一种重质碳酸钙粉体色度检测方法与流程

1.本发明涉及色度检测技术领域，尤其是一种重质碳酸钙粉体色度检测方法。


背景技术：

2.本文的重质碳酸钙简称重钙，其是由天然碳酸盐矿物如方解石、大理石、石灰石磨碎而成。重质碳酸钙具有化学纯度高、惰性大、不易化学反应、热稳定性好、在400℃以下不会分解、白度高、吸油率低、折光率低、质软、干燥、不含结晶水、硬度低磨耗值小、无毒、无味、无臭、分散性好等优点。另外，碳酸钙是涂料生产中重要的填充剂，被广泛运用于各种涂料生产中，但是并并非所有的碳酸钙都可以作为填充剂添加到涂料中。其中，粒径比较大的碳酸钙常被用于做为腻子、填孔化合物、金属的底漆及其他产物，它们需要高颜料量、流动性及粗的表面；中等粒径的碳酸钙比较合适用于建筑涂料及室内无光或半光漆上；细小粒级的碳酸钙主要用于印刷油墨。其中，重质碳酸钙的平均粒径一般为5-10μm，其属于微粒碳酸钙。
3.在造纸技术领域中，碳酸钙在纸张中作为填料主要有以下目的：第一，填料分散于浆料纤维间将空隙填充，改善纸张的不透明度、白度等光学性质；第二，改进纸张的吸油墨性，使纸张具有更好的印刷适性；第三，满足纸张某些特殊性能要求，如提高纸张的导电性、耐热性等；第四，减少纤维原料的使用，降低生产成本；第五，填料具有大的比表面积，有助于克服树脂障碍。其中，碳酸钙的色度直接影响纸张的视觉色相、印刷质量、色相持久性。
4.目前，现有技术中碳酸钙色度检测采用“专利公开号为：cn112763068a、名称为：一种碳酸钙粉体色度的检测方法”的中国发明专利的方式，其包括：(1)混料：开启天平，将烧杯置于电子天平上，去皮，向烧杯中加入无色树脂，再向装有无色树脂的烧杯中加入需检测的碳酸钙粉体样品，充分混匀，得到粉团；(2)制样：将粉团放在圆形制样器中压平，直至充满整个制样器且使摊塌面平整，静置5-10分钟，得到检测样品备测；(3)检测：按测色仪的操作规程进行测试前处理，然后对检测样品进行测试，每个检测样品取两个重现的数据，并记录l、a、b值。其依然采用测色仪进行测量，在无色树脂和碳酸钙粉体混合时，由于其并非液体，其混匀较为困难，只能实现理论上的混匀，检测的结果与真实结果存在一定误差。另外，测色仪需要挤压贴紧检测样品才可进行准确检测，其对检测样品存在一定的挤压，会导致样本厚度发生改变，其依然对样本的色度检测造成影响。若对色度检测精度不高时，上述方式可以实现。
5.因此，急需要提出一种逻辑简单、检测准确可靠的重质碳酸钙粉体色度检测方法。


