一种可堆肥的或基于生物的发泡物、制造和方法

技术领域

本申请涉及发泡物制造技术领域，更具体地说，涉及一种可堆肥的或基于生物的发泡物、制造和方法。

背景技术

可堆肥的或基于生物的发泡物指的是一类在制造过程中采用可生物降解或可堆肥材料的发泡材料。这种材料的设计旨在减少对环境的负面影响，因为它们可以在使用寿命结束后分解为更环保的物质，而不会对土壤和生态系统造成长期的污染。

这样的发泡物通常使用生物降解性聚合物或其他可再生材料来替代传统的石油基发泡材料。这些材料可能包括：

生物基聚合物：如淀粉、聚乳酸(PLA)、纤维素等。这些材料可以通过微生物的作用而自然降解。

可降解聚合物：例如聚丙烯酸酯(PHA)、聚羟基脂肪酸酯(PHA)等，它们在自然条件下可以分解为水和二氧化碳。

再生材料：利用可再生资源，如玉米淀粉、蔗糖、木质纤维等，来制造发泡材料。

使用这些可生物降解或可堆肥的发泡物有助于减少对环境的影响，因为它们可以在结束使用后通过生物降解或堆肥过程分解成更简单、环保的物质，而不会像传统的聚苯乙烯(EPS)或聚氨酯(PU)等发泡材料那样对环境造成长期的影响。

现有技术公开号为CN114316352A的文献提供一种生物型泡沫材料的绿色制备方法与装置，该装置实现低使用浓度、高发泡倍数抑尘泡沫的快速制备，该泡沫材料制备工艺简单绿色，原材料无毒害性、可自然降解，且发泡装置简便，发泡率高，制备出的泡沫均匀稳定性高。本发明可用于泡沫降尘、泡沫灭火、泡沫浮选、泡沫驱油等工业领域，具有广泛的适用性。

上述中的现有技术方案虽然通过现有技术的结构可以实现与有关的有益效果，但是仍存在以下缺陷；该装置在进行使用时，不便于对发泡物进行质量检测，同时其结构简单，不便于对发泡物进行充分混合同时不便于对吸入的空气进行过滤处理，导致空气内的灰尘等与发泡物接触，影响发泡物的发泡质量实用性较差，

鉴于此，我们提出一种可堆肥的或基于生物的发泡物、制造和方法。

发明内容

1.要解决的技术问题

本申请的目的在于提供一种可堆肥的或基于生物的发泡物、制造和方法，解决了上述背景技术中提出的技术问题，实现了技术效果。

2.技术方案

本申请实施例提供了一种可堆肥的或基于生物的发泡物、制造和方法，包括：发泡物数据收集模块、发泡物数据预处理模块、发泡物数据特征提取模块、发泡物检测模型训练模块、结构输出反馈模块，

发泡物数据收集模块：所述发泡物数据收集模块收集发泡物的图像数据，包括各种不同质量的产品样本数据；

发泡物数据预处理模块：所述发泡物数据预处理模块包括调整图像大小、对比度增强、去除背景、突出发泡结构等，以确保图像质量足以进行特征提取；

发泡物数据特征提取模块：所述发泡物数据特征提取模块从预处理后的图像中提取与外观质量相关的特征，包括颜色、纹理、形状等视觉特征；

发泡物检测模型训练模块：所述发泡物检测模型训练模块选择一个机器学习算法，并使用带有标签(正常或缺陷)的训练数据来训练模型，模型根据提取的特征来区分正常和有缺陷的发泡物；

结构输出反馈模块：所述结构输出反馈模块将模型的预测结果输出，能够以可视化的方式展示给用户，或者以警告或建议的形式反馈。

作为本申请文件技术方案的一种可选方案，所述发泡物数据收集模块收集发泡物的图像数据，包括各种不同质量的产品样本数据，这些样本应包含正常的产品、有缺陷的产品以及介于两者之间的过渡产品，并在实际生产中，通过在制造设备上安装摄像设备，实时采集发泡物图像数据。

