本发明涉及阻燃剂颗粒质量监测，具体地说，涉及基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统。
背景技术：
1、阻燃剂颗粒作为高分子材料的关键添加剂，其质量直接影响最终产品的防火性能。随着智能制造技术的发展，基于ai视觉识别的在线监测系统已逐步替代传统人工抽检，通过高分辨率工业相机捕获颗粒表面特征(如裂纹、色差等)，结合深度学习算法实现实时分选。然而，针对半透明/透明阻燃剂颗粒(如聚碳酸酯阻燃母粒、光学级阻燃微球)，常规表面检测技术因无法穿透材料内部。当前主流方案采用x射线微焦点断层扫描技术，通过三维重建颗粒内部结构并基于密度差异识别缺陷。
2、尽管现有x射线微焦点断层扫描技术能够实现内部结构解析，但在透明材料折射率异常缺陷检测方面仍存在明显不足，具体表现为：x射线成像依赖材料密度差异的物理原理，而纯净气泡、透明杂质等缺陷与基体材料的密度差异极小，其内部折射率梯度变化无法被有效表征。此类缺陷在x射线图像中缺乏显著对比度，导致微小透明气泡及裂纹漏检率居高不下，同时难以区分内部真实缺陷与表面光学伪影，严重制约高精度透明阻燃材料的质量控制需求。
技术实现思路
1、本发明提供了基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其通过将混合偏振信号分解为方位角与径向分量以分离表面噪声，再融合特征波段光谱数据构建光学特征体，最后通过双通道网络生成折射率梯度场并解析缺陷特征，从而解决上述背景技术中所提出的问题，即：
2、半透明阻燃剂颗粒内部微米级缺陷(如纯净气泡、透明裂纹)难以精准检测。
3、为实现上述目的，该阻燃剂颗粒质量在线监测与分选系统包括偏振光场成像模块，所述偏振光场成像模块用于采集阻燃剂颗粒的透射光图像并对其进行预处理，生成斯托克斯参数图像和多光谱透射率分布图，还包括折射率梯度场构建模块和动态分选决策模块；
4、所述折射率梯度场构建模块用于对折射率梯度场进行缺陷机理解析生成缺陷三维热力图，所述缺陷三维热力图包括：
5、用于定位缺陷空间物理位置的缺陷空间坐标层；
6、用于标识缺陷物理类别的类型代码层；
7、用于关联缺陷与生产工艺参数的成因概率层；
8、其中，所述折射率梯度场构建模块对折射率梯度场的构建步骤包括：
9、对斯托克斯参数图像进行偏振特征解耦处理，分离出方位角偏振分量与径向偏振分量；
10、对多光谱透射率分布图进行特征波段提取处理，筛选特征波段光谱数据；
11、将径向偏振分量与特征波段光谱数据融合，生成光学特征体，并使用双通道网络架构构建折射率梯度场；
12、所述动态分选决策模块基于缺陷三维热力图分选出具有内部缺陷的阻燃剂颗粒。
13、上述技术方案中，通过多模态光学特征融合与物理约束建模的创新结合，突破了传统检测方法在信息维度单一性与算法可解释性上的双重局限。若仅依赖单一偏振成像，虽能解析光波相位变化，但无法消除表面散射对内部缺陷信号的干扰，导致微小气泡与表面划痕难以区分；若仅采用光谱分析，虽可反映材料吸收特性，却丢失了缺陷形态的矢量特征，使裂纹扩展方向等关键信息无从获取。本方案通过偏振特征解耦剥离表面噪声、特征波段筛选强化折射率关联性，构建出多维融合的光学特征体，从根本上解决了混合信号中有效信息的提取难题。双通道网络设计更在算法层面实现了突破：光学特征通道保留实测数据的细节敏感性，材料特性通道嵌入物理规律的内在约束，二者协同既避免了传统阈值分割法对人工经验的过度依赖，又克服了纯数据驱动模型在未知缺陷类型上的失效风险。
14、在此基础上，所述双通道网络架构包括光学特征通道和材料特性通道，所述光学特征通道处理了偏振相位角变化数据，所述材料特性通道结合特征波段透射率比值和材料本征参数生成物理约束。
15、在另一个技术方案中，所述缺陷机理解析包括：
16、所述折射率梯度场构建模块基于所述折射率梯度场的矢量矩阵，计算各空间点的二阶导数并定位异常突变区域；
17、所述折射率梯度场构建模块基于所述异常突变区域的梯度矢量分布模式，区分径向发散的缺陷和线性排列的缺陷；
18、所述折射率梯度场构建模块基于所述梯度矢量的方向进行反向传播计算，确定缺陷的物理起源位置。