技术实现要素：

6.针对上述问题，本发明的目的在于提供一种重质碳酸钙粉体色度检测方法，本发明采用的技术方案如下：
7.一种重质碳酸钙粉体色度检测方法，其采用圆形透明的粉末皿存储待检测的重质碳酸钙，并对粉末皿内的重质碳酸钙进行刮平，将刮平重质碳酸钙后的粉末皿放置在透明
标准板上；所述透明标准板的一端刻有两根条纹；两根所述条纹沿垂直于透明标准板的长度方式布设；
8.所述重质碳酸钙粉体色度检测方法包括以下步骤：
9.沿垂直于透明标准板方向采集含有透明标准板和储存有重质碳酸钙的粉末皿的第一图像；拍摄所述第一图像的图像采集设备位于粉末皿的轴线方向上；
10.对第一图像进行分割，求得第一图像中条纹的间距或条纹的宽度；
11.根据第一图像中条纹的间距或条纹的宽度与透明标准板的实际条纹的间距或实际条纹的宽度进行比例缩放；
12.构建色度标准数据库；
13.建构色度识别网格模型；所述色度识别网格模型包括并分支设置、并提取第一图像中重质碳酸钙的特征向量的第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络，与第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络连接的特征选取模块，以及与特征选取模块连接的全连接层；所述特征选取模块选取第一图像中色度特征最大的特征点；
14.利用色度标准数据库对色度识别网格模型进行训练，得到训练后的色度识别网格模型；
15.将比例缩放后的第一图像输入至训练后的色度识别网格模型，识别得到重质碳酸钙粉体色度值。
16.进一步地，所述对第一图像进行分割，求得第一图像中条纹的间距或条纹的宽度，包括：
17.对第一图像进行分割，得到含有条纹的第二图像和含有储存有重质碳酸钙的粉末皿的第三图像；
18.求得第二图像中的条纹的间距或条纹的宽度；
19.根据第二图像中的条纹的间距或条纹的宽度与透明标准板的实际条纹的间距或实际条纹的宽度对第三图像进行比例缩放。
20.进一步地，还包括：将比例缩放的第三图像输入至训练后的色度识别网格模型，识别得到重质碳酸钙粉体色度值。
21.进一步地，所述图像采集设备上设置有一测距设备，所述测距设备采集获得图像采集设备与粉末皿之间的第一距离。
22.进一步地，求得第一图像中条纹的间距或条纹的宽度，包括：求得条纹在第一图像中的正投影，并利用条纹在第一图像中的正投影进行条纹的间距或条纹的宽度求得；所述求得条纹在第一图像中的正投影，包括以下步骤：
23.在第一图像中，求得第一图像中两根条纹之间的中间点，并获取中间点与粉末皿的中心点的第二距离；所述图像采集设备与粉末皿的中心点的连线记为直线l1；所述图像采集设备与两根条纹之间的中间点的连线记为直线l2；
24.利用第一距离和第二距离，并采用反正切，求得直线l1与直线l2的夹角；
25.采用正投影法校正两根条纹的宽度和两根条纹的间距。
26.进一步地，所述第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络提取第一图像中重质碳酸钙的特征向量；所述特征向量包括hsv颜色模型通
道中的色相h和饱和度s、yuv颜色空间通道中的明度v和色度u。
27.进一步地，所述特征选取模块对第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络输出的特征向量进行拼接，并与权重核 w进行元素积乘积，选取第一图像中色度特征最大的特征点，完成特征选择，所述元素积的表达式为：
[0028][0029]
其中，表示第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络输出的特征向量；表示元素积。
[0030]
与现有技术相比，本发明具有以下有益效果：
[0031]
（1）本发明对粉末皿内的重质碳酸钙进行刮平，沿水平方向观察，无凹凸不平、疵点和瘢痕，以保证后期检测的准确性。另外，本发明通过设置两根条纹，根据图像中条纹的间距或条纹的宽度与实际的条纹的间距或条纹的宽度进行比例缩放，保证任一次检测获得的图像尺寸相同，有效地避免因拍摄图像的远近造成识别差异，进一步提高了识别准确率。本发明采用非接触的图像识别，其与标准的色度进行对比，排出因检测操作造成的干扰，保证检测准确可靠。
[0032]
（2）本发明通过建构色度识别网格模型，其中，第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络分别提取hsv颜色模型通道中的色相h和饱和度s、yuv颜色空间通道中的明度v和色度u，并利用特征选取模块去增加特征分布的稀疏性，并定位和选择出最显著的特征，以便于准确可靠进行色度识别。
[0033]
（3）本发明对条纹进行正投影，保证任一次采集获得的粉末皿图像均在同一次条件下进行对比。其中，在任一次图像采集时，图像采集设备与粉末皿的中心点的距离、两根条纹之间的中间点与粉末皿的中心点的第二距离均可能发生改变，此时，利用正投影和比例缩放配合进行校正，保证任一次采集的图像中的粉末皿的尺寸相同，以克服因拍摄的位置差异造成的误差，保证检测准确可靠性。
