橡膠中炭黑分散度的模式識別及軟件設計.pdf

1、作為一種最重要的填料，炭黑在橡膠中分散與分布的均勻程度直接影響橡膠制品的某些重要物理機械性能、動態(tài)性能、加工性能以及成品的使用性能，因此，準確快速地測定出膠料中炭黑分散度，對于改進工藝、提高產(chǎn)品質(zhì)量和性能以及節(jié)約能源等具有重要的意義。 本文在對橡膠中炭黑分散度指標進行數(shù)據(jù)處理和特征提取之后，分別從模式識別模型的建立、實現(xiàn)與模型分析三個環(huán)節(jié)討論了炭黑分散度的數(shù)學模型。為了提取有效的特征，分別進行了主成分分析和獨立成分分析，并通過比

2、較說明，兩種方法都可以起到有效的降維提取作用。在模式識別模型方面，分別建立了炭黑分散度的費希爾多類判別模型與支持向量機多分類模型，模型分析結(jié)果表明，兩種模型均能以較高的識別率進行判級，而且實驗證明，基于RBF核函數(shù)的SVM具有更高的正確識別率。 通過SVM模型和增量算法相結(jié)合，使系統(tǒng)具有“自學習”的功能，這對于添加樣本重新建立訓練模型并形成廠家標準以及增加模型的實際適應能力，具有重要意義。 在炭黑分散儀的算法設計和實現(xiàn)方

3、面，對視頻采集的膠料樣本進行了圖像處理，并且根據(jù)混煉膠不切樣本的分散特征提出了相應的二值化處理方法。所設計的軟件系統(tǒng)具有較為豐富的功能，如圖像讀取、圖像顯示、圖像保存、圖像處理、自動判級、統(tǒng)計、查詢、報表輸出、自學習，并且以SQLServer2000作為數(shù)據(jù)庫管理系統(tǒng)，便于系統(tǒng)管理和維護。 本文的研究意義在于提出炭黑分散度識別的新方法，考察了混煉膠不切情況下的圖像處理和識別問題，引入增量學習技術(shù)改進了自學習的訓練時間，豐富了系統(tǒng)