CN103472070B - 发动机机油清净分散性测定方法 - Google Patents
发动机机油清净分散性测定方法 Download PDFInfo
- Publication number
- CN103472070B CN103472070B CN201310425995.1A CN201310425995A CN103472070B CN 103472070 B CN103472070 B CN 103472070B CN 201310425995 A CN201310425995 A CN 201310425995A CN 103472070 B CN103472070 B CN 103472070B
- Authority
- CN
- China
- Prior art keywords
- oil
- ring
- pixel
- area
- 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.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种发动机机油清净分散性测定方法:步骤1:在油斑上勾勒出扩散环和油环;步骤2:采集油斑的灰度图像f后将其输入计算机;步骤3:对灰度图像的各像素点的灰度值进行计算得到扩散环和油环的边界图B;步骤4:获得扩散环和油环的标记图L;步骤5:计算扩散环区的面积Sk和油环区的面积Sy;步骤6:利用下式计算油品清净分散性系数。由清净分散性系数可快速判定发动机机油的品质,清净分散性系数越大,说明发动机机油品质较好;清净分散性系数越小,则说明发动机机油的品质低劣。本发明的方法计算简单,计算精度高,且运行时间短,适合在实时的系统中采用。
Description
技术领域
本发明属于计算机图像处理技术领域,具体涉及一种发动机机油清净分散性测定方法。
背景技术
发动机中的润滑油(即发动机机油)具有冷却、润滑、密封、防腐、清洗等作用,润滑油的质量好坏直接影响到发动机的工作性能和寿命。随着发动机工作时间的延续,在高温下的氧化、机械零件的磨损产物、使用过程中的燃油以及水分的混入等原因,都使润滑油受到污染,导致油品下降,甚至丧失润滑油的效能。因此,对润滑油状态进行监测,不仅可以及时发现润滑油质量的变化,做到按需要更换润滑油,降低运行成本;而且可提前预知机器技术状态,进而及时发现故障征兆及预报设备可能发生的故障,有针对性的进行维护和修理。
目前,发动机润滑油的监测最常用的方法主要是通过油滴斑点试验,判断润滑油的清净性,从而判定发动机润滑油的质量。具体操作如下:首先,用金属或玻璃棒把从发动机内取出的油样滴一滴在滤纸上,静置3个小时,滤纸上便形成颜色不同的晕环似的斑痕,斑痕的图像因滤纸、润滑油质量及污染物不同而异,一般都显示三个或更多的晕环:沉积环、扩散环和油环。其次,在滤纸上手工勾勒出扩散环和油环,并用人工直尺法测量扩散环和油环的直径。再次,重复测量多组扩散环和油环的直径数据,计算每组扩散环和油环直径的比值(扩散环和油环直径的之比为清净分散性系数),并取每组测验得到的比值的平均值作为该润滑油的清净分散性系数,清净分散性系数值越大,表明润滑油分散性越好,反之亦反。
传统的人工直尺法存在以下问题:一是测量精度不高。由于实际操作中无论是扩散环还是油环,都不是标准圆形,而且两环质心一般不重合,这样测得的扩散环和油环直径就容易存在误差,造成测量精度不高;二是测量过程费时、费力,为了提高精度常常需要进行多次测量,取多次测量的均值为直径值,即便是多次测量也无法保证测量的精度。
综上,研究一种快速、准确地测定发动机润滑油清净分散性的方法,对于提高工作效率,且准确地判定润滑油的质量尤为重要。
发明内容
针对上述现有技术中存在的缺陷或不足,本发明的目的在于,提供一种发动机机油清净分散性测定方法,该方法首先利用照相机采集油斑的灰度图像,并将油斑图像输入计算机;接着利用计算机提取油斑图像的扩散环区和油环区,并计算扩散环区和油环区的面积;最后得到清净分散性系数,能够快速、准确的判定发动机润滑油的质量。本发明的方法计算简单,精度高,且运行时间短,适合在实时的系统中采用。
为了达到上述目的,本发明采用如下的技术方案予以解决:
发动机机油清净分散性测定方法,具体包括以下步骤:
步骤1:将待测的发动机油样滴在滤纸上得到油斑,在该油斑上手工勾勒出扩散环和油环;
步骤2:采集油斑的灰度图像f后将其输入计算机,油斑的灰度图像f大小为M×N,f(x,y)表示像素(x,y)的灰度值,1≤x≤M,1≤y≤N,x和y均为整数;
步骤3:利用式1对灰度图像的各像素点的灰度值f(x,y)进行计算,得到扩散环和油环的边界图B;