19、此技术方案，通过双通道协同分析与梯度场矢量解析的层级化设计，克服了传统缺陷检测方法在特征表征与成因追溯上的结构性缺陷。若仅采用光学特征通道，虽能捕捉缺陷引起的偏振相位变化，但会因缺乏材料物性约束而将工艺波动误判为缺陷；若仅依赖材料特性通道，虽可保证物理规律一致性，却会丢失细微缺陷的形态特征，导致微米级裂纹漏检。本方案通过光学通道提取实测信号、材料通道注入物理先验的双路校验机制，既防止了纯数据驱动的过拟合风险，又避免了纯理论模型的灵敏度不足。在缺陷解析阶段，二阶导数计算定位异常区域的基础性缺陷，梯度矢量模式分析实现气泡与裂纹的智能分类，反向传播追溯则反映了缺陷的工艺成因，使系统不仅能发现缺陷的存在，更能理解缺陷的本质。
20、与现有技术相比，本发明的有益效果：
21、通过折射率梯度场的多维解析，实现了阻燃剂颗粒质量缺陷的三维形貌重建到物理成因推断再到工艺关联分析一体化诊断能力。具体而言，梯度矢量场的构建不仅反映缺陷的几何特征，更通过材料本征参数的约束揭示了缺陷与工艺条件的潜在关联；双通道网络的协同机制则突破了传统算法在检测灵敏度与结果可信度之间的取舍困境，使系统对未知缺陷类型具备自适应识别能力。这种将光学特征、材料物性和生产工艺深度耦合的分析范式，为阻燃剂生产提供了从简单分选到质量溯源的完整技术支撑，实现了质量管控从“事后剔除”到“过程预防”的转变。
1.基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其包括偏振光场成像模块(100)，所述偏振光场成像模块(100)用于采集阻燃剂颗粒的透射光图像并对其进行预处理，生成斯托克斯参数图像和多光谱透射率分布图，其特征在于，还包括折射率梯度场构建模块(200)和动态分选决策模块(300)；
2.根据权利要求1所述的基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其特征在于：所述偏振光场成像模块(100)包括可调偏振光源系统，所述可调偏振光源系统采用环形布置的led阵列，用于切换偏振状态。
3.根据权利要求2所述的基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其特征在于：所述偏振光场成像模块(100)还包括多光谱偏振相机阵列和实时图像处理单元，所述多光谱偏振相机阵列同步采集不同偏振状态下的透射光图像，所述实时图像处理单元对透射光图像进行背景噪声消除和图像配准，合成所述斯托克斯参数图像和所述多光谱透射率分布图。
4.根据权利要求1所述的基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其特征在于：所述光学特征体记录颗粒内部各位置的光学特性，包括偏振相位角变化数据和特定波长透射率比值。
5.根据权利要求1所述的基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其特征在于：所述双通道网络架构包括光学特征通道和材料特性通道，所述光学特征通道处理偏振相位角变化数据，所述材料特性通道结合特征波段透射率比值和材料本征参数生成物理约束。
6.根据权利要求1所述的基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其特征在于：所述缺陷机理解析包括：
7.根据权利要求1所述的基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其特征在于：所述动态分选决策模块(300)接收缺陷三维热力图，基于所述缺陷空间坐标层并结合传送带速度计算分选触发时间点。
8.根据权利要求1所述的基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其特征在于：所述动态分选决策模块(300)基于所述类型代码层确定分选力度等级，并生成包含时间控制字段、执行参数字段和质量控制字段的分选指令集传输至分选执行机构和在线自优化模块(400)。
9.根据权利要求8所述的基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其特征在于：所述在线自优化模块(400)接收分选指令集及其对应的缺陷三维热力图，分析分选效果与缺陷特征的关联规律，生成双通道网络参数更新方案和分选规则调整建议。
10.根据权利要求9所述的基于ai视觉识别的阻燃剂颗粒质量在线监测与分选系统，其特征在于：所述在线自优化模块(400)将网络参数更新方案传输至所述折射率梯度场构建模块(200)，将分选规则调整建议传输至所述动态分选决策模块(300)。