一种基于人工智能模型的界面张力测量方法.pdf

(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 CN 111122390 A (43)申请公布日 2020.05.08 (21)申请号 201911390634.1 (22)申请日 2019.12.30 (71)申请人 徐开 地址 100029 北京市朝阳区北四环东路108 号千鹤家园10号楼1708 申请人 王雷 (72)发明人 徐开　王雷　 (74)专利代理机构 北京和信华成知识产权代理 事务所(普通合伙) 11390 代理人 焦海峰 (51)Int.Cl. G01N 13/02(2006.01) G06T 7/00(2017.01) G06T 7/60(2017.01) G06K 9/62(2006.01) 权利要求书2页 说明书12页 附图7页 (54)发明名称 一种基于人工智能模型的界面张力测量方 法 (57)摘要 本发明属于智能检测领域，具体涉及一种基 于人工智能模型的界面张力测量方法。执行旋转 滴界面张力测量方法时，使用人工判读光学影像 的方式，存在很大的人为测量误差，且生产效率 底下；使用图像识别法测量，经常无法识别被测 目标，造成较大误差或者错误测量。本发明提供 一种基于人工智能模型的界面张力测量方法，建 立标准物识别模型并对其进行训练修正，算出旋 转滴界面张力仪成像系统的放大倍率。之后建立 旋转滴识别模型并对其进行训练修正，通过旋转 滴识别模型算出的旋转滴像素尺寸算出旋转滴 A 的几何尺寸，并进一步算出旋转滴的界面张力 0 值。提高了界面张力测量结的精确度、准确度和 9 3 2 可重复性，降低人工劳动强度，生产效率大幅度 2 1 1 提升。 1 1 N C CN 111122390 A 权　利　要　求　书 1/2页 1.一种基于人工智能模型的界面张力测量方法，其特征在于，该方法包括以下步骤： 步骤1、使用旋转滴界面张力仪拍摄具有标准尺寸的标准物照片，所述标准物具有标准 长度W毫米及标准宽度H毫米； 步骤2、利用CNN卷积神经网络建立标准物识别模型并训练，识别标准物照片中与所述 标准尺寸对应的像素数量，识别出的标准物具有长度像素数量w和宽度像素数量h； 步骤3、计算旋转滴界面张力仪成像系统的水平方向放大倍率α和垂直方向放大倍率β； 步骤4、使用旋转滴界面张力仪拍摄旋转滴照片； 步骤5、利用CNN卷积神经网络建立旋转滴识别模型并训练，识别旋转滴照片中旋转滴 的长度像素数l和宽度像素数d； 步骤6、计算旋转滴的长度L和宽度D； 步骤7、计算界面张力值。 2.根据权利要求1所述的界面张力测量方法，其特征在于：所述标准物的形状是圆柱 体、立方体或矩形片状物体。 3.根据权利要求1或2所述的界面张力测量方法，其特征在于：步骤2中，建立标准物识 别模型并训练，包括以下步骤： (1)制作标准物照片数据集； (2)搭建标准物识别模型，标准物识别模型包括特征提取、特征融合、池化、降低维度、 上采样和维度恢复； (3)训练标准物识别模型，使得标准物识别模型损失函数输出的结果满足要求； (4)导出标准物识别模型。 4.根据权利要求3所述的界面张力测量方法，其特征在于：制作标准物照片数据集时， 对M张通过旋转滴界面张力仪拍摄的标准物照片进行人工框选标记，即对每张标准物照片 的轮廓用矩形框进行框选并保留框选边界，形成标准物区域。 5.根据权利要求4所述的界面张力