式1
其中,T为阈值,对于0-255的灰度图像,T取5-25之间的整数;B(x,y)表示像素(x,y)的边界标示值,B(x,y)=1表示像素(x,y)为边界点,B(x,y)=0表示像素(x,y)为非边界点;
步骤4:获得扩散环和油环的标记图L;具体步骤如下:
首先,采用8-连通标记边界图B中B(x,y)=1的连通区域,得到标记值分别为1和2的两个连通区域,即边界图B中两个8连通区域的像素值分别为B(x,y)=1和B(x,y)=2;其次,计算边界图B中被标记的B(x,y)=1和B(x,y)=2两个连通区域的像素点数目;再次,将像素点数目多的连通区域标记为扩散环区,并记录扩散环区连通区域的像素值为c,即B(x,y)=c,c为1或2;将像素点数目少的连通区域标记为油环区,并记录油环区连通区域的像素值为r,即B(x,y)=r,r为1或2且r≠c;将B(x,y)=0的区域标记为背景区,背景区连通区域的像素值为0,即B(x,y)=0;最后,利用式5获得扩散环和油环的标记图L:
式中,L(x,y)表示标记图L中像素点(x,y)的标记值。
步骤5:计算扩散环区的面积Sk和油环区的面积Sy;
步骤6:利用下式计算油品清净分散性系数:
式中,K表示清净分散性系数;Dk和Dy分别表示扩散环和油环的直径;Sk表示扩散环区的面积;Sy表示油环区的面积。
优选的,所述步骤5按照如下步骤执行:
油环区的面积Sy的计算:从首行开始,从左到右扫描标记图L的所有行,记第x行中像素值L(x,y)=1的像素点的最左列和最右列的列坐标值分别为Pxl和Pxr,油环区的面积Sy的计算公式如下:
扩散环区的面积Sk的计算:从首行开始,从左到右扫描标记图L中的所有行,记第x行中像素值L(x,y)=2的像素点的最左列和最右列的列坐标值分别为qxl和qxr,扩散环区的面积Sk的计算公式如下:
式中,M为油斑的灰度图像f中像素点的行数;
优选的,所述步骤3中的阈值T=15。
与常用的人工直尺法判定油斑的清净分散性方法相比,本发明的方法优点如下:
(1)能快速测定出机油的精品分散性。以某油斑图样测定六次为例,从列表格——记录数据——计算,需要8分钟左右,而本发明的方法运行时间为1.23s,速度提高了近400倍。
(2)测量精度高。直尺的最小刻度为1mm,以计算机采集的图像大小1636×1692为例,1个像素点测量精度为0.035mm,比直尺的最小1mm提高25倍多,大大减少了误差。
(3)能够作为资料长久保存。实际中常常需要保存油斑试验结果,但随着时间的增长,油品容易氧化、挥发,油斑试验结果经过1-2个月的保存后通常只能丢弃。本发明中图像能够长期保存。
(4)可用于发动机润滑油的研制工作中。近年来科研院校均大力开展发动机润滑油的研制工作,该方法也可用于测定研制机油的清净分散性。
附图说明
图1是本发明的方法的流程图。
以下结合附图和实施例对本发明作进一步的详细说明。
具体实施方式
如图1所示,本发明的发动机机油清净分散性测定方法,具体包括以下步骤:
步骤1:将待测的发动机油样滴一滴在滤纸上,静置2-3小时得到油斑,在该油斑上手工勾勒出扩散环和油环。
步骤2:用照相机采集油斑的灰度图像,并将油斑的灰度图像f输入计算机,油斑的灰度图像f大小为M×N,f(x,y)表示像素(x,y)的灰度值,1≤x≤M,1≤y≤N,x和y均为整数。
步骤3:利用式1对灰度图像的各像素点的灰度值f(x,y)进行计算,得到扩散环和油环的边界图B;
(式1)
其中,T为阈值,对于0-255的灰度图像,T取5-25之间的整数;B(x,y)表示像素(x,y)的边界标示值,B(x,y)=1表示像素(x,y)为边界点,B(x,y)=0表示像素(x,y)为非边界点。
步骤4:获得扩散环和油环的标记图L。具体操作如下:
首先,采用8-连通标记边界图B中B(x,y)=1的连通区域,得到标记值分别为1和2的两个连通区域,即边界图B中两个8连通区域的像素值分别为B(x,y)=1和B(x,y)=2;其次,计算边界图B中被标记的B(x,y)=1和B(x,y)=2两个连通区域的像素点数目;再次,将像素点数目多的连通区域标记为扩散环区,并记录扩散环区连通区域的像素值为c,即B(x,y)=c,c为1或2;将像素点数目少的连通区域标记为油环区,并记录油环区连通区域的像素值为r,即B(x,y)=r,r为1或2且r≠c;将B(x,y)=0的区域标记为背景区,背景区连通区域的像素值为0,即B(x,y)=0;最后,利用式5获得扩散环和油环的标记图L:
式中,L(x,y)表示标记图L中像素点(x,y)的标记值。
步骤5:计算扩散环区的面积和油环区的面积。
