CN102692600A

CN102692600A - 基于机器视觉的继电器触头电寿命快速评估方法及装置

Info

Publication number: CN102692600A
Application number: CN2012101994941A
Authority: CN
Inventors: 钟平; 石云龙; 高梦茹; 张常鹏; 叶韬
Original assignee: Donghua University
Current assignee: Donghua University
Priority date: 2012-06-15
Filing date: 2012-06-15
Publication date: 2012-09-26
Anticipated expiration: 2032-06-15
Also published as: CN102692600B

Abstract

本发明涉及一种基于机器视觉的继电器触头电寿命快速评估方法和装置，方法包括：分别获取继电器两触头侧面图像序列和继电器触头表面图像；根据获取的图像得到继电器触点两触头的有效接触距离序列和提取经过处理的继电器触头表面图像的纹理特征参数；以纹理特征参数和有效接触距离序列分别建立触点电寿命的BP神经网络评估模型和时序评估模型；采用B样条联想记忆网络将BP神经网络评估模型和时序评估模型的预测结果进行融合，建立多参量的继电器触点电寿命的预测模型，并对继电器触头电寿命进行评估。装置包括处理器、第一成像模组、第二成像模组。本发明可以在不破坏继电器的情况下对继电器触点寿命进行准确预测。

Description

基于机器视觉的继电器触头电寿命快速评估方法及装置

技术领域

本发明涉及电气及检测技术领域，特别是涉及一种基于机器视觉的继电器触头电寿命快速评估方法及装置。

背景技术

继电器触点寿命预测是继电器机械故障诊断中的重要环节，它是根据对继电器连续监测所获得特征参数的历史数据来确定继电器目前的运行状态，预测其未来运行趋势并预报和确定设备的残余寿命，它对继电器进行设备维修、替换决策方面具有重大意义。现行的继电器电寿命试验方法一般是采用定时截尾试验法，即从成品库中按标准，规定在同一批次的成品中随机抽取若干样本进行试验，通过获取触头两端电压，定时动作接近寿命的试验次数后停止试验，评估各触头失效次数。试验过程中，通过测试电器成品的吸合电压、释放电压、接触电阻等参数是否符合技术条件规定范围，采用概率统计的方法来估计寿命特征参数，如平均寿命、寿命标准离差，寿命的可靠度等。上述方法评估继电器电寿命，由于采用抽样试验概率统计方法，其可靠度较低，且不可能对成品库中的所有成品都作为样本进行试验，试验周期长，耗费大量的人力、物力及其电能。更甚者，该方法的试验是破坏性的，试验后的产品不能作为成品使用，这对于价格较昂贵的某些继电器产品来说是一种浪费。后来人们又提出了许多继电器加速寿命试验的方法，如提高试验操作频率，通过试验一定次数后，按触头磨损率推算寿命或按收缩电阻推算寿命等。前者适用于灭弧条件较好的电器产品，但仍是破坏性试验；后者虽然可缩短试验周期，节省人力物力，但该方法一般只适应单变量寿命预测，而实际继电器性能的失效，是多种因素共同作用的结果，并反映在多个参量中。单变量寿命预测，其预测精度难于瞒足实际需要。

随着科学技术的高速发展，继电器技术的不断发展和其应用范围的不断扩大，继电器的可靠性制约影响整个电系统的可靠性。因此，迫切需要高效、准确的方法对继电器进行质量评估和电寿命预测。由于继电器的电触头是影响其性能的关键部件，其性能直接关系到继电器的整体电性能，故研究触头的电寿命对故障诊断和系统维修等具有重要作用。

本发明针对上述问题，基于嵌入式机器视觉系统和图像检测技术，提出一种使用方便、预测准确的继电器触点电寿命评估系统。通过机器视觉系统，采集继电器触点两触头在连续实验条件下点的图像序列S₁，S₂，...,S_T,和T时刻继电器静触点表面图像I_T，通过图像处理技术，获取触点两触头的间距及触头接触面纹理图像特征参数，采用设计的预测模型，实现继电器触头电寿命的评估与预测。本发明所提出的方法，采用嵌入式微处理器控制，具有智能化程度高、易实现等特点，有助于促进继电器性能的实时、准确的评估与预测。

