(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111409584.4 (22)申请日 2021.11.25 (71)申请人 华侨大学 地址 362000 福建省泉州市城华北路269号 华侨大学 (72)发明人 林文华　房怀英　杨建红　谭国亿　 胡祥　李建涛　 (74)专利代理 机构 泉州市文华专利代理有限公 司 35205 代理人 陈雪莹 (51)Int.Cl. G01N 15/08(2006.01) G01N 15/02(2006.01) G06T 7/00(2017.01) G06T 7/13(2017.01)G06N 20/00(2019.01) (54)发明名称 一种基于双相机的机制砂空隙率在线测量 系统及方法 (57)摘要 本发明提供了一种基于双相机的机制砂空 隙率在线测量系统及方法， 所述系统包括基础 CCD相机、 精密CCD相机、 LED 背光源、 棱镜组、 振动 给料器、 传输管和终端， 所述基础CCD相机和精密 CCD相机分别与终端连接， 所述振动给料器位于 传输管上方， 所述棱镜组位于传输管与两个相机 之间； 所述基础CCD相机用于拍摄全体机制砂下 落区域， 所述精密CCD相机用于拍摄全体机制砂 下落区域中的一部分， 通过所述精密CCD相机补 偿基础CCD相机无法测量的细颗粒。 本发明将双 相机多尺度测量与机器学习相结合， 克服机制砂 尺寸跨度大的测量难点， 可有效实现机制砂空隙 率在线检测， 提高检测精度和 效率。 本发明的双 相机检测系统的空隙率检测精度符合工程实际 要求。 权利要求书3页 说明书6页 附图2页 CN 113945503 A 2022.01.18 CN 113945503 A 1.一种基于双相机的机制砂空隙率在线测量系统， 其特征在于： 包括基础CCD相机、 精 密CCD相机、 LED背光源、 棱镜组、 振动给料器、 传输管和终端， 所述基础CCD相机和精密CCD相 机分别与终端连接， 所述振动给料器位于传输管上方， 所述棱镜组位于传输管与两个相 机 之间； 所述基础CCD相机用于拍摄全体机制砂下落区域， 所述精密CCD相机用于拍摄全体机制 砂下落区域中的一部分， 通过 所述精密C CD相机补偿基础C CD相机无法测量的细颗粒； 所述LED背光源用于提供拍摄所需的光源； 所述棱镜组用于调整基础C CD相机和精密C CD相机的拍摄角度； 所述振动给 料器用于将机制砂颗粒传送给传输管； 所述传输管用于传输 机制砂颗粒； 所述终端用于对拍摄的图像进行处 理， 得到机制砂颗粒的空隙率。 2.根据权利要求1所述的一种基于双相机的机制砂空隙率在线测量系统， 其特征在于： 所述棱镜组和LED背光源位于传输管两侧， 所述棱镜组包括第一棱镜、 第二棱镜和第三棱 镜， 所述LED背光源、 第二棱镜、 第三棱镜和基础CCD相机位于同一平行线上， 所述第一棱镜 和第二棱镜位于同一垂直线位置， 用于调节 精密CCD相机的拍摄角度。 3.根据权利要求1所述的一种基于双相机的机制砂空隙率在线测量系统， 其特征在于： 所述终端进一步包括： 图像采集模块、 颗粒数量整合模块、 级配占比测量模块、 粒形测量模 块和空隙率测量模块； 所述图像采集模块， 用于通过基础CCD相机和精密CCD相机同时拍摄下落状态的机制砂 图片， 并对图片进行图像滤波、 图像二 值化和图像 轮廓提取， 得到 机制砂颗粒的轮廓曲线； 所述颗粒 数量整合模块， 用于通过精密C CD相机补偿基础C CD相机无法测量的细颗粒； 所述级配占比测量模块， 用于通过机制砂的轮廓曲线计算得到机制砂颗粒的粒径与面 积， 通过粒径和面积得到 颗粒的体积， 最后统计出机制砂的级配； 所述粒形测量模块， 用于通过计算机制砂的轮廓曲线得到 颗粒的粒 形参数； 所述空隙率预测模块， 用于将级配与粒形参数作为输入值， 使用机器学习算法计算机 制砂在自然堆积状态下的空隙率。 