油环区的面积Sy的计算:从首行开始,从左到右扫描标记图L的所有行,记第x行中像素值L(x,y)=1的像素点的最左列和最右列的列坐标值(即列号)分别为Pxl和Pxr,油环区的面积Sy的计算公式如下:
假定图像列宽N=10,以第一行为例说明Pxl和Pxr的计算过程为:第1行的像素值如表1所示,则像素值为1的像素点的最左列的列坐标值为3,最右列的像素点的列坐标值为9,因此P1l=3,P1r=9。
表1标记图L中第1行的像素值
y | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
L(1,y) | 0 | 0 | 1 | 1 | 0 | 0 | 2 | 2 | 1 | 0 |
扩散环区的面积Sk的计算:从首行开始,从左到右扫描标记图L中的所有行,记第x行中像素值L(x,y)=2的像素点的最左列和最右列的列坐标值(即列号)分别为qxl和qxr,扩散环区的面积Sk的计算公式如下:
式中,M为油斑的灰度图像f中像素点的行数。
步骤6:利用下式计算油品清净分散性系数:
式中,K表示清净分散性系数,Dk和Dy分别表示扩散环和油环的直径,由(式4)可知,清净分散性系数等于扩散环区面积和油环区面积之比开平方根。
由本发明得到的清净分散性系数可快速判定发动机机油的品质,清净分散性系数越大,说明发动机机油品质较好;清净分散性系数越小,则说明发动机机油的品质低劣。
实施例1:
以下是发明人给出的优选的实施例,需要说明的是,以下实施例仅仅是本发明技术方案实施的一种优选的方式,本发明的保护范围不仅仅局限于该实施例。
参照图1,本实施例的发动机机油清净分散性测定方法,具体包括以下步骤:
步骤S1:用金属或玻璃棒把刚从发动机内取出的油样滴一滴在滤纸上,滤纸采用直径为9cm的双圈牌中速定量滤纸。
步骤S2:静置3个小时后得到油斑,在该油斑上手工用黑色细碳素笔描出扩散环和油环。
步骤S3:用照相机采集油斑的灰度图像,并将油斑的灰度图像输入计算机,该油斑的灰度图像大小分别为1636×1692,即M=1636和N=1692。
步骤S4:检测扩散环和油环的边界图B。用B(x,y)表示像素(x,y)的边界标示值,即B(x,y)=1表示像素(x,y)为边界点,B(x,y)=0表示像素(x,y)为非边界点。
(式1)
其中,阈值T=15。
步骤S5:获得扩散环和油环的标记图L。
首先,采用8-连通标记边界图B中B(x,y)=1的连通区域,得到标记值分别为1和2的两个连通区域,即边界图B中两个8连通区域的像素值分别为B(x,y)=1和B(x,y)=2;其次,计算边界图B中被标记的B(x,y)=1和B(x,y)=2两个连通区域的像素点数目;再次,将像素点数目多的连通区域标记为扩散环区,并记录扩散环区连通区域的像素值为c,即B(x,y)=c,c为1或2;将像素点数目少的连通区域标记为油环区,并记录油环区连通区域的像素值为r,即B(x,y)=r,r为1或2且r≠c;将B(x,y)=0的区域标记为背景区,背景区连通区域的像素值为0,即B(x,y)=0;最后,利用式5获得扩散环和油环的标记图L:
式中,L(x,y)表示标记图L中像素点(x,y)的标记值。
步骤S6:计算扩散环区和油环区面积。用Sy和Sk分别表示油环区和扩散环区的面积。
油环区的面积Sy的计算为:从首行开始,从左到右扫描标记图L中的所有行,记第x行中像素值L(x,y)=1的像素的最左和最右列的列坐标值为Pxl和Pxr,则扩散环区的面积为:
扩散环区的面积Sk的计算为:从首行开始,从左到右扫描标记图L中的所有行,记第x行中像素值L(x,y)=2的像素的最左和最右列的列坐标值为qxl和qxr,则扩散环区的面积为:
式中,M为油斑的灰度图像f中像素点的行数。
步骤S7:油品清净性判定。用K表示清净分散性系数,Dk和Dy分别表示扩散环和油环的直径,由式4可知,清净分散性系数等于扩散环区面积和油环区面积之比开平方根。表2为本实施例得到的油斑数据。
由清净分散性系数可快速判定发动机机油的品质,清净分散性系数越大,说明发动机机油品质较好;清净分散性系数越小,则说明发动机机油的品质低劣。
表2实施例1测定的油斑的数据
为了说明本发明的效果,发明人从运行时间和测定精度两方面,将本发明实施例1和传统的人工直尺法作对比,表2为本发明的实施例1的测定结果,表3为人工直尺法测定的结果,对比如下:
(1)运行时间。以每个油斑图样测定六次为例,从列表格——记录数据——计算,普通人工直尺测量法大致需要大约为8分钟,当然人工测定时间会随着实验测定组数的增加而增加。本实施例在Intel cpu2.4GHz,1GB的内存的计算机中,利用matlab软件进行仿真,对采集到的1636×1692的油斑图像进行清净分散性测定,所用的时间为1.23S,速度提高了近400倍,可大大节约时间。
