CN102768730A - 交互式磨粒图像标注方法 - Google Patents
交互式磨粒图像标注方法 Download PDFInfo
- Publication number
- CN102768730A CN102768730A CN2012102136238A CN201210213623A CN102768730A CN 102768730 A CN102768730 A CN 102768730A CN 2012102136238 A CN2012102136238 A CN 2012102136238A CN 201210213623 A CN201210213623 A CN 201210213623A CN 102768730 A CN102768730 A CN 102768730A
- Authority
- CN
- China
- Prior art keywords
- image
- debris
- interactive
- debris image
- mark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种交互式磨粒图像标注方法,包括如下步骤:步骤1,输入包含磨粒图像的待标注图像;步骤2,对所述待标注图像输入交互式标注信息;步骤3,根据所述交互式标注信息对所述待标注图像进行图像分割;步骤4,判断所述分割结果是否为磨粒图像,如果不是则继续步骤5,是则继续步骤6;步骤5,重新/补充输入交互式标注信息,然后继续步骤3和4;步骤6,输出所述磨粒图像;步骤7,对所述磨粒图像标注类别信息。利用本发明提供的交互式磨粒图像标注方法,可以很快的根据待标注图像快速、准确的获得标注后的磨粒图像,因此能够大大的提高构建磨粒图像样本库的效率。
Description
技术领域
本发明涉及油液监测领域,具体涉及交互式磨粒图像标注方法、磨粒图谱库构建方法及磨粒图像自动识别系统。
背景技术
油液监测是通过对在用油样品进行检测分析,以判断油品和设备所处状态的应用技术。它通过对油品衰变、污染以及部件磨损等方面的异常征兆进行早期预报,让设备使用和管理者可以实时进行维护和修理,以避免重大事故发生,同时延长设备与油品的使用寿命。油液磨损微粒(简称磨粒)图谱分析的主要基于对磁塞、油滤和分析铁谱等技术手段采集得到的磨粒进行显微观测和分析。一方面,它可以分析从1um到1000um尺寸范围的磨粒,几乎涵盖了所有类型的磨损磨粒;另一方面,它通过分析磨粒的尺寸、形貌和组成成份来预测与确定装备的磨损程度、磨损部位和磨损机理,为实现装备的及时视情维修与保障提供准确可靠的信息支持。但到目前为止,磨粒识别始终是通过分析人员借助显微镜观察来实现,这一分析依赖于分析人员的知识、经验的多少乃至精神状态的好坏,同时又是一项枯燥费时的操作。
近年来,油液监测技术领域的研究和开发的热点集中在在线油液监测方法、磨粒图像自动识别技术和基于油液监测的智能诊断系统这三个方面。其中,磨粒图像自动识别技术是关键和基础,只有实现了磨粒的自动识别才能实现基于磨粒形貌的在线油液监测,也只有实现磨粒图像自动识别才能将包含丰富信息的具有独特优势的磨粒图谱分析技术集成到油液监测的智能诊断系统中,提高诊断结果的准确性和直观性。磨粒图像自动识别系统的建立需要以大规模的典型磨粒图谱库为基础。当前国内建立的磨粒图谱库主要用于人工比对识别,因此,并没有对磨粒图像区域进行精确分割,而只是给出同时包含典型磨粒图像和背景图像的一个局部图谱区域,并不适用于建立磨粒图像自动识别系统的需要。
对于建立精确的磨粒图谱库,现有技术中主要是通过完全的人工标注的方式来建立精确磨粒图像库,这需要耗费大量的人工以及时间,效率低下;而基于全自动的分割方法(如自动阈值法等),虽然对于背景简单的磨粒可以准确分割,但是对于占据大部分的背景复杂磨粒无效。因此,研究提出快速、准确的油液磨粒图像标注方法对提高建立磨粒图谱库的效率有重要意义,进一步对于开发磨粒图像自动识别技术具有非常重要的现实意义。
发明内容
本发明提供一种交互式磨粒图像标注方法,通过人工与计算机进行交互来获得标注后的磨粒图像,提高了建立磨粒图谱库的效率,节约了人力成本。
所述交互式磨粒图像标注方法,包括如下步骤:
步骤1,输入包含磨粒图像的待标注图像;
步骤2,对所述待标注图像输入交互式标注信息;
步骤3,根据所述交互式标注信息对所述待标注图像进行图像分割;