4.一种基于双相机的机制砂空隙率在线测量方法， 其特征在于： 需提供如权利要求1 ‑3 任一项所述的系统， 所述方法包括如下步骤： 步骤1、 打开LED背光源、 基础CCD相机和精密CCD相机， 启动振动给料器， 控制机制砂颗 粒均匀下落， 双相机垂直拍摄颗粒 下落图像； 步骤2、 在图像采集模块中， 双相机采集颗粒图像， 然后进行图像处理获得机制砂颗粒 的轮廓曲线， 所述图像处 理包括对图片进行图像滤波、 图像二 值化和图像 轮廓提取； 步骤3、 在颗粒数量整合模块中， 通过精密CCD相机补偿基础CCD相机无法测量的细颗 粒； 步骤4、 利用级配占比模块根据颗粒的轮廓去曲线得到颗粒的粒径和面积， 通过粒径和 面积得到 颗粒的体积， 统计出机制砂级配； 步骤5、 利用粒 形测量模块 通过计算机制砂的轮廓曲线得到 颗粒的粒 形参数； 步骤6、 将级配与粒形参数作为输入值， 使用机器学习算法计算机制砂在自然堆积状态 下的空隙率。权　利　要　求　书 1/3 页 2 CN 113945503 A 25.根据权利要求4所述的一种基于双相机的机制砂空隙率在线测量方法， 其特征在于： 所述机器学习算法包括随机森林非线性回归算法。 6.根据权利要求5所述的一种基于双相机的机制砂空隙率在线测量方法， 其特征在于： 所述随机森林非线性回归算法的计算过程包括： 步骤a、 重采样获得 单个回归树的训练数据； 步骤b、 利用数据建立单个回归树； 步骤c、 重复以上 过程获得多个回归树； 步骤d、 对多个回归树的预测值取平均值得到预测结果； 其中， 所述训练数据包括特征值与 标签值， 所述特征值为机制砂的级配和粒形参数， 标 签值为空隙率。 7.根据权利要求6所述的一种基于双相机的机制砂空隙率在线测量方法， 其特征在于： 所述步骤b进一 步包括： 步骤b1、 由于CART是二叉树， 因此构建回归树的目的为通过特征将标签值分为两个部 分， 首先， 假设使用特 征j及其取值s来将数据划分为两个区域， 分别为 R1(j,s)＝{x|x(j)≤s} R2(j,s)＝{x|x(j)>s} 步骤b2、 依次从数据集 中逐个遍历每个特征j及其取值s， 计算损失函数值Loss， 得到使 损失函数值最小的特征j及其取值s作为切分点将数据集划分为两个区域， 所述损失函数值 Loss的计算公式如下： 式中， Loss为损失值， xi为特征i的取值s， yi为标签值， c1为数据区域R1的平均值， c2为数 据区域R2的平均值； 步骤b3、 对已划分的各个区域， 分别 按照b2中的划分方式遍历其它特征， 将各个区域再 进一步划分区域， 一直到所有 特征都被遍历 完毕后， 就得到一棵二叉树， 该二叉树将数据空 间划分为M个区域， S1,S2…SM， 生成的决策树 为： 式中， cm为每个数据区域的平均值， I(x∈Sm)表示测试数据落入的数据空间， M表示区域 总个数。 8.根据权利要求4所述的一种基于双相机的机制砂空隙率在线测量方法， 其特征在于： 所述级配为不同粒径区间内的体积占总体积的百分比， 所述粒径区间分为： 0.075～ 0.15mm、 0.15～0.3m m、 0.3～0.6m m、 0.6～1.18m m、 1.18～ 2.36mm和2.36～4.75m m。 9.根据权利要求4所述的一种基于双相机的机制砂空隙率在线测量方法， 其特征在于： 所述粒形参数包括 等效Feret椭圆长短轴比、 凸度和凸包比； 所述等效Feret椭 圆长短轴比为等效Feret椭 圆的长轴和短轴的比值， 等效Feret椭 圆 与轮廓具有相同面积并且长轴等于最大Feret径， 最大Feret径 为与轮廓相切的两条平行线 之间的最大距离； 所述凸度为轮廓周长与凸包周长之比， 通过计算轮廓曲线得到；权　利　要　求　书 2/3 页 3 CN 113945503 A 3