[0034]
综上所述，本发明具有逻辑简单、检测准确可靠等优点，在色度检测技术领域具有很高的实用价值和推广价值。
附图说明
[0035]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需使用的附图作简单介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对保护范围的限定，对于本领域技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0036]
图1为本发明的检测状态示意图。
[0037]
图2为本发明的粉末皿和透明标准板的结构示意图。
[0038]
图3为本发明的色度识别网格模型的结构示意图。
[0039]
上述附图中，附图标记对应的部件名称如下：
[0040]
1、透明标准板；2、粉末皿；3、条纹；4、图像采集设备；5、测距设备。
具体实施方式
[0041]
为使本技术的目的、技术方案和优点更为清楚，下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0042]
本实施例中，术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
[0043]
本实施例的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一目标对象和第二目标对象等是用于区别不同的目标对象，而不是用于描述目标对象的特定顺序。
[0044]
在本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
[0045]
在本技术实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。例如，多个处理单元是指两个或两个以上的处理单元；多个系统是指两个或两个以上的系统。
[0046]
如图1至图3所示，本实施例提供了一种重质碳酸钙粉体色度检测方法，其采用图像识别技术，与传统的接触式的测色仪不同，其无需接触贴合在待检测的样品上。其采用圆形透明的粉末皿存储待检测的重质碳酸钙，并对粉末皿内的重质碳酸钙进行刮平，将刮平重质碳酸钙后的粉末皿放置在透明标准板上。为了保证任一次采集的图像在比例缩放校正后尺寸相同，并且能实现准确定位，在透明标准板的一端刻有两根条纹，以作为参考。其中，两根所述条纹沿垂直于透明标准板的长度方式布设。在此，图像采集设备与粉末皿的中心点的连线记为直线l1，图像采集设备与两根条纹之间的中间点的连线记为直线l2。直线l1与直线l2之间的夹角为δ。
[0047]
在本实施例中，将粉末皿放置在图像采集设备的下部，由于其并未每一次都能放置在图像采集设备的正下方（即图像采集设备与粉末皿的轴线重合），因此，图像采集设备的位置必须需要调整，其包括三轴方向的调整。另外，粉末皿也并非每一次放置透明标准板的同一个点，即存在位置偏差。那么，图像采集设备与粉末皿的中心点的距离、两根条纹之间的中间点与粉末皿的中心点的第二距离均差异。由此可见，图像中的粉末皿势必有一定的尺寸差异，这对后期的颜色空间输出也会有影响，造成色相识别误差。因此，本实施例均需要考虑以上技术问题。
[0048]
本实施例的重质碳酸钙粉体色度检测方法包括以下步骤：
[0049]
第一步，沿垂直于透明标准板方向采集含有透明标准板和储存有重质碳酸钙的粉末皿的第一图像。其中，拍摄所述第一图像的图像采集设备位于粉末皿的轴线方向上；在检测前，需要对图像采集设备进行三轴方向调整，保证图像采集设备在粉末皿的轴线方向上。
[0050]
第二步，对第一图像进行分割，求得第一图像中条纹的间距或条纹的宽度。在此之前，还需要对条纹进行正投影；每一次图像采集时，图像采集设备与粉末皿的中心点的距离、两根条纹之间的中间点与粉末皿的中心点的第二距离均存在差异，那么需要对其进行修正。具体来说：
hsv; u, v in yuv) 的128 维的特征信息并把它们拼接在一起，然后将拼接后的向量与权重核 w 进行乘积便可完成特征的选择。其中，通过增加特征分布的稀疏性，并定位和选择出最显著的特征点（即色度特征最大的特征点），利用最显著的特征点进行色度对比识别。
[0065]
第六步，利用色度标准数据库对色度识别网格模型进行训练，得到训练后的色度识别网格模型。
[0066]
第七步，将比例缩放后的第一图像（具体是第一图像拆分得到的第三图像，第三图像属于第一图像的一部分）输入至训练后的色度识别网格模型，识别得到重质碳酸钙粉体色度值。
[0067]
上述实施例仅为本发明的优选实施例，并非对本发明保护范围的限制，但凡采用本发明的设计原理，以及在此基础上进行非创造性劳动而作出的变化，均应属于本发明的保护范围之内。

