[发明专利]一种重质碳酸钙粉体色度检测方法

权利要求书

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。