作为本申请文件技术方案的一种可选方案，所述发泡物数据预处理模块包括调整图像大小、对比度增强、去除背景、突出发泡结构等，以确保图像质量足以进行特征提取，所述调整图像大小：使用插值算法来调整图像的尺寸，确保图像具有统一或所需的尺寸，以便于处理和分析；

所述突出发泡结构：通过使用滤波技术增强或突出发泡物的特征，使其在图像中更加明显；

所述去除背景：使用背景减除技术将发泡物与背景分离，以便于更准确地分析发泡结构。

作为本申请文件技术方案的一种可选方案，所述发泡物数据特征提取模块从预处理后的图像中提取与外观质量相关的特征，包括颜色、纹理、形状等视觉特征，所述颜色特征提取：颜色是评估发泡物外观质量的重要因素之一，提取颜色特征的方法包括计算图像的平均色调、饱和度和亮度等参数，以及使用颜色直方图表示图像中颜色的分布情况；

所述纹理特征提取：纹理也是评估发泡物外观质量的重要特征之一，提取纹理特征的方法包括使用灰度共生矩阵算法分析图像中的纹理模式和结构；

所述形状特征提取：形状是描述发泡物外观质量的另一个重要特征，使用边缘检测技术分析图像中的形状轮廓。

作为本申请文件技术方案的一种可选方案，所述发泡物检测模型训练模块选择支持向量机的机器学习算法，并使用带有标签(正常或缺陷)的训练数据来训练模型，模型根据提取的特征来区分正常和有缺陷的发泡物，通过输入新的图像，模型能够预测该样本的外观质量，并指出可能的缺陷或不一致性。

作为本申请文件技术方案的一种可选方案，所述结构输出反馈模块将模型的预测结果输出，能够以可视化的方式展示给用户，或者以警告或建议的形式反馈，根据监测结果，能够采取适当的措施来调整生产过程，以改善发泡物产品的质量。

一种可堆肥的或基于生物的发泡物、制造和方法，包括以下步骤：

S1、在发泡物制作好后，在将发泡物挤出后，通过在制造设备上安装摄像设备，实时采集发泡物图像数据；

S2、然后发泡物数据预处理模块包括调整图像大小、对比度增强、去除背景、突出发泡结构等，以确保图像质量足以进行特征提取，调整图像大小：使用插值算法来调整图像的尺寸，确保图像具有统一或所需的尺寸，以便于处理和分析；

突出发泡结构：通过使用滤波技术增强或突出发泡物的特征，使其在图像中更加明显；

去除背景：使用背景减除技术将发泡物与背景分离，以便于更准确地分析发泡结构；

S3、利用发泡物数据特征提取模块从预处理后的图像中提取与外观质量相关的特征，包括颜色、纹理、形状等视觉特征，颜色特征提取：颜色是评估发泡物外观质量的重要因素之一，提取颜色特征的方法包括计算图像的平均色调、饱和度和亮度等参数，以及使用颜色直方图表示图像中颜色的分布情况；

纹理特征提取：纹理也是评估发泡物外观质量的重要特征之一，提取纹理特征的方法包括使用灰度共生矩阵算法分析图像中的纹理模式和结构；

形状特征提取：形状是描述发泡物外观质量的另一个重要特征，使用边缘检测技术分析图像中的形状轮廓；

S4、通过发泡物检测模型训练模块选择支持向量机的机器学习算法，并使用带有标签(正常或缺陷)的训练数据来训练模型，模型根据提取的特征来区分正常和有缺陷的发泡物，通过输入新的图像，模型能够预测样本的外观质量，并指出可能的缺陷或不一致性；

S5、然后结构输出反馈模块将模型的预测结果输出，能够以可视化的方式展示给用户，或者以警告或建议的形式反馈，根据监测结果，能够采取适当的措施来调整生产过程，以改善发泡物产品的质量。

3.有益效果

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1.本申请由于采用了发泡物数据收集模块等技术手段，所以有效解决了现有技术中的技术问题，进而实现了在发泡物制作完毕后，对挤出的发泡物件实时数据采集，并通过发泡物检测模型对数据进行分析，从而对发泡物进行实时的质量监测，在监测到发泡物质量存在缺陷时，及时调整制作工艺，保证发泡物的质量的效果。

