基于人工智能的分批式混合机控制方法及系统与流程

1.本发明涉及人工智能技术领域，具体涉及一种基于人工智能的分批式混合机控制方法及系统。


背景技术：

2.随着科技的发展，传统的人力混合已经被智能的混合机取代，目前，混合机在石油化工、生物医药、环保、纺织、食品加工等行业都广泛使用，混合机的类型包括v型混合机、无重力混合机和分批式混合机等等，其中分批式混合机是指混合机对目标物体进行分批次的混合。
3.对于粉末制药的制作过程中，由于混合机的混合时间是固定设置好的，当分批式混合机在混合不同颜色粉末时，固定时间一方面会造成在混合时间到达时，其混合机内部仍未混合均匀，存在分层现象，导致混合结果不理想，另一方面固定时间设置较长时会降低混合效率。


技术实现要素：

4.为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的分批式混合机控制方法及系统，所采用的技术方案具体如下：
5.本发明一个实施例提供了一种基于人工智能的分批式混合机控制方法，该方法包括：
6.在不同颜色粉末的混合过程中，采集混合机内部的rgb图像，对所述rgb图像进行颜色阈值分割得到颜色的整体分层边界线；
7.基于像素点的周围像素点的色调得到所述整体分层边界线上每个像素点对应的颜色类别数量，由所述颜色类别数量对所述整体分层边界线进行分段得到多段分层边界线；基于图像坐标系，根据像素点的坐标分别拟合每段所述分层边界线的曲线，由所述曲线得到所述分层边界线上每个像素点的斜率；
8.根据所述分层边界线的长度和每个像素点的所述斜率得到每段所述分层边界线的线段复杂度；获取每段所述分层边界线的中心点，结合每段所述分层边界线的所述中心点和所述线段复杂度得到所述整体分层边界线的分层程度；
9.由所述分层程度对所述混合机的固定混合时间进行自适应调整。
10.优选的，所述周围像素点的获取方法，包括：
11.设定滑窗尺寸，利用所述滑窗得到所述整体分层边界线上每个像素点的所述周边像素点。
12.优选的，所述由所述颜色类别数量对所述整体分层边界线进行分段得到多段分层边界线的方法，包括：
13.获取所述颜色类别数量大于或等于3时所述整体分层边界上对应的多个第一像素点，根据所述第一像素点得到所述整体分层边界线对应的多段所述分层边界线。
14.优选的，所述根据所述分层边界线的长度和每个像素点的所述斜率得到每段所述分层边界线的线段复杂度的方法，包括：
15.获取所述分层边界线上像素点的数量，将所述数量作为分层边界线的长度；基于每段所述分层边界线上所有像素点的所述斜率，将相同的所述斜率构成一个斜率类别以得到多个所述斜率类别，统计每个所述斜率类别中所述斜率的个数，由所述个数和所述长度得到每段所述分层边界线的所述线段复杂度。
16.优选的，所述结合每段所述分层边界线的所述中心点和所述线段复杂度得到所述整体分层边界线的分层程度的方法，包括：
17.对于所有的所述分层边界线，由所述中心点分别计算每两段所述分层边界线之间的距离，由所述线段复杂度计算对应两段所述分层边界线之间的复杂度总和，结合所述距离与所述复杂度总和得到所述整体分层边界线的分层程度。
18.优选的，其特征在于，所述线段复杂度的计算公式为：
[0019][0020]
其中，c为所述线段复杂度；v为所述斜率类别的数量；pi为第i个斜率类别对应的所述个数；n为像素点的数量。
[0021]
优选的，所述分层程度与所述距离呈正相关、所述分层程度与所述复杂度总和呈正相关。
[0022]
进一步地，本发明实施例提供了一种基于人工智能的分批式混合机控制系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
[0023]
本发明实施例至少具有如下有益效果：通过分析不同颜色粉末在混合过程中的分层边界线以获取混合过程中的分层程度，由分层程度对混合时间进行自适应调整，不但能够得到一个混合彻底的结果，而且也会提高混合的效率。
附图说明
[0024]
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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它附图。
[0025]
图1为本发明一个实施例提供的一种基于人工智能的分批式混合机控制方法的步骤流程图；
[0026]
图2为本发明实施例中所提供的关于混合机内部的rgb图像的示意图；
