[發明專利]一種基于人工智能模型的界面張力測量方法

在審

• 申請號: 201911390634.1
• 申請日: 2019-12-30
• 公開（公告）號: CN111122390A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 徐開;王雷
• 申請（專利權）人: 徐開;王雷
• 主分類號: G01N13/02
• 分類號: G01N13/02;G06T7/00;G06T7/60;G06K9/62
• 代理公司: 北京和信華成知識產權代理事務所(普通合伙) 11390
• 代理人: 焦海峰

本發明屬于智能檢測領域，具體涉及一種基于人工智能模型的界面張力測量方法。執行旋轉滴界面張力測量方法時，使用人工判讀光學影像的方式，存在很大的人為測量誤差，且生產效率底下；使用圖像識別法測量，經常無法識別被測目標，造成較大誤差或者錯誤測量。本發明提供一種基于人工智能模型的界面張力測量方法，建立標準物識別模型并對其進行訓練修正，算出旋轉滴界面張力儀成像系統的放大倍率。之后建立旋轉滴識別模型并對其進行訓練修正，通過旋轉滴識別模型算出的旋轉滴像素尺寸算出旋轉滴的幾何尺寸，并進一步算出旋轉滴的界面張力值。提高了界面張力測量結的精確度、準確度和可重復性，降低人工勞動強度，生產效率大幅度提升。

技術領域

本發明屬于智能檢測領域，具體涉及一種基于人工智能模型的界面張力測量方法，主要應用于石油化工行業。

背景技術

旋轉滴界面張力測量方法是表面化學中經典的界面張力測量方法。通過該方法可以測到超低界面張力的特點是其他測量方法不具有和無法實現的。使用旋轉滴法測量界面張力的過程是在按要求建立的測量環境中獲得相關數據，用旋轉滴法計算公式計算出界面張力的過程。在此過程中，對于旋轉滴長度和寬度的測量精確度、準確度和可重復性直接影響界面張力的測量結果。

在界面張力測量領域，自上世紀八十年代初以來，執行旋轉滴界面張力測量方法時始終沿用的是人工判讀幾何尺寸，并采用手工計算的方法。使用人工判讀光學影像的方式，存在很大的人為測量誤差。自二零零零年后，具有一定自動化程度的旋轉滴界面張力測量方法開始出現，其方法采用拍照的方式獲取圖片并在計算機上對圖片進行人工判讀，然后根據測出的數值進行自動計算。

通過人工或圖像識別進行測量的方法，存在以下問題：

1.人工測量需要測量實驗人員高度集中，通過人工界定邊界、劃線等操作完成一次測量，導致生產效率底下；

2.人工通過視覺進行測量，因存在誤差導致精度較低；

3.人工測量同種樣品，存在一致性差的問題；

4.圖像識別法測量，因被測量介質形狀不均勻、內外項介質界面渾濁、圖像內干擾物體多等問題，導致無法識別被測目標，造成較大誤差或者錯誤測量；

5.圖像識別法測量，因無法準確判斷測量的邊界位置，導致無法保證測量精度。

發明內容

本發明的目的是提供一種基于人工智能模型的界面張力測量方法，通過使用圖形圖像領域的人工智能技術，解決人工測量界面張力結果一致性差的問題，可以極大減少誤差并提高界面張力測量結果的精確度、準確度和一致性。

本發明基于人工智能模型的界面張力測量方法，該方法包括以下步驟：

步驟1、使用旋轉滴界面張力儀拍攝具有標準尺寸的標準物照片，所述標準物具有標準長度W毫米及標準寬度H毫米；

步驟2、利用CNN卷積神經網絡建立標準物識別模型并訓練，識別標準物照片中與所述標準尺寸對應的像素數量，識別出的標準物具有長度像素數量w和寬度像素數量h；

步驟3、計算旋轉滴界面張力儀成像系統的水平方向放大倍率α和垂直方向放大倍率β；

步驟4、使用旋轉滴界面張力儀拍攝旋轉滴照片；

步驟5、利用CNN卷積神經網絡建立旋轉滴識別模型并訓練，識別旋轉滴照片中旋轉滴的長度像素數l和寬度像素數d；

步驟6、計算旋轉滴的長度L和寬度D；

步驟7、計算界面張力值。

進一步的，所述標準物的形狀是圓柱體、立方體或矩形片狀物體。

進一步的，步驟2中，建立標準物識別模型并訓練，包括以下步驟：

(1)制作標準物照片數據集；