发明内容

本发明所要解决的技术问题是提供一种基于机器视觉的继电器触头电寿命快速评估方法及装置，可以在不破坏继电器的情况下对继电器触点寿命进行准确预测。

本发明解决其技术问题所采用的技术方案是：提供一种基于机器视觉的继电器触头电寿命快速评估方法，包括以下步骤：

（1）分别获取继电器两触头侧面图像和继电器触头表面图像；

（2）根据获取的图像得到继电器触点两触头的有效接触距离序列和提取经过处理的继电器触头表面图像的纹理特征参数；

（3）以纹理特征参数和有效接触距离序列分别建立触点电寿命的BP神经网络评估模型和时序评估模型；

（4）再采用B样条联想记忆网络将所述BP神经网络评估模型和时序评估模型的预测结果进行融合，建立多参量的继电器触点电寿命的预测模型；

（5）根据建立的多参量的继电器触点电寿命的预测模型对继电器触头电寿命进行评估。

所述步骤（1）中获取继电器两触头侧面图像时采用红色LED光源；获取继电器触头表面图像时采用白色LED光源。

所述步骤（1）和步骤（2）中还包括对获取的图像采用中值滤波和均值滤波的方式进行去噪处理；在进行中值滤波操作时，先设定一个阈值，像素点的灰度值与邻域中值的差大于预先设定的阈值时，才取邻域的中值，否则就保留该像素点的灰度值；在进行均值滤波操作时，先设定一个阈值，当被处理像素点的灰度值与邻域均值的差大于设定的阈值时，才取邻域均值为该点的值，否则保留该像素点的灰度值。

所述步骤（2）中利用亚像素检测定位的方法，确定触点的边缘，计算出触头两触点接触的有效距离序列。

所述步骤（2）中提取经过处理的继电器触头表面图像的纹理特征参数包括以下步骤：从四个方向建立图像的共生矩阵，并计算这四个方向上特征参数的平均值，以实现抑制采样过程的方向效应，得到具有旋转不变性的纹理特征参数；所述纹理特征参数为六个，分别是：对比度、二阶矩、平方和、熵、差方差和逆差距。

所述步骤（5）中对继电器触头电寿命进行评估是根据BP神经网络评估模型和时序评估模型分别输出当前时刻的继电器触点的剩余寿命，再利用权向量进行加权计算，输出当前条件下继电器的触点的剩余电寿命。

本发明解决其技术问题所采用的技术方案是：提供一种基于机器视觉的继电器触头电寿命快速评估装置，包括处理器、第一成像模组、第二成像模组，所述第一成像模组用于获取继电器两触头侧面图像；所述第二成像模组用于获取继电器触头表面图像；所述处理器根据获取的图像得到继电器触点两触头的有效接触距离序列和提取经过处理的继电器触头表面图像的纹理特征参数，并以纹理特征参数和有效接触距离序列分别建立触点电寿命的BP神经网络评估模型和时序评估模型，再采用B样条联想记忆网络将所述BP神经网络评估模型和时序评估模型的预测结果进行融合，建立多参量的继电器触点电寿命的预测模型。

所述处理器还用于去除所述第一成像模组和第二成像模组获取图像的噪声。

所述第一成像模组为红光成像模组。

所述第二成像模组为白光成像模组。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明提出利用嵌入式Cortex-A8处理器及机器视觉系统构成继电器触点电寿命预测装置，通过机器视觉和图像处理技术，提取继电器触点两触头的有效接触距离和触头表面图像的纹理特征，运用B样条联想记忆网络建立以触点两触头有效接触距离和表面纹理特征参数为主变量的两级混合继电器触点寿命预测模型，实现继电器触点电寿命的预测。继电器电触头是影响其性能的关键部件，其性能直接关系到继电器及其应用电路的整体性能。同时，继电器触点寿命预测也是继电器机械故障诊断中的重要环节，它能根据对继电器触点连续监测所获得的特征参数的历史数据来确定继电器目前的运行状态，并预测其未来运行趋势，预报和确定设备的残余寿命等，所以本发明所提出的方法对继电器进行故障诊断、设备维修、替换决策等方面具有重大意义。