[0027]
图3为本发明实施例中所提供的关于整体分层边界线的示意图。
具体实施方式
[0028]
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的分批式混合机控制方法及
系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0029]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0030]
下面结合附图具体的说明本发明所提供的一种基于人工智能的分批式混合机控制方法及系统的具体方案。
[0031]
本发明实施例所针对的具体场景为：适用于粉末制药过程中，且该过程中选用具有观察口的分批式混合机，在观察口处架设相机，利用相机采集混合机内部图像。
[0032]
需要说明的是，本发明实施例中相机采用rgb相机，使得采集的图像足够清楚以能够识别出各物料的分界限。
[0033]
请参阅图1，其示出了本发明一个实施例提供的一种基于人工智能的分批式混合机控制方法的步骤流程图，该方法包括以下步骤：
[0034]
步骤s001，在不同颜色粉末的混合过程中，采集混合机内部的rgb图像，对rgb图像进行颜色阈值分割得到颜色的整体分层边界线。
[0035]
具体的，在不同颜色粉末的混合过程中，其粉末由于未混合均匀会出现分层现象，进而采集混合机内部的rgb图像，如图2所示。
[0036]
将采集得到rgb图像转化hsv颜色空间的第一图像，统计第一图像中色调(h)分量的直方图，对h值的直方图取top-n，n为对直方图平滑去噪后峰值检测的峰值个数，得到颜色分割阈值，使用得到的颜色份分割阈值，对得到第一图像进行颜色分割，对分割结果采用canny边缘检测算子，将边缘检测结果，采用按位与操作叠加到第一图像中，得到不同颜色之间的整体分层边界线，如图3所示。
[0037]
步骤s002，基于像素点的周围像素点的色调得到整体分层边界线上每个像素点对应的颜色类别数量，由颜色类别数量对整体分层边界线进行分段得到多段分层边界线；基于图像坐标系，根据像素点的坐标分别拟合每段分层边界线的曲线，由曲线得到分层边界线上每个像素点的斜率。
[0038]
具体的，已知粉末混合越彻底，其分层现象存在的概率越低，进而分层造成的分层边界线越少，因此，通过分析整体分层边线来检测粉末混合过程中的分层程度。
[0039]
采用滑窗操作，设定滑窗尺寸，本发明实施例中采用3
×
3的滑窗，利用滑窗得到整体分层边界线上每个像素点的周边像素点，根据周围像素点的色调得到色调对应的颜色类别数量u。利用滑窗遍历整体分层边界线上的每一个像素点，则获得每个像素点的颜色类别数量u。例如颜色类别数量u＝2，表示对应像素点处于2种不同颜色的交界处；颜色类别数量u＝3，表示对应像素点处于3种不同颜色的交界处。
[0040]
需要说明的是，滑窗的滑动方式采用边界跟踪算法。
[0041]
当整体分层边界线上像素点的颜色类别数量大于或等于3时，说明整体分层边界线存在分支现象，以根据分支现象对整体分层边界线进行分段处理，因此，获取颜色类别数量大于或等于3时整体分层边界上对应的多个第一像素点，根据第一像素点将整体分层边界线进行分段得到多段分层边界线。
[0042]
基于图像坐标系，得到每段分层边界线上每个像素点的坐标信息，根据坐标信息
采用拟合的方式得到每段分层边界线对应的曲线，进而利用曲线获取每个像素点处的斜率。
[0043]
步骤s003，根据分层边界线的长度、像素点的数量、和每个像素点的斜率得到每段分层边界线的线段复杂度；获取每段分层边界线的中心点，结合每段分层边界线的中心点和线段复杂度得到整体分层边界线的分层程度。
[0044]
具体的，由于每段分层边界线的斜率并不一致，而斜率的变化能够反映该分层边界线对应曲线的形变程度，斜率的变化越大，则说明粉末的分层程度越严重，混合越不均匀。
[0045]
为每段分层边界线上所有像素点的斜率定义一个斜率广义集合，根据斜率广义集合获取每段分层边界线上斜率的复杂度，进而得到每段分层边界线的线段复杂度，则线段复杂度的获取方法为：获取分层边界线上像素点的数量，将数量作为分层边界线的长度；基于每段分层边界线上所有像素点的斜率，将相同的斜率构成一个斜率类别以得到多个斜率类别，统计每个斜率类别中斜率的个数，由个数和长度得到每段分层边界线的线段复杂度。