步骤4,判断所述分割结果是否为磨粒图像,如果不是则继续步骤5,是则继续步骤6;
步骤5,重新/补充输入交互式标注信息,然后继续步骤3和4;
步骤6,输出所述磨粒图像;
步骤7,对所述磨粒图像标注类别信息。
其中,所述步骤2中所述交互式标注信息为人工指定的磨粒图像和/或背景图像。
另一方面,本发明还提供一种磨粒图谱库构建方法,包括:
利用上述交互式磨粒图像标注方法获得标注后的磨粒图像,基于所述标注后的磨粒图像构建磨粒图谱库。
另一方面,本发明还提供一种磨粒图像自动识别系统,用于自动识别待识别图像中包含的磨粒图像,所述系统包括自动识别模块和所述磨粒图谱库,其中,所述自动识别模块基于所述磨粒图谱库自动识别待识别图像中的磨粒图像。
利用本发明提供的交互式磨粒图像标注方法,可以很快的根据待标注图像快速、准确的获得标注后的磨粒图像,因此能够大大的提高构建磨粒图谱库的效率。进一步的,利用上述交互式磨粒图像标注方法快速、准确获得磨粒图谱库,该磨粒图谱库可用于建立磨粒图像自动识别系统,对待识别的磨粒图像进行自动、快速、准确的分类识别。
由于本发明提供的交互式磨粒图像标注方法中,人为的输入交互式标注信息,使得机器能够准确的进行图像分割,准确的获得磨粒图像。相比于纯人为的分割出待标注图像中的磨粒图像,本发明提供的方法更加的方便快捷,节约了人力成本并提高了效率。相比于单纯利用机器进行图像分割获得待标注图像中的磨粒图像,本发明提供的方法分割结果更加精确,能够构建更加准确的磨粒图谱库,进而获得识别效率更高的磨粒图像自动识别系统,因此具有非常好的现实意义。
附图说明
图1所示为本发明实施例提供的交互式磨粒图像标注方法流程图;
图2所示为对一待标注图像输入的交互式标注信息及获得的磨粒图像示意图;
图3所示为对另一待标注图像输入的交互式标注信息及获得的磨粒图像示意图;
图4所示为对另一待标注图像输入的交互式标注信息及获得的磨粒图像示意图;
图5所示为对另一待标注图像输入的交互式标注信息及获得的磨粒图像示意图;
图6所示为图5中所示的磨粒图像的磨粒类别信息示意图。
具体实施方式
下面结合附图及具体实施例对本发明提供的交互式磨粒图像标注方法进行进一步说明。
如图1所示,所述交互式磨粒图像标注方法包括如下步骤:
步骤1,输入待标注图像;
步骤1.1,对所述待标注图像进行预处理;
步骤2,对所述预处理后待标注图像输入交互式标注信息;
步骤3,根据所述交互式标注信息对所述待标注图像进行图像分割;
步骤4,判断所述分割结果是否为磨粒图像,如果不是则继续步骤5,是则继续步骤6;
步骤5,重新/补充输入交互式标注信息,然后继续步骤3;其中,当重新输入交互式标注信息时,则原有的交互式标注信息被新输入的交互式标注信息取代;当补充输入交互式标注信息时,则原有的交互式标注信息与补充输入的交互式标注信息相叠加,构成现有的交互式标注信息;
步骤6,输出所述磨粒图像;
步骤7,对所述磨粒图像标注类别信息。
具体的,所述预处理的主要目的是消除所述待标注图像中无关的信息,增强磨粒图像的可检测性和最大限度地简化数据,从而改进图像分割和识别的可靠性。所述预处理过程可以包括对所述待标注图像进行数字化处理、归一化处理、图像增强处理和/或图像降噪处理等步骤。当待标注图像的图像质量不经过预处理步骤也能够满足图像分割的需求时,所述步骤1.1可以省略。
步骤2中所述的输入交互式标注信息,具体是指人工指定所述待标注图像中的磨粒图像和/或背景图像,所述交互式标注信息即指指定的所述磨粒图像和/或背景图像,使得机器根据所述交互式标注信息对所述待标注图像进行分割以获得所述磨粒图像。相比于现有技术中直接用机器对所述待标注图像进行分割获得的分割结果而言,基于所述交互式标注信息进行分割的分割结果准确度有极大的提升。
步骤4中判断所述分割结果是否为磨粒图像。如果分割结果并非所述磨粒图像,则需要重新或补充输入交互式标注信息,即重新或补充指定所述待标注图像中的磨粒图像和/或背景图像。然后根据重新对所述待标注图像进行分割,以获得所述待标注图像中的磨粒图像。
所述分割算法可以为基于阈值的算法、基于能量优化的算法或者其他适用的交互式分割算法;具体的可以为图割算法、随机步算法等。
所述待标注图像中磨粒图像规则且背景图像相对单纯时,所述交互式标注信息为以规则形状圈定的所述磨粒图像区域。所述规则形状优选为矩形,当然也可以为其他形状,例如圆形。如图2所示,图2a为待标注图像,磨粒图像区域与背景图像区域很容易区分开来,因此直接圈定所述磨粒图像区域即可,如图2b中所示用矩形标注出了磨粒图像区域;基于图2b中输入的交互式标注信息进行图像分割,获得图2c中所示的磨粒图像。