附图说明

图1是本发明的系统功能结构示意图；

图2是本发明的共生矩阵参数与采样点间距的关系图；

图3是本发明的共生矩阵参数与图像灰度级的关系图；

图4是本发明的预测模型结构示意图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种基于机器视觉的继电器触头电寿命快速评估装置，如图1所示，包括处理器、第一成像模组、第二成像模组，所述第一成像模组用于获取继电器两触头侧面图像；所述第二成像模组用于获取继电器触头表面图像；所述处理器根据获取的图像得到继电器触点两触头的有效接触距离序列和提取经过处理的继电器触头表面图像的纹理特征参数，并以纹理特征参数和有效接触距离序列分别建立触点电寿命的BP神经网络评估模型和时序评估模型，再采用B样条联想记忆网络将所述BP神经网络评估模型和时序评估模型的预测结果进行融合，建立多参量的继电器触点电寿命的预测模型。所述处理器还用于去除所述第一成像模组和第二成像模组获取图像的噪声。

本发明可以以Cortex-A8处理器为核心，包括外围接口电路、电容式触摸液晶显示器、高分辨率CMOS成像模组、光学系统及LED光源构建继电器触点电寿命预测系统。为了抑制继电器触点的反射光对成像系统的干扰，获取触点清晰图像，系统采用红光和白光LED光源与两成像模组匹配，分别用于继电器触点两触头图像和触点表面图像。基于继电器触点面图像的纹理的6个特征和继电器触点两触头间的有效距离作为主要参数，建立继电器触点的电寿命的多级混合预测模型，实现对对继电器触头电寿命快速评估与预测。采用电容式显示触摸屏作为系统与用户的交互界面，实现预测控制和结果输出。

本发明的评估装置可通过触摸屏与用户进行交互，实现对系统进行控制和评估结果输出。对继电器触头点寿命的预测主要的步骤为：

1)首先对成像系统进行标定，然后通过触摸显示屏发出命令，由Cortex-A8处理器产生控制信号，先通过CMOS成像系统采集继电器触点两触头在连续实验条件下点的图像序列S₁，S₂，...,S_T,和在T时刻继电器静触点表面图像I_T，并通过外围视频接口电路，将采集的图像分别送入存储器等待Cortex-A8处理器进行处理。

2)先采用改进的中值和均值滤波算法对图像进行滤波处理，消除成像过程中引入的噪声，再利用图像处理技术对图像进行分析和处理。分别对图像序列S₁,S₂,…S_T，进行处理，获取其触点有效接触距离序列X₁,X₂,…X_T；再对触点表面图像I_T进行处理，提取代表触点表面粗糙度六个纹理特征参数。

3)利用预先建立的继电器触点电寿命评估数学模型，对继电器触点电寿命做出评估和预测。

4)由液晶显示器显示评估结果。

根据精度要求，先用软件对CMOS成像模组进行畸变矫正，再采用精度为1μm的标尺，对成像系统进行标定。采用不同光源和图像采集装置获取继电器两触头侧面图像和动触头表面图像。考虑成像环境和内部电路产生噪声的原因，摄取的图像往往存在随机分布的噪声，即高斯噪声，为了能准确地测量继电器触点两触头的有效接触距离及继电器触点表面图像的纹理参数，须对采集的图像去噪处理。本发明采用滤波的方法去除图像噪声。由于频域滤波是通过滤掉图像的高频成份而去掉噪声，它在去除噪声的同时也会丢失图像的纹理特征信息，使图像变模糊，不利于纹理特征的提取。另外，频域变换运算量较大，难于实现实时性。本发明利用一种改进的空域滤波算法，即改进的均值和中值滤波算法对图像进行预处理，去除继电器触点两触头运动区域图像和触头表面图像的噪声。

线性滤波缺点在于降低噪声的同时也模糊了整个图像，特别是图像的边缘和图像的纹理细节，因此直接使用均值滤波不利于高频纹理信号的保留。本发明对均值滤波算法进行了改进。均值滤波操作是依次对操作像素点邻域的像素值取均值而使图像模糊，如果有条件保留原来像素点的值，即只有当像素点的值比邻域均值大于某一阈值时，才取邻域均值为该点的值，否则该点的值保持不变。这种处理方法，可使图像不模糊，同时又能去除噪音。

同样的，由于中值滤波算法的操作是以一定的操作顺序，选取其滤波窗口内经过排序后中间像素的值，而与原来像素点的值没什么必然联系。如果图像中某些特征尺寸较小，排序后该物体没有像素点排在中间，那么滤波后该物体就会被腐蚀甚至消失。所以本发明在进行中值滤波操作时，先设定一个阈值，只有该点的值与邻域中值的差大于预先设定的阈值时，才取邻域的中值，否则就保留该点的值。这样处理，如果某像素点为噪声，它和邻域的中值就会相差较大，就可以把它去掉。如果是图像信息对象，邻域中还有物体本身的点，所以邻域的中值和该点的像素值就不会相差太大，只要设置合适的阈值，就可以保留该点的值，从而保留更多的图像细节特征。

