[发明专利]分液中的液体状态识别方法及分液系统

说明书

本发明提供了一种分液中的液体状态识别方法及分液系统，其中，分液系统执行液体状态识别方法，该方法包括：从进入分液过程起，开始获取管道内液体的视频，并每间隔预设周期，抽取视频中的图像帧；对于每一图像帧，获取该图像帧中待识别区域的图像特征，并将图像特征输入训练好的液体状态识别模型，得到该图像帧对应的预测状态，训练好的液体状态识别模型是通过带有液体状态标签的样本图像帧训练得到；基于各图像帧对应的预测状态，确定管道内的液体状态。该方案采用的液体状态识别模型特别适用于快速流动的液体分液过程，采用机器学习模型参与液体状态预测能够使得分析的图像特征更丰富，算法的鲁棒性也更强，使得分液的准确性和通用性都更好。

技术领域

本发明涉及自动控制技术领域，具体而言，本发明涉及一种分液中的液体状态识别方法及分液系统。

背景技术

分液式过滤过程在工业界，尤其是化工，制药等领域有着广泛的应用。化学生产过程中，反应槽通过等待静置反应物进行分层沉淀，当分层沉淀过程完成后，反应槽下通过不同阀门的开启闭合，实现对不同类型分层液体进行分流收集。在此过程中，传统的方法需要人工通过观察反应槽下管道的透明视窗，并人工判别管内液体状态，再由人工分别控制相应阀门的开闭来进行分流收集。人工控制分液需要耗费过多的人力成本，导致分液效率不高，且依赖于人的经验，缺乏统一的标准，导致分液结果不准确。

目前出现了一些利用视觉识别技术分析分液状态，控制分液阀门自动完成分液的方案，但在这些方案中大多是对采集到的液体的图像的单一指标（如颜色或亮度）进行分析，判断液体的液位变化，进而根据液位变化控制分液阀门完成分液。由于分液过程往往伴随着液体的快速流动，同时工业液体一般含有较多杂质，快速流动的液体以及液体中的杂质会显著影响分液界面的判定，现有的方法由于分析指标单一，一般采用实时判断进行液面判定，导致现有技术分液过程的准确性和通用性都较差。

发明内容

本发明的目的旨在至少能解决上述的技术缺陷之一，本发明所提供的技术方案如下：

第一方面，本发明提供了一种分液中的液体状态识别方法，包括：

从进入分液过程起，开始获取管道内液体的视频，并每间隔预设周期，抽取视频中的图像帧；

对于每一图像帧，获取该图像帧中待识别区域的图像特征，并将图像特征输入训练好的液体状态识别模型，得到该图像帧对应的预测状态，训练好的液体状态识别模型是通过带有液体状态标签的样本图像帧训练得到；

基于各图像帧对应的预测状态，确定管道内的液体状态。

在本发明的一种可选实例中，基于各图像帧对应的预测状态，确定管道内的液体状态，包括：

确定从进入分液过程起的第一个图像帧对应的预测状态是否为分液过程的初始液体状态；

若是，则从后续的图像帧对应的预测状态为新的液体状态起，累计图像帧对应的预测状态为新的液体状态的数量，直至数量不小于预设阈值，则确定管道内的液体状态为新的液体状态，重复该步骤直至确定管道内的液体状态为分液过程的结束状态。

在本发明的一种可选实例中，预设阈值通过如下方式确定：

根据管道内液体的流速、以及管道的第一视窗到分液阀门的距离，获取液体从第一视窗到分液阀门所需的时长；

将时长与预设周期对应的采样频率的比值向下取整，得到预设阈值。

在本发明的一种可选实例中，对于每一图像帧，获取该图像帧中待识别区域的图像特征，包括：

将每一图像帧中除待识别区域外的区域作为背景区域，并基于背景区域对待识别区域进行亮度调节；

提取亮度调节后的待识别区域的红绿蓝RGB特征、色调饱和度明度HSV特征以及灰度共生矩阵特征，并利用RGB特征、HSV特征以及灰度共生矩阵特征组合，得到图像特征。