所述待标注图像中磨粒图像不规则且背景图像相对单纯时,所述交互式标注信息为以不规则形状圈定的所述磨粒图像区域。如图3a所示的待标注图像中,磨粒图像形状不规则但与背景图像容易区分开来,因此如图3b中所示的以不规则的形状将磨粒图像区域圈定出来,然后基于图3b中圈定的磨粒图像区域进行图像分割,获得了如图3c中所示的磨粒图像。
所述待标注图像中磨粒图像与背景图像不易区分时,所述交互式标注信息为以线条形式指出的所述磨粒图像区域和/或背景图像区域。如图4a所示的待标注图像中,磨粒图像与背景图像不易区分,单纯的将磨粒图像区域框出并不能使得磨粒图像与背景图像区分开来,因此采用图4b所示的以线条形式分别在磨粒图像区域以及背景图像区域进行标注。更进一步的,标注在磨粒图像区域的线条与标注在背景图像区域的线条颜色可以区分开来,使得机器在进行图像分割时能够准确的区分开背景图像与磨粒图像,以获得预期的分割效果。根据图4b中的交互式标注信息对图像进行分割,获得如图4c中所示的磨粒图像。
图5a所示的待标注图像中,磨粒图像与背景图像也不容易区分,因此交互式标注信息如图5b中所示为线条形式,进行图像分割后获得的磨粒图像如图5c中所示。在获得图5c中所示的磨粒图像之后,对所述磨粒图像的类别信息进行标注,具体如图6所示,所述类别信息包括:设备编号、油样采集部位、磨粒成分、磨粒尺寸、磨损类型、磨损机理以及可能产生部位等。
图2-图5中的图像原图均为彩色图像,所述分割结果也是在彩色图像的基础上获得的。由于彩色图像中包含的信息更多,因此基于彩色图像进行图像分割获得的分割结果更加准确。
本发明提供的交互式磨粒图像标注方法中,将待标注图像中的磨粒图像区域和/或背景图像区域标出,不一定要完整的标出所述磨粒图像区域和/或背景图像区域,对于本领域技术人员来讲,仅完成标出所述磨粒图像区域和/或背景图像区域是非常简单快捷的。
在另一个实施例中,一种磨粒图谱库构建方法,包括:基于所述交互式标注信息对所述待标注图像进行图像分割可以准确的获得磨粒图像,之后输入所述磨粒图像的类别信息就可以获得标注后的磨粒图像作为磨粒图像样本,重复上述步骤就可以快速、准确的获得磨粒图谱库,从而为依据磨粒图像图谱库进行模式识别奠定基础。
在另一实施例中,一种磨粒图像自动识别系统,包含自动识别模块以及所述磨粒图谱库,所述磨粒图谱库为基于所述交互式磨粒图像标注方法获得的;所述自动识别模块基于所述磨粒图谱库自动识别待识别图像中的磨粒图像。利用该磨粒图像自动识别系统对未进行标注的图像进行识别与标注,可以快速批量处理待标注磨粒图像,从而节省人力成本。
更进一步的,还可以利用本发明提供的交互式磨粒图像标注方法对磨粒图像自动识别系统不能分辨的待标注图像进行标注,从而不断的完善磨粒图像图谱库,提高磨粒图像自动识别系统的识别准确率。
以上实施例仅用于说明本发明的技术方案,并不用于限制本发明的保护范围。本领域技术人员可以对本发明的技术方案进行的修改或者同等替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种交互式磨粒图像标注方法,包括如下步骤:
步骤1,输入包含磨粒图像的待标注图像;
步骤2,对所述待标注图像输入交互式标注信息;
步骤3,根据所述交互式标注信息对所述待标注图像进行图像分割;
步骤4,判断所述分割结果是否为磨粒图像,如果不是则继续步骤5,是则继续步骤6;
步骤5,重新/补充输入交互式标注信息,然后继续步骤3和4;
步骤6,输出所述磨粒图像;
步骤7,对所述磨粒图像标注类别信息。
2.根据权利要求1所述的交互式磨粒图像标注方法,其特征在于,所述步骤1还包括对所述待标注图像进行图像预处理;且所述步骤2中所述交互式标注信息为人工指定的磨粒图像和/或背景图像。
3.根据权利要求1或2所述的交互式磨粒图像标注方法,其特征在于,所述待标注图像中磨粒图像规则且与背景图像容易区分时,所述交互式标注信息为以规则形状圈定的所述磨粒图像区域。
4.根据权利要求3所述的交互式磨粒图像标注方法,其特征在于,所述规则形状为矩形或圆形。
5.根据权利要求1或2所述的交互式磨粒图像标注方法,其特征在于,所述待标注图像中磨粒图像不规则且与背景图像容易区分时,所述交互式标注信息为以不规则多边形圈定的所述磨粒图像区域。