对图像进行预处理后，再利用亚像素检测定位的方法，确定触点的边缘，计算出触头两触点接触的有效距离，作为继电器电寿命建模的一个重要的参数。

由处理器控制采集继电器触点两触头在连续实验条件下点的图像序列S₁，S₂，...,S_T,采用上述方法，分别对图像序列S₁，S₂，...,S_T进行处理，从而获取其触点两触头有效接触距离序列X₁，X₂，...,X_T，作为继电器电寿命时序预测模型的输入参数。

白光照明条件下，能获取彩色图像，为了抑制触点的光发射，对白LED光源加装漫反射抑制薄膜。通过放大设备对所采集触头表面图像进行纹理特征的提取。本发明采用如下的方法提取纹理特征。首先为保证提取图像的纹理特征具有旋转不变性，从4个方向建立图像的共生矩阵。一般来说，采样间距d、灰度级R_g及矩阵的生成方向θ，是影响矩阵生成结果的主要因素。改变这些因素会使获取的继电器触点表面图像的纹理特征值差异变大。所以在对继电器触点表面图像生成共生矩阵时，这三个因素的选用准则必须保持一致。在本发明中，采用实验的方法，从继电器触头表面图像纹理特征的离散性随参数的变化关系，确定共生矩阵的生成因素。(a)图像空间点的采样间距d的确定。对相同纹理基元的图像而言，像元采样间距对灰度共生矩阵的影响表现为使大数值元素趋近或偏离主对角线，导致提取的特征参数无法正确地描述图像纹理特性。本发明确定采样间距d的方法是根据选定纹理特征参数随采样间距d变化的关系，取纹理特征间存在较强的离散特性时的d值，作为d值的最优选择区间，如图2所示。(b)图像灰度级是影响图像细节清晰度和容纳信息量的决定因素。图像的灰度级数越大，将有助于反映表面纹理变化规律的真实特征信息，但同时也会增大灰度共生矩阵维数，导致需要统计和运算的数据量激增。通过分析大量继电器触点端面表面图像256级灰度直方图得知，一般继电器触点表面图像的灰度分布较为集中，主要波峰区域分布于一个较小的区间内。因此，对继电器表面图像进行灰度级压缩具有必要性和可行性。在本发明中，在选择某类型继电器后，通过实验，将触点表面的纹理图像按16、32、64和128级灰度进行压缩，通过灰度共生矩阵特征参数与对应灰度级的关系曲线，找出各纹理特征参数开始趋于离散时所对应的灰度级，作为选定R_g依据，如图3所示。(c)共生矩阵生成方向角θ的确定。继电器触点表面图像按不同采样角度生成的灰度共生矩阵通常存在较大差异，因此，如选取生成方向θ不适当，将难于如实反映触点表面纹理特征。在分析图像纹理的应用中，为了使所提取的纹理特征在图像发生旋转时保持不变，即具有旋转不变性。如果仅采用单一方向上生成灰度共生矩阵所获取特征参数，将丢失其他方向的纹理信息而不能完整描述图像纹理特征。本发明建立0、π/4、π/2和3π/4方向的灰度共生矩阵，并计算这4方向上特征参数f_i(d，R_g,θ)平均值。其中i为选定的特征数。从而实现抑制采样过程的方向效应，得到具有旋转不变性的纹理第i个特征值f_i可表示为：

{\overset{&OverBar;}{f}}_{i} = [f_{i} (d, R_{g}, 0) + f_{i} (d, R_{g}, π / 4) + f_{i} (d, R_{g}, π / 2) + f_{i} (d, R_{g}, 3 π / 4)]/4

按照上述选定因素构建灰度共生矩阵，提取所有纹理特征参数，都包含在图像纹理信息中。但在描述继电器触点表面纹理时会存在大量的信息冗余，因此需要选择描述性好、相对独立和可靠的一组参数组合来描述继电器触点表面的纹理特征。本发明选取特征参数基于以下原则：（1）纹理特征参数的相关性较小：（2）与触点表面粗糙度存在较好的单调连续的变化规律。最后，我们选定六个参数构建继电器触点电寿命预测模型，选择的六个参数分别是：对比度（C)、二阶矩（A）、平方和（S_m）、熵（S)、差方差（C_f及逆差距(R)。