[0046]
作为一个示例，以一段分层边界线的斜率广义集合为例，统计分层边界线对应像素点的数量n，且将像素点的数量作为分层边界线的长度，同时统计每个斜率k1,k2,..,kv出现的次数p1,p2,
…
,pv，其中v为不同斜率的数量，进而定义一个斜率ki的斜率类别，以得到v个斜率类别。结合斜率类别对应的次数和分层边界线的长度得到分层边界线的线段复杂程度，则线段复杂度的计算公式为：
[0047][0048]
其中，c为线段复杂度，其值越大，斜率变化就越复杂，进而说明分层程度越大；v为斜率类别的数量；pi为第i个斜率类别对应的次数；n为像素点的数量。
[0049]
需要说明的是，为斜率复杂度，结合分层边界线的长度因为线段复杂度的计算公式中前项只表示斜率的复杂度，但是当分层边界线为直线，也即斜率不变化时，导致此时斜率复杂度为零，不能很好的反应分层边界线的复杂度，所以结合分层边界线的长度，每段分层边界线的长度越长，其线段复杂度也越大。
[0050]
进一步地，基于每段分层边界线上每个像素点的坐标信息(x,y)，采用k-means算法进行聚类得到每段分层边界线的中心点，其中，由于k-means算法是对每段分层边界线上每个像素点进行聚类得的，所以k-means算法中k为1。由两点之间的距离公式，对于所有的分层边界线，由中心点分别计算每两段分层边界线之间的距离d1,d2,
…
,dg，由线段复杂度计算对应两段分层边界线之间的复杂度总和s1,s2,
…
,sg，结合距离与复杂度总和得到整体分层边界线的分层程度，则分层程度的计算公式为：
[0051][0052]
其中，fz为分层程度；si为第i个复杂度总和；di为第i个距离；g为所有分层边界线两两相结合的数量。
[0053]
需要说明的是，由于复杂度总和越大，分层程度越大，距离越大，分层程度也越大，因此分层程度与距离呈正相关、分层程度与复杂度总和呈正相关。
[0054]
步骤s004，由分层程度对混合机的混合时间进行自适应调整。
[0055]
具体的，由于分层程度越大，说明粉末混合越不均匀，进而需要的混合时间就越长，反之，分层程度越小，需要的混合时间就越短，因此，利用分层程度对混合机的固定混合时间进行实时修正，则修正的具体方法为：在粉末的混合过程中，通过设定图像采集的时间间隔，对于在不同的时间所采集的多帧rgb图像，通过步骤s002和步骤s003获取每帧rgb图像对应的分层程度，以时间为横坐标、分层程度为纵坐标构建直角坐标系，根据多帧rgb图像对应的分层程度拟合时间-分层程度的变化曲线，根据变化曲线获取分层程度为0时对应的第一时间，此时表示粉末混合均匀，进而将固定混合时间调整为第一时间。
[0056]
需要说明的是，当第一时间大于固定混合时间，表示将固定混合时间调大了；当第一时间小于固定混合时间，表示将固定混合时间调小了；当第一时间等于固定混合时间，表示固定混合时间刚刚好，不需要调整。
[0057]
综上所述，本发明实施例提供了一种基于人工智能的分批式混合机的控制方法，该方法在不同颜色粉末的混合过程中，采集混合机内部的rgb图像，对rgb图像进行颜色阈值分割得到颜色的整体分层边界线；基于像素点的周围像素点的色调得到整体分层边界线上每个像素点对应的颜色类别数量，由颜色类别数量对整体分层边界线进行分段得到多段分层边界线，根据分层边界线的长度和每个像素点的斜率得到每段分层边界线的线段复杂度，由每段分层边界线的线段复杂度得到整体分层边界线的分层程度；由分层程度对混合机的固定混合时间进行自适应调整。通过分析不同颜色粉末在混合过程中的分层边界线以获取混合过程中的分层程度，由分层程度对固定混合时间进行自适应调整，不但能够得到一个混合彻底的结果，而且也会提高混合的效率。
[0058]
进一步地，本发明实施例提供了一种基于人工智能的分批式混合机的控制系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述一种基于人工智能的分批式混合机的控制方法的步骤。
[0059]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0060]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0061]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。