(2)测定精度。一方面,人工测定法所用的直尺的最小刻度为1mm,以计算机采集的图像大小1636×1692为例,1个像素点测量精度为0.035mm,比直尺的最小1mm提高25倍多。另一方面,分别用人工直尺法和本实施例对油斑样本进行清净分散性测量,其结果如表1所示,由表中测定的数据可知,人工直尺法每次测定的数据均有较大的偏差,这是因为实际中油斑样本并非标准圆,而本技术方案通过扩散环和油环面积来计算清净分散性,其测量结果精度非常高,这也充分说明本发明的技术方案是有效的。
表3利用人工测定的某一个油斑的数据
Claims (2)
1.一种发动机机油清净分散性测定方法,其特征在于,具体包括以下步骤:
步骤1:将待测的发动机油样滴在滤纸上得到油斑,在该油斑上手工勾勒出扩散环和油环;
步骤2:采集油斑的灰度图像f后将其输入计算机,油斑的灰度图像f大小为M×N,f(x,y)表示像素(x,y)的灰度值,1≤x≤M,1≤y≤N,x和y均为整数,M为油斑的灰度图像f中的像素点的行数,N为油斑的灰度图像f中的像素点的列数;
步骤3:利用式1对灰度图像的各像素点的灰度值f(x,y)进行计算,得到扩散环和油环的边界图B;
其中,T为阈值,对于0-255的灰度图像,T取5-25之间的整数;B(x,y)表示像素(x,y)的边界标示值,B(x,y)=1表示像素(x,y)为边界点,B(x,y)=0表示像素(x,y)为非边界点;
步骤4:获得扩散环和油环的标记图L;具体步骤如下:
首先,采用8-连通标记边界图B中B(x,y)=1的连通区域,得到标记值分别为1和2的两个连通区域,即边界图B中两个8连通区域的像素值分别为B(x,y)=1和B(x,y)=2;其次,计算边界图B中被标记的B(x,y)=1和B(x,y)=2两个连通区域的像素点数目;再次,将像素点数目多的连通区域标记为扩散环区,并记录扩散环区连通区域的像素值为c,即B(x,y)=c,c为1或2;将像素点数目少的连通区域标记为油环区,并记录油环区连通区域的像素值为r,即B(x,y)=r,r为1或2且r≠c;将B(x,y)=0的区域标记为背景区,背景区连通区域的像素值为0,即B(x,y)=0;最后,利用式5获得扩散环和油环的标记图L:
式中,L(x,y)表示标记图L中像素点(x,y)的标记值;
步骤5:计算扩散环区的面积Sk和油环区的面积Sy;
步骤6:利用下式计算油品清净分散性系数:
式中,K表示清净分散性系数;Dk和Dy分别表示扩散环和油环的直径;Sk表示扩散环区的面积;Sy表示油环区的面积;
所述步骤5按照如下步骤执行:
油环区的面积Sy的计算:从首行开始,从左到右扫描标记图L的所有行,记第x行中像素值L(x,y)=1的像素点的最左列和最右列的列坐标值分别为Pxl和Pxr,油环区的面积Sy的计算公式如下:
扩散环区的面积Sk的计算:从首行开始,从左到右扫描标记图L中的所有行,记第x行中像素值L(x,y)=2的像素点的最左列和最右列的列坐标值分别为qxl和qxr,扩散环区的面积Sk的计算公式如下:
式中,M为油斑的灰度图像f中像素点的行数。
2.如权利要求1所述的发动机机油清净分散性测定方法,其特征在于,所述步骤3中的阈值T=15。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310425995.1A CN103472070B (zh) | 2013-09-17 | 2013-09-17 | 发动机机油清净分散性测定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310425995.1A CN103472070B (zh) | 2013-09-17 | 2013-09-17 | 发动机机油清净分散性测定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103472070A CN103472070A (zh) | 2013-12-25 |
CN103472070B true CN103472070B (zh) | 2017-01-25 |
Family
ID=49797009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310425995.1A Expired - Fee Related CN103472070B (zh) | 2013-09-17 | 2013-09-17 | 发动机机油清净分散性测定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103472070B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103760172A (zh) * | 2014-02-11 | 2014-04-30 | 北京科技大学 | 一种铜材表面清洁度的定量表征方法 |