继电器触点的电寿命预测是继电器质量及其故障诊断中的重要环节，方法包括理论模型法、时序分析法和曲线拟合法等。本发明所涉及的继电器触点运行状态的变化是属于复杂的非线性问题，用这上述的方法所得到的预测曲线与继电器触点运行状态的实际变化曲线会存在较大的差别。在本发明中，以继电器触点表面图像的纹理六个特征参数和所测试的触点两触头的有效接触距离序列分别建立触点电寿命的BP神经网络评估模型和时序评估模型，再采用B样条联想记忆网络将两子模型的预测结果进行融合，建立多参量的继电器触点电寿命的预测模型。

多参量的继电器触点电寿命的混合预测模型的建立方法，是在连续实验条件下，先采集继电器触点两触头运动区域的图像序列S₁，S₂，...,S_T，提取其触点有效检测接触距离序列X₁，X₂，...,X_T和触点表面图像I_T所提取代表触点表面粗糙度六个纹理特征参数分别建立子预测模型，再采用B样条联想记忆网络将两子模型进行融合，建立多参量继电器触点电寿命的预测模型，实现继电器触点寿命预测。其中，在测试条件下，两个子模型分别输出当前T时刻的继电器触点的剩余寿命，再利用权向量(ω₁,ω₂)进行加权计算，输出当前条件下的继电器的触点的剩余电寿命。ω_i为第i个k阶B样条函数的到输出的连接权。

本发明中，预测模型的主结构采用B样条联想记忆网络，继电器触点电寿命预测模型结构如图4所示。第一层两个子预测模型，是以继电器触点表面图像的纹理六个特征参数值和触点两触头的有效接触距离序列所分别建立触点电寿命的BP神经网络评估模型和时序评估模型。隐层采用定义在点阵上的B样条基函数，输入层到隐层的连接权固定不变，隐层到输出层的连接权则随着学习样本的增加而不断的修正和改变。这种设计，从函数逼近意义来说，可实现输入层到隐层实现非线性映射，而输出层则实现隐层到输出的线性变换，输出为隐层基函数的线性组合，可表示为：

y (t) = Σ_{i = 1}^{m} ω_{i} N_{i}^{(k)} (x) - - - (1)

在上式中，y(t)为网络的输出，m为隐层的基函数的个数，ω_i为第i个k阶B样条函数到输出的连接权；

为隐层第i个k阶多变量的B样条基函数，x则为输入变量。通过训练样本所获取的知识在网络进行局部存储，以实现网络增加新的学习样本时，不会影响其它部分的学习效果，这种性质有利于继电器触点状态变化时，进行实时监测。在实现过程中，当子模型结构和样条函数阶数k后确定后，网络的唯一可变参数是网络权矩阵W，可构建网络的误差函数，并通过梯度下降法获得权矩阵W。

在网络参数初始化过程中，考虑到继电器触点的电寿命较长（一般为几十万次），图像的特征退化较慢等特点，可根据图像检测特征的量化值变化幅值的大小，取适当步长、等间隔取样本的特征值对网络进行训练、获取正确的网络参数。

在实施过程中，采用下列器材：

（1）Cortex-A8处理器及外围处理电路。采用Rreal210型号的开发板，其主要参数为：内核为处理器Cortex-A8的三星蜂鸟处理器S5PV210，主频为1GHz，支持NEON指令，支持3D图形加速（Power VR SGX540）和OpenGL-1.1&2.0、OpenVG1.0，支持JPEG硬件编解码，最大支持8192×8192分辨率，内存为4Gbits DDR2。支持RGB 24Bit接口及TVOUT视频输出。

（2）CMOS成像模组：采用的CMOS型号为OV3460，2048*1536像素，成像区域大小为3626μm x 2709μm，像素大小为1.75μm x 1.75μm，最高速度可达30帧每秒。

（3）光源包括两个型号（1）LED白光光源和LED红光光源。使用型号为RL-120-30-R和RL-120-30-W的红光和白光光源,外径为120mm，光源照射角度为30°，红光为12V输入，白光为24V输入。标准环境下，白色光源连续工作超过30,000小时，红色光源连续工作超过60,000小时。

（4）光学放大镜：采用24.9MM亚可力光学放大镜，直径为24.9mm高度为7.0MM，放大倍数为3倍，材料为PMMA（亚克力），透光率为93%，可以匹配多款大功率LED光源，光斑均匀，无散光，无黑点，无阴影透镜透光率非常高，可以最大限度的发挥LED光源的光线利用率。

