傳統毛細管熔點儀依賴人眼觀察，判斷初熔（第一滴液體出現）與全熔（固體消失）時刻存在主觀誤差?；趫D像處理算法的自動識別技術，通過精準分割熔融過程中的關鍵視覺特征，實現了測量的客觀化與精確化。其核心算法流程如下：

　　1.圖像預處理與樣品區域定位：

　　算法首先對采集的視頻序列進行預處理，包括高斯濾波去噪和對比度增強，以凸顯毛細管內的樣品。隨后，利用邊緣檢測或模板匹配算法精準定位并分割出固定的毛細管區域（ROI），排除背景干擾，為后續分析奠定基礎。

　　2.初熔點的精準檢測——基于紋理與形狀突變：

　　這是分割的第一個關鍵。固體粉末在初始階段具有特定的紋理特征。算法通過計算ROI內區域的灰度統計特征（如標準差）或紋理特征（如基于灰度共生矩陣的熵）來監控其變化。初熔發生時，局部區域出現液滴，導致紋理均勻性突變，上述特征值會發生顯著躍遷。結合幀差法檢測到局部變化區域，其對應的時刻即被判定為初熔點。此步驟克服了人眼對細微初熔現象反應滯后的缺點。

　　3.全熔點的精準判定——基于輪廓與透光性分析：

　　這是分割的第二個關鍵。隨著熔化進行，固體輪廓持續收縮。算法通過邊緣提取與輪廓跟蹤（如Canny算子與主動輪廓模型）精確描繪固體柱的形態。全熔的判據是固體輪廓的消失。更先進的算法則同時監測整個ROI的平均灰度或透光率。固體消失瞬間，毛細管底部透光性急劇增加，導致整體灰度值發生階躍式變化。算法將此拐點對應的時刻判定為全熔點，避免了人眼因判斷“最后一個小顆粒消失”瞬間的不確定性。

　　結論：通過將熔融過程的視覺信息轉化為可量化的紋理、輪廓與灰度特征，圖像處理算法實現了對初熔與全熔兩個物理階段的精準、自動分割。這項研究不僅大幅提升了熔點測量的重復性與準確性，也為實驗數據的數字化和智能化分析提供了堅實基礎。