2.本申请通过设置拌料机构，实现了在带动拌料杆进行周转搅拌的同时，在齿条的作用下进行上下摆动，同时在弧型齿条的作用下实现拌料杆的自转，实现对发泡物原料的充分混合，提高发泡物的制作效率。

3.本申请通过设置抽气传动机构，实现了在拌料机构对发泡物进行搅拌的同时带动风叶转动，实现将外部空气注入到发泡物制作桶内进行发泡物的制作，同时通过设置滤网实现对空气的过滤作用，同时接触杆在凸轮及弹簧的作用下，会不断地接触滤网，实现了滤网的清洁。

附图说明

图1为本申请一较佳实施例公开的可堆肥的或基于生物的发泡物、制造和方法的整体结构发泡物质量监测流程示意图；

图2为本申请一较佳实施例公开的可堆肥的或基于生物的发泡物、制造和方法的整体结构示意图；

图3为本申请一较佳实施例公开的可堆肥的或基于生物的发泡物、制造和方法的整体结构剖视示意图；

图4为本申请一较佳实施例公开的可堆肥的或基于生物的发泡物、制造和方法的发泡物制作桶及挤出管结构剖视示意图；

图5为本申请一较佳实施例公开的可堆肥的或基于生物的发泡物、制造和方法的拌料机构结构剖视示意图；

图6为本申请一较佳实施例公开的可堆肥的或基于生物的发泡物、制造和方法的进风管及抽气传动机构结构剖视示意图；

图中标号说明：1、发泡物制作桶；2、挤出管；3、拌料机构；4、进风管；5、抽气传动机构；201、挤出螺旋杆；202、电机A；301、电机B；302、转动杆；303、摆动架；304、拌料杆；305、调节轮；306、弧型齿条；307、导向杆；308、齿条；309、齿轮；310、齿盘；401、电加热丝；402、电机C；403、转动盘；501、风叶；502、万向节；503、传动轮；504、凸轮；505、接触杆；506、弹簧；101、导向槽。

具体实施方式

以下结合说明书附图对本申请作进一步详细说明。

参照图1，一种可堆肥的或基于生物的发泡物、制造和方法，包括：发泡物数据收集模块、发泡物数据预处理模块、发泡物数据特征提取模块、发泡物检测模型训练模块、结构输出反馈模块，

发泡物数据收集模块：发泡物数据收集模块收集发泡物的图像数据，包括各种不同质量的产品样本数据；

发泡物数据预处理模块：发泡物数据预处理模块包括调整图像大小、对比度增强、去除背景、突出发泡结构等，以确保图像质量足以进行特征提取；

发泡物数据特征提取模块：发泡物数据特征提取模块从预处理后的图像中提取与外观质量相关的特征，包括颜色、纹理、形状等视觉特征；

发泡物检测模型训练模块：发泡物检测模型训练模块选择一个机器学习算法，并使用带有标签正常或缺陷的训练数据来训练模型，模型根据提取的特征来区分正常和有缺陷的发泡物；

结构输出反馈模块：结构输出反馈模块将模型的预测结果输出，能够以可视化的方式展示给用户，或者以警告或建议的形式反馈。

发泡物数据收集模块收集发泡物的图像数据，包括各种不同质量的产品样本数据，这些样本应包含正常的产品、有缺陷的产品以及介于两者之间的过渡产品，并在实际生产中，通过在制造设备上安装摄像设备，实时采集发泡物图像数据。

发泡物数据预处理模块包括调整图像大小、对比度增强、去除背景、突出发泡结构等，以确保图像质量足以进行特征提取，调整图像大小：使用插值算法来调整图像的尺寸，确保图像具有统一或需的尺寸，以便于处理和分析；