（5）电容式液晶显示触摸显示屏。显示屏采用型号为EK070TN937的TFT LCD，尺寸大小为7寸，分辨率为800*480，接口信号为Parallel RGB，显示对比度为500:1（Typ）。

对继电器触头进行电寿命预测，首先需要进行系统初始化，包括对系统进行标定，预测网络参数生成和设定。然后将被检测的继电器固定安装在检测位置，并使其进入检测状态。通过触摸显示屏发出命令，由Cortex-A8处理器产生控制信号，分别在LED红和、白光照明条件下，通过CMOS成像系统采集继电器触点两触头在连续测试条件下的运动区域图像序列S₁，S₂，...,S_T和在T时刻继电器静触点表面图像I_T，并通过外围视频接口电路，将采集的图像分别送入存储器存储。对存储触点图像，先进行滤波处理，消除成像过程中引入的噪声，再对图像信息进行分析，获取触点的的时间序列有效间距和当前触点表面的纹理特征参数。利用预先建立的继电器电寿命时序预测模型，对继电器电寿命做出预测，并由液晶显示器显示出继电器触点电寿命的预测及继电器质量的评估结果。

Claims

1.一种基于机器视觉的继电器触头电寿命快速评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于机器视觉的继电器触头电寿命快速评估方法，其特征在于，所述步骤（1）中获取继电器两触头侧面图像时采用红色LED光源；获取继电器触头表面图像时采用白色LED光源。

3.根据权利要求1所述的基于机器视觉的继电器触头电寿命快速评估方法，其特征在于，所述步骤（1）和步骤（2）中还包括对获取的图像采用中值滤波和均值滤波的方式进行去噪处理；在进行中值滤波操作时，先设定一个阈值，像素点的灰度值与邻域中值的差大于预先设定的阈值时，才取邻域的中值，否则就保留该像素点的灰度值；在进行均值滤波操作时，先设定一个阈值，当被处理像素点的灰度值比邻域像素均值的差大于设定的阈值时，才取邻域均值为该点的值，否则保留该像素点的灰度值。

4.根据权利要求1所述的基于机器视觉的继电器触头电寿命快速评估方法，其特征在于，所述步骤（2）中利用亚像素检测定位的方法，确定触点的边缘，计算出触头两触点接触的有效距离序列。

5.根据权利要求1所述的基于机器视觉的继电器触头电寿命快速评估方法，其特征在于，所述步骤（2）中提取经过处理的继电器触头表面图像的纹理特征参数包括以下步骤：从四个方向建立图像的共生矩阵，并计算这四个方向上特征参数的平均值，以实现抑制采样过程的方向效应，得到具有旋转不变性的纹理特征参数；所述纹理特征参数为六个分别是：对比度、二阶矩、平方和、熵、差方差和逆差距。

6.根据权利要求1所述的基于机器视觉的继电器触头电寿命快速评估方法，其特征在于，所述步骤（5）中对继电器触头电寿命进行评估是根据BP神经网络评估模型和时序评估模型分别输出当前时刻的继电器触点的剩余寿命，再利用权向量进行加权计算，输出当前条件下的继电器的触点的剩余电寿命。

7.一种基于机器视觉的继电器触头电寿命快速评估装置，包括处理器、第一成像模组、第二成像模组，其特征在于，所述第一成像模组用于获取继电器两触头侧面图像；所述第二成像模组用于获取继电器触头表面图像；所述处理器根据获取的图像得到继电器触点两触头的有效接触距离序列和提取经过处理的继电器触头表面图像的纹理特征参数，并以纹理特征参数和有效接触距离序列分别建立触点电寿命的BP神经网络评估模型和时序评估模型，再采用B样条联想记忆网络将所述BP神经网络评估模型和时序评估模型的预测结果进行融合，建立多参量的继电器触点电寿命的预测模型。

8.根据权利要求1所述的基于机器视觉的继电器触头电寿命快速评估装置，其特征在于，所述处理器还用于去除所述第一成像模组和第二成像模组获取图像的噪声。

9.根据权利要求1所述的基于机器视觉的继电器触头电寿命快速评估装置，其特征在于，所述第一成像模组为红光成像模组。

10.根据权利要求1所述的基于机器视觉的继电器触头电寿命快速评估装置，其特征在于，所述第二成像模组为白光成像模组。