6.根据权利要求1或2所述的交互式磨粒图像标注方法,其特征在于,所述待标注图像中磨粒图像与背景图像不易区分时,所述交互式标注信息为以线条形式标出的所述磨粒图像区域和/或背景图像区域。
7.根据权利要求1~6任一所述的交互式磨粒图像标注方法,其特征在于,步骤4中所述的图像分割采用的算法为基于阈值的算法或者基于能量优化的算法。
8.根据权利要求7所述的交互式磨粒图像标注方法,其特征在于,所述类别信息包括设备编号、油样采集部位、磨损类型、磨损机理、磨粒成分、磨粒尺寸和/或可能产生部位。
9.一种磨粒图谱库构建方法,包括:
利用上述任一权利要求所述的交互式磨粒图像标注方法获得标注后的磨粒图像,和
基于所述标注后的磨粒图像构建磨粒图谱库。
10.一种磨粒图像自动识别系统,用于自动识别待识别图像中包含的磨粒图像,所述系统包括自动识别模块和基于权利要求9所述的磨粒图谱库,其中,
所述自动识别模块基于所述磨粒图谱库自动识别待识别图像中的磨粒图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210213623.8A CN102768730B (zh) | 2012-06-25 | 2012-06-25 | 交互式磨粒图像标注方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210213623.8A CN102768730B (zh) | 2012-06-25 | 2012-06-25 | 交互式磨粒图像标注方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102768730A true CN102768730A (zh) | 2012-11-07 |
CN102768730B CN102768730B (zh) | 2016-04-06 |
Family
ID=47096124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210213623.8A Expired - Fee Related CN102768730B (zh) | 2012-06-25 | 2012-06-25 | 交互式磨粒图像标注方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102768730B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484675A (zh) * | 2014-12-15 | 2015-04-01 | 上海海事大学 | 一种铁谱磨粒纹理特征提取和模式识别的方法 |
CN108305259A (zh) * | 2018-02-06 | 2018-07-20 | 西安交通大学 | 一种多纹理特征融合的磨粒类型自动识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393108A (zh) * | 2008-10-10 | 2009-03-25 | 南京航空航天大学 | 油液磨粒在线监测方法及系统 |
CN102360494A (zh) * | 2011-10-18 | 2012-02-22 | 中国科学院自动化研究所 | 一种多前景目标交互式图像分割方法 |
-
2012
- 2012-06-25 CN CN201210213623.8A patent/CN102768730B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393108A (zh) * | 2008-10-10 | 2009-03-25 | 南京航空航天大学 | 油液磨粒在线监测方法及系统 |
CN102360494A (zh) * | 2011-10-18 | 2012-02-22 | 中国科学院自动化研究所 | 一种多前景目标交互式图像分割方法 |
Non-Patent Citations (2)
Title |
---|
梁华,杨明忠: "磨粒的计算机识别方法的研究与评述", 《中国机械工程》, no. 03, 30 June 1995 (1995-06-30) * |
竺子民等: "图像处理中目标与背景的半自动分离技术", 《清华大学学报(自然科学版)》, no. 04, 10 April 1993 (1993-04-10) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484675A (zh) * | 2014-12-15 | 2015-04-01 | 上海海事大学 | 一种铁谱磨粒纹理特征提取和模式识别的方法 |