突出发泡结构：通过使用滤波技术增强或突出发泡物的特征，使其在图像中更加明显；

去除背景：使用背景减除技术将发泡物与背景分离，以便于更准确地分析发泡结构。

发泡物数据特征提取模块从预处理后的图像中提取与外观质量相关的特征，包括颜色、纹理、形状等视觉特征，颜色特征提取：颜色是评估发泡物外观质量的重要因素之一，提取颜色特征的方法包括计算图像的平均色调、饱和度和亮度等参数，以及使用颜色直方图表示图像中颜色的分布情况；

纹理特征提取：纹理也是评估发泡物外观质量的重要特征之一，提取纹理特征的方法包括使用灰度共生矩阵算法分析图像中的纹理模式和结构；

形状特征提取：形状是描发泡物外观质量的另一个重要特征，使用边缘检测技术分析图像中的形状轮廓。

发泡物检测模型训练模块选择支持向量机的机器学习算法，并使用带有标签正常或缺陷的训练数据来训练模型，模型根据提取的特征来区分正常和有缺陷的发泡物，通过输入新的图像，模型能够预测该样本的外观质量，并指出可能的缺陷或不一致性。

结构输出反馈模块将模型的预测结果输出，能够以可视化的方式展示给用户，或者以警告或建议的形式反馈，根据监测结果，能够采取适当的措施来调整生产过程，以改善发泡物产品的质量。

一种可堆肥的或基于生物的发泡物、制造和方法，包括以下步骤：

S1、在发泡物制作好后，在将发泡物挤出后，通过在制造设备上安装摄像设备，实时采集发泡物图像数据；

S2、然后发泡物数据预处理模块包括调整图像大小、对比度增强、去除背景、突出发泡结构等，以确保图像质量足以进行特征提取，调整图像大小：使用插值算法来调整图像的尺寸，确保图像具有统一或需的尺寸，以便于处理和分析；

突出发泡结构：通过使用滤波技术增强或突出发泡物的特征，使其在图像中更加明显；

去除背景：使用背景减除技术将发泡物与背景分离，以便于更准确地分析发泡结构；

S3、利用发泡物数据特征提取模块从预处理后的图像中提取与外观质量相关的特征，包括颜色、纹理、形状等视觉特征，颜色特征提取：颜色是评估发泡物外观质量的重要因素之一，提取颜色特征的方法包括计算图像的平均色调、饱和度和亮度等参数，以及使用颜色直方图表示图像中颜色的分布情况；

纹理特征提取：纹理也是评估发泡物外观质量的重要特征之一，提取纹理特征的方法包括使用灰度共生矩阵算法分析图像中的纹理模式和结构；

形状特征提取：形状是描发泡物外观质量的另一个重要特征，使用边缘检测技术分析图像中的形状轮廓；

S4、通过发泡物检测模型训练模块选择支持向量机的机器学习算法，并使用带有标签正常或缺陷的训练数据来训练模型，模型根据提取的特征来区分正常和有缺陷的发泡物，通过输入新的图像，模型能够预测样本的外观质量，并指出可能的缺陷或不一致性；

S5、然后结构输出反馈模块将模型的预测结果输出，能够以可视化的方式展示给用户，或者以警告或建议的形式反馈，根据监测结果，能够采取适当的措施来调整生产过程，以改善发泡物产品的质量。

参照图2和图3，一种可堆肥的或基于生物的发泡物、制造和方法，包括发泡物制作桶1、挤出管2、拌料机构3、进风管4、抽气传动机构5，

发泡物制作桶1底端连接固定设置有挤出管2，发泡物制作桶1上连接固定设置有拌料机构3，发泡物制作桶1一侧贯穿连接固定设置有进风管4，进风管4内转动连接设置有抽气传动机构5。

参照图4，挤出管2内壁转动连接设置有挤出螺旋杆201，挤出螺旋杆201一端穿过挤出管2内壁延伸至外部并连接固定设置有电机A202。挤出管2上安装有摄像头。

参照图5，拌料机构3包括电机B301，电机B301连接固定设置有转动杆302，转动杆302一端延伸至发泡物制作桶1内并转动连接设置有摆动架303，摆动架303两端均转动连接设置有拌料杆304。

