的不足；在精簡炭黑分散性特征信息的同時，考慮了分布性對炭黑分散度的影響，豐富和優(yōu)化了炭黑圖像的特征體系；采用BP-RBF混合網(wǎng)絡神經(jīng)網(wǎng)絡作為圖像識別的分類器，建立炭黑分散度評價模型，其評價的準確度更高，評價過程更智能化，其準確率高達95%。

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

中圖分類號：TQ330.381 文獻標識碼：A 文章編號：1007-9416（2016）07-0065-03

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

國內(nèi)在炭黑分散度評價方面已做了大量研究，創(chuàng)立的分散度評價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)進行實現(xiàn)。其主要步驟為膠料圖像采集與處理、圖像特征信息提取、分散度等級評價。

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，對于分散度檢測的研究重心已偏向評價這一方向，即對于采集到的膠料圖像的處理與評價工作。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，如何選擇合適的評價方法對分散度進行等級評定，使得評價的結(jié)果更加準確、可靠。

本工作針對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價模型，以期更準確的對炭黑分散度等級進行評級。

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。

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

對于一些過于模糊圖像，因其不具備一定的清晰度，即使對圖像進行增強也很難準確的對其進行分析。對這些圖片進行評價沒有意義。因此采用TenenGrad評價函數(shù)對圖像進行模糊度評價，以評價函數(shù)值F對圖像有效性進行判斷。對大量過度模糊圖像與清晰圖像的評價值F進行統(tǒng)計，分析統(tǒng)計所得數(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40的圖像就可認為其適合進行分散等級的評價。

使用3×3大小的中點濾波器對膠料圖像進行濾波，中點濾波結(jié)合了求均值和統(tǒng)計排序，對于隨機分布噪聲效果最好，如高斯噪聲和均勻噪聲。

在經(jīng)過前期的篩選、去噪獲得較好的膠料灰度圖像后，需要將其中的炭黑識別出來，這是典型的圖像分割問題。對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。但在目標與背景的灰度相差不大且目標所占像素比例太低的情況下，計算出的Otsu閾值會偏向背景灰度，使得有些背景被誤識為目標。所以對于大部分膠料圖像，Otsu法的分割效果不錯，而對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)域生長法，其基本思想是根據(jù)自定義的生長規(guī)則將像素或者子區(qū)域組合為大區(qū)域達到分割的目的?；痉椒ㄊ沁x取一組種子點作為生長的起點，把與種子性質(zhì)相似（如特定范圍的灰度值或顏色）的領(lǐng)域像素點添加到每個種子點上作為新的種子，種子不斷添加形成區(qū)域的生長，直至不再有像素點滿足相似性準則完成分割。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

為準確對炭黑分散度等級進行評價，要求選擇的二值圖像的特征信息能夠較準確、全面地表征炭黑分散度信息。

但是大多數(shù)研究中在評價時對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、粒子面積等多個角度選取的5個特征信息如下：X1：圖像中炭黑粒子總面積，單位為像素點；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個等分區(qū)域，各區(qū)域中炭黑面積的標準差；X5：以各炭黑粒子質(zhì)心坐標構(gòu)成一個點集限定邊界作維諾圖，維諾圖各Dirichiet區(qū)面積的標準差。

對于以上信息的提取如下：圖像經(jīng)過處理后獲得的二值化圖像中每個炭黑粒子為一個白色區(qū)域，使用一種基于行程的區(qū)域標記方法對二值圖像進行區(qū)域標記，統(tǒng)計區(qū)域信息即可完成特征信息的提取。

X1即為各標記區(qū)域總面積：X2為各標記區(qū)域面積均值；X3為各標記區(qū)域中面積最大值；X4為各圖像區(qū)域塊內(nèi)標記區(qū)域的面積的標準差；對于X5，獲得各標記區(qū)域質(zhì)心坐標集合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，面積標準差即為X5。以橡膠炭黑分散度的檢測標準ISO 11345中的4級標準圖像為例，對其所作維諾圖如圖4所示，提取的特征數(shù)據(jù)如表1所示。

3 分散度等級評價

對炭黑分散等級的評價的過程其實就是圖像識別的過程，即對輸入的圖像，分析并提取其特征，然后構(gòu)造分類器，根據(jù)提取的特征運算進行判別分析。圖像識別其實就是圖像的模式識別，把模式識別的技術(shù)具體應用在圖像領(lǐng)域，問題的關(guān)鍵在于分類器的選擇。

采用BP-RBF混合網(wǎng)絡神經(jīng)網(wǎng)絡作為圖像識別的分類器，建立炭黑分散度評價模型，評價模型具有較高的準確度，且可以在使用中隨著樣本數(shù)的增加對參數(shù)進行調(diào)整與優(yōu)化，具有很強的健壯性。

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

以從工業(yè)現(xiàn)場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組作為訓練樣本，100組作為測試樣本對網(wǎng)絡進行訓練與仿真。網(wǎng)絡的訓練分為三個步驟：分別對BP網(wǎng)絡、RBF網(wǎng)絡的訓練，其訓練曲線和測試樣本期望輸出與實際輸出線性回歸分別如圖6和圖7所示。

使用自適應遺傳算法尋找最優(yōu)混合系數(shù)將二者的輸出整合，混合網(wǎng)絡的測試樣本期望輸出與實際輸出線性回歸以及將網(wǎng)絡輸出轉(zhuǎn)換為分散度等級評價值后模型評價等級與實際等級構(gòu)造混淆矩陣如圖8所示，其評價準確性可達95%。

4 結(jié)語

本研究提出使用新的方法對炭黑進行識別，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價模型，其評價的準確率能夠滿足工業(yè)生產(chǎn)的要求。因此，該研究應該可以應用于分散度檢測儀器的研制，以進一步提高檢測儀的性能?？梢愿玫闹笇Щ鞜捁に嚨倪M行，進一步降低橡膠煉制成本，提高煉制效率，也使得對膠料質(zhì)量監(jiān)督更加嚴謹。

參考文獻

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

[2]魏國軍.橡膠炭黑圖像特征提取及評價模型研究[D].河南理工大學，2009.

[3]王曉波.橡膠中炭黑的分散度評價機理和方法研究[D].青島科技大學，2013.