CN104865256B (zh) * | 2015-04-01 | 2017-08-25 | 长安大学 | 一种多源信息融合的汽车机油清净分散性定量测定方法 |
CN106442341B (zh) * | 2016-09-19 | 2018-11-20 | 武汉材料保护研究所 | 一种基于斑点试验的汽油发动机润滑油氧化安定性测定方法 |
CN112798475A (zh) * | 2020-12-22 | 2021-05-14 | 西安科技大学 | 一种岩土体中注浆浆液扩散面积的监测方法、系统及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196510B (zh) * | 2007-12-25 | 2012-07-25 | 深圳市亚泰光电技术有限公司 | 一种检测润滑油污染程度的方法及装置 |
JP5284767B2 (ja) * | 2008-12-03 | 2013-09-11 | 東海旅客鉄道株式会社 | 車両台車油量検査システム |
-
2013
- 2013-09-17 CN CN201310425995.1A patent/CN103472070B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103472070A (zh) | 2013-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103472070B (zh) | 发动机机油清净分散性测定方法 | |
CN108257114A (zh) | 一种基于深度学习的输电设备缺陷自动识别方法 | |
CN109918364B (zh) | 一种基于二维概率密度估计和四分位法的数据清洗方法 | |
CN105224960A (zh) | 基于聚类算法的玉米种子高光谱图像分类识别模型更新方法 | |
CN103697929B (zh) | 仪表指针运动状态的检测方法 | |
CN110909738A (zh) | 一种基于关键点检测的指针仪表自动读数方法 | |
CN106920013A (zh) | 一种地面气温观测资料的质量控制方法 | |
CN102411339A (zh) | 一种数控装备性能可靠性评估方法 | |
CN112395932A (zh) | 一种金属材料中显微组织全视场定量统计分布表征方法 | |
CN103902798B (zh) | 数据预处理方法 | |
CN114061957A (zh) | 一种柴油机主轴承的健康评估方法 | |
CN105116301B (zh) | 一种基于动态统计的数据辅助判断方法 | |
Xu et al. | Water level estimation based on image of staff gauge in smart city | |
CN108764264A (zh) | 烟雾检测方法、烟雾检测系统及计算机装置 | |
CN111310466A (zh) | 一种基于关键词库的特定维度景区满意度衡量方法及系统 | |
CN101807014A (zh) | 一种测量机器视觉系统对准精度的方法 | |
CN103063674A (zh) | 一种铜块的铜品位检测方法及其检测系统 | |
CN107071802B (zh) | 一种手机app定位异常数据检测方法及其装置 | |
CN108304610B (zh) | 一种大气高污染过程动态追踪方法 | |
CN113610436B (zh) | 一种承灾体动态脆弱性评估方法及系统 | |
CN106841575A (zh) | 一种四球摩擦试验磨斑图像磨痕方向自动定位方法 | |
CN114001887B (zh) | 一种基于挠度监测的桥梁损伤评定方法 | |
CN116310842A (zh) | 基于遥感图像的土壤盐碱区域识别划分方法 | |
CN109614758A (zh) | 具有空间相关性的圆形形状误差的监控方法 | |
CN103472063B (zh) | 一种基于图像处理的发动机润滑油清净分散性测定方法 |
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: 20170125 Termination date: 20170917 |