拌料杆304一端连接固定设置有调节轮305，调节轮305与转动杆302外壁连接的弧型齿条306啮合传动设置。

转动杆302内壁滑动配合设置有导向杆307，导向杆307底端连接固定设置有齿条308，齿条308与摆动架303上连接固定的齿轮309啮合传动设置，导向杆307另一端与发泡物制作桶1内壁的导向槽101内壁滑动配合设置。

参照图6，进风管4内壁安装有电加热丝401，进风管4一侧连接固定设置有电机C402，电机C402连接固定设置有转动盘403，转动盘403上滑动配合设置有多个滤网，转动盘403外壁与进风管4外端滑动接触设置。

抽气传动机构5包括风叶501，风叶501通过万向节502与进风管4内壁转动连接设置，万向节502另一端穿过进风管4内壁延伸至外部并连接固定设置有传动轮503，传动轮503与转动杆302外壁连接固定的齿盘310啮合传动设置。

万向节502内端外壁连接固定设置有凸轮504，凸轮504滑动接触设置有接触杆505，接触杆505与进风管4内壁滑动配合设置，接触杆505与进风管4之间连接固定设置有弹簧506，接触杆505外端与滤网活动接触设置。

本申请实施例一种可堆肥的或基于生物的发泡物、制造和方法实施原理为：当进行可堆肥的或基于生物的发泡物制造时，将原料注入到发泡物制作桶1内，然后利用电机B301带动转动杆302转动，此时会带动拌料杆304进行周转，此时在导向槽101的作用下，会使得导向杆307连接的齿条308进行上下往复移动，从而会带动齿轮309连接的摆动架303进行摆动，从而带动拌料杆304进行摆动，同时在弧型齿条306的作用下，使得调节轮305连接的拌料杆304进行自转拌料；

同时转动杆302会带动齿盘310转动，使得齿盘310会带动传动轮503连接的万向节502转动，然后万向节502会带动风叶501转动，将外部空气注入到发泡物制作桶1内，然后万向节502会带动凸轮504转动，此时凸轮504会带动接触杆505移动，然后在弹簧506的作用下，会带动接触杆505撞击在滤网上，对滤网进行清灰，在利用电机C402带动转动盘403转动，能够实现对两个滤网进行间歇清理；

在发泡物制作完毕后，利用电机A202带动挤出螺旋杆201转动，从而将发泡物挤出，此时在制造设备上安装摄像设备，实时采集发泡物图像数据；

然后发泡物数据预处理模块包括调整图像大小、对比度增强、去除背景、突出发泡结构等，以确保图像质量足以进行特征提取，调整图像大小：使用插值算法来调整图像的尺寸，确保图像具有统一或需的尺寸，以便于处理和分析；

突出发泡结构：通过使用滤波技术增强或突出发泡物的特征，使其在图像中更加明显；

去除背景：使用背景减除技术将发泡物与背景分离，以便于更准确地分析发泡结构；

利用发泡物数据特征提取模块从预处理后的图像中提取与外观质量相关的特征，包括颜色、纹理、形状等视觉特征，颜色特征提取：颜色是评估发泡物外观质量的重要因素之一，提取颜色特征的方法包括计算图像的平均色调、饱和度和亮度等参数，以及使用颜色直方图表示图像中颜色的分布情况；

纹理特征提取：纹理也是评估发泡物外观质量的重要特征之一，提取纹理特征的方法包括使用灰度共生矩阵算法分析图像中的纹理模式和结构；

形状特征提取：形状是描发泡物外观质量的另一个重要特征，使用边缘检测技术分析图像中的形状轮廓；

通过发泡物检测模型训练模块选择支持向量机的机器学习算法，并使用带有标签正常或缺陷的训练数据来训练模型，模型根据提取的特征来区分正常和有缺陷的发泡物，通过输入新的图像，模型能够预测样本的外观质量，并指出可能的缺陷或不一致性；

然后结构输出反馈模块将模型的预测结果输出，能够以可视化的方式展示给用户，或者以警告或建议的形式反馈，根据监测结果，能够采取适当的措施来调整生产过程，以改善发泡物产品的质量。