技术特征：
1.一种重质碳酸钙粉体色度检测方法，其特征在于，采用圆形透明的粉末皿存储待检测的重质碳酸钙，并对粉末皿内的重质碳酸钙进行刮平，将刮平重质碳酸钙后的粉末皿放置在透明标准板上；所述透明标准板的一端刻有两根条纹；两根所述条纹沿垂直于透明标准板的长度方式布设；所述重质碳酸钙粉体色度检测方法包括以下步骤：沿垂直于透明标准板方向采集含有透明标准板和储存有重质碳酸钙的粉末皿的第一图像；拍摄所述第一图像的图像采集设备位于粉末皿的轴线方向上；对第一图像进行分割，求得第一图像中条纹的间距或条纹的宽度；根据第一图像中条纹的间距或条纹的宽度与透明标准板的实际条纹的间距或实际条纹的宽度进行比例缩放；构建色度标准数据库；建构色度识别网格模型；所述色度识别网格模型包括并分支设置、并提取第一图像中重质碳酸钙的特征向量的第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络，与第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络连接的特征选取模块，以及与特征选取模块连接的全连接层；所述特征选取模块选取第一图像中色度特征最大的特征点；所述第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络提取第一图像中重质碳酸钙的特征向量；所述特征向量包括hsv颜色模型通道中的色相h和饱和度s、yuv颜色空间通道中的明度v和色度u；利用色度标准数据库对色度识别网格模型进行训练，得到训练后的色度识别网格模型；将比例缩放后的第一图像输入至训练后的色度识别网格模型，识别得到重质碳酸钙粉体色度值。2.根据权利要求1所述的一种重质碳酸钙粉体色度检测方法，其特征在于，所述对第一图像进行分割，求得第一图像中条纹的间距或条纹的宽度，包括：对第一图像进行分割，得到含有条纹的第二图像和含有储存有重质碳酸钙的粉末皿的第三图像；求得第二图像中的条纹的间距或条纹的宽度；根据第二图像中的条纹的间距或条纹的宽度与透明标准板的实际条纹的间距或实际条纹的宽度对第三图像进行比例缩放。3.根据权利要求2所述的一种重质碳酸钙粉体色度检测方法，其特征在于，还包括：将比例缩放的第三图像输入至训练后的色度识别网格模型，识别得到重质碳酸钙粉体色度值。4.根据权利要求2所述的一种重质碳酸钙粉体色度检测方法，其特征在于，所述图像采集设备上设置有一测距设备，所述测距设备采集获得图像采集设备与粉末皿之间的第一距离。5.根据权利要求4所述的一种重质碳酸钙粉体色度检测方法，其特征在于，求得第一图像中条纹的间距或条纹的宽度，包括：求得条纹在第一图像中的正投影，并利用条纹在第一图像中的正投影进行条纹的间距或条纹的宽度求得；所述求得条纹在第一图像中的正投影，包括以下步骤：
在第一图像中，求得第一图像中两根条纹之间的中间点，并获取中间点与粉末皿的中心点的第二距离；所述图像采集设备与粉末皿的中心点的连线记为直线l1；所述图像采集设备与两根条纹之间的中间点的连线记为直线l2；利用第一距离和第二距离，并采用反正切，求得直线l1与直线l2的夹角；采用正投影法校正两根条纹的宽度和两根条纹的间距。6.根据权利要求1所述的一种重质碳酸钙粉体色度检测方法，其特征在于，所述特征选取模块对第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络输出的特征向量进行拼接，并与权重核 w进行元素积乘积，选取第一图像中色度特征最大的特征点，完成特征选择，所述元素积的表达式为：；其中，表示第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和第四卷积神经网络输出的特征向量；表示元素积。

技术总结
本发明公开了一种重质碳酸钙粉体色度检测方法，属于重质碳酸钙粉体色度检测技术领域，解决现有技术中接触式检测干扰问题，其包括：沿垂直于透明标准板方向采集含有透明标准板和储存有重质碳酸钙的粉末皿的第一图像；对第一图像进行分割，求得第一图像中条纹的间距或条纹的宽度；根据第一图像中条纹的间距或条纹的宽度与透明标准板的实际条纹的间距或实际条纹的宽度进行比例缩放；构建色度标准数据库；建构色度识别网格模型；利用色度标准数据库对色度识别网格模型进行训练；将比例缩放后的第一图像输入至训练后的色度识别网格模型，识别得到重质碳酸钙粉体色度值。通过上述方案，本发明具有逻辑简单、检测准确可靠等优点。检测准确可靠等优点。检测准确可靠等优点。


技术研发人员：彭贵明 李林富 彭建蓉 钱程
受保护的技术使用者：四川亿欣新材料有限公司
技术研发日：2023.07.19
技术公布日：2023/8/16