CN104484675B (zh) * | 2014-12-15 | 2017-10-31 | 上海海事大学 | 一种铁谱磨粒纹理特征提取和模式识别的方法 |
CN108305259A (zh) * | 2018-02-06 | 2018-07-20 | 西安交通大学 | 一种多纹理特征融合的磨粒类型自动识别方法 |
CN108305259B (zh) * | 2018-02-06 | 2020-03-24 | 西安交通大学 | 一种多纹理特征融合的磨粒类型自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102768730B (zh) | 2016-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103984951B (zh) | 一种磁粉检测缺陷自动识别方法及系统 | |
EP3108446B1 (en) | Medical image analysis for identifying biomarker-positive tumor cells | |
CN109389161A (zh) | 基于深度学习的垃圾识别进化学习方法、装置、系统及介质 | |
CN109002841A (zh) | 一种基于Faster-RCNN模型的建筑构件提取方法 | |
CN111612752A (zh) | 基于Faster-RCNN的超声图像甲状腺结节智能检测系统 | |
CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN109598292A (zh) | 一种不同辅助样本正负比例的迁移学习方法 | |
CN110942050A (zh) | 一种基于图像处理的自动售卖机商品识别系统 | |
Atupelage et al. | Computational hepatocellular carcinoma tumor grading based on cell nuclei classification | |
US11488401B2 (en) | Prostate cancer tissue image classification with deep learning | |
CN103177266A (zh) | 储藏物害虫智能识别系统 | |
CN102768730A (zh) | 交互式磨粒图像标注方法 | |
CN113469938B (zh) | 基于嵌入式前端处理服务器的管廊视频分析方法及系统 | |
CN107516315A (zh) | 一种基于机器视觉的掘进机出渣监测方法 | |
Lin et al. | Integrating object detection and image segmentation for detecting the tool wear area on stitched image | |
CN104835155A (zh) | 基于分形的早期乳腺癌钙化点计算机辅助检测方法 | |
CN110288577A (zh) | 一种3d实现多器官病灶整合的控制方法及控制装置 | |
CN101231229A (zh) | 液体含菌量非染色自动计数方法 | |
CN112348014A (zh) | 基于机器视觉的隧道掌子面围岩级别快速识别方法 | |
CN108288273A (zh) | 基于多尺度耦合卷积网的铁路接触网异常目标自动检测法 | |
CN112766384A (zh) | 一种基于深度学习的藻类絮体去除率评估方法 | |
CN107507192A (zh) | 一种水稻剑叶夹角在体测量便携装置及在体测量方法 | |
CN110837859A (zh) | 一种融合多维度医疗数据的肿瘤精细分类系统及方法 | |
CN103984960B (zh) | 一种遥感图像样本智能采集方法 | |
CN101275897A (zh) | 骨髓活检切片造血细胞特征识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160406 Termination date: 20180625 |