炭黑是橡胶中重要的填充物之一,它能够显著改善橡胶制品的强度、可伸展性、耐疲劳性、耐磨性等机械性能。对混炼后胶料的分散度测定是橡胶生产中产品质量控制的一个重要环节。由于传统分散度测定为人工定性判别方法,具有难以逾越的局限性。而现有的国外自动识别产品价格非常昂贵,并且评级的准确度不高。因此,由国内自行研制炭黑分散度的自动识别系统是国内橡胶生产厂家的迫切要求。本文分析了前人的研究结果,从炭黑图像的特征提取和分散度评价模型两方面入手,发现其中的不足,并对不足进行改进。在精简炭黑分散性特征信息的同时,考虑了分布性对炭黑分散度的影响,并提出了基于距离的不同方位情况下的分布特性和基于三角网络的分布特性,进一步丰富和优化了炭黑图像的特征信息。考虑到模型的健壮性,本文采用基于遗传算法的BP神经网络的分类器,打破了层次分析法和模糊判别法的局限性,使分级的准确度更高,评价过程更智能化。该系统在Windows XP环境下用Visual C++ 6.0进行了实现。并利用炭黑样本图像,采用明显错判率和刀切法,分别对评价模型的错判率进行分析,其错判率分别是7%和6.67%。从数值上可以看出,该系统完全能满足工业需求。另外,该系统计算速度快,并且有友好的人机交互界面。