CN115880284B - 一种用于润滑油磨粒均匀度的检测方法及系统 - Google Patents
一种用于润滑油磨粒均匀度的检测方法及系统 Download PDFInfo
- Publication number
- CN115880284B CN115880284B CN202310064665.8A CN202310064665A CN115880284B CN 115880284 B CN115880284 B CN 115880284B CN 202310064665 A CN202310064665 A CN 202310064665A CN 115880284 B CN115880284 B CN 115880284B
- Authority
- CN
- China
- Prior art keywords
- gray
- abrasive particle
- abrasive
- value
- obtaining
- 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.)
- Active
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种用于润滑油磨粒均匀度的检测方法及系统。该方法通过获得流动润滑油的磨粒灰度图像,得到磨粒灰度图像中的磨粒待测区;通过对磨粒待测区中的正态分布符合度和灰度值差异变化程度进行分析获得磨粒灰度正态分布特征值;通过对磨粒待测区中的表面纹理特征和磨粒相对面积进行分析获得磨粒表面光洁度;根据磨粒灰度正态分布特征值和磨粒相对面积获得正常磨损磨粒显著度;通过正常磨损磨粒显著度识别出磨粒待测区对应的磨粒类别,根据磨粒类别获得润滑油磨粒均匀度情况。本发明通过图像处理,使对润滑油磨粒均匀度情况的判断更准确,实现了更好地对机械部件的磨损检测。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种用于润滑油磨粒均匀度的检测方法及系统。
背景技术
磨损是机器部件间表面接触的必然结果,如轴、轴承、齿轮、和轴衬等,即使在很好润滑的系统中也是不可避免的。设备的寿命预期、安全因素、性能等级和维修推荐是基于正常发生的磨损预测的,然而,设计的复杂性、大小尺寸、复杂的装配结构、以及运行条件和环境的变化等因素使得维修或修理的需求在不停机的情况下难以评价或发觉。由于现代设备系统的高速、集成化和自动化特征,任何停机行为都会导致生产停止,使检测维修的代价较高,因此,非中断性诊断技术诸如油液光谱分析、振动分析、电动机电流分析,和铁谱分析越来越多地应用于动力过程、半导体和制造业。机器的设计者和制造者越来越多地使用磨损分析作为一个现实的标准来改善诸如压缩机、齿轮、轴承和透平部件这些产品。对机械的油液中的磨粒进行分析是判断机器设备的摩擦学状态的有效检测和诊断手段。根据检测原理和收集磨粒方法的不同,在线磨粒监测传感器主要分为电磁型、导电型、光电型和超声波型4种类型。
正常的磨损磨粒在润滑油中的存在并不会导致机械的异常磨损,所以仅仅获取磨粒的大小和数量并不足够判断机械部件的磨损情况。而铁谱技术克服了上述的缺点,既能检测磨粒大小又可以判断磨粒类型,但铁谱技术中铁谱片的制备过程繁琐,无法嵌入到润滑油系统中实现磨粒的在线监测。而在现有检测方法中主要基于图像中磨粒的形状和数量分布对磨粒类型进行识别,没有综合考虑到正常磨损磨粒与其他磨粒在灰度分布特征和表面光滑程度上的显著差异,使识别的效果不够精确,进而对润滑油磨粒均匀度的判断情况不够准确,不能很好的完成对机械部件的磨损检测。
发明内容
为了解决现有技术中主要基于图像中润滑油磨粒的形状和数量分布对磨粒类型进行识别,没有综合考虑到正常磨损磨粒与其他磨粒在灰度分布特征和表面光滑程度上的显著差异,使识别的效果不够精确的技术问题,本发明的目的在于提供一种用于润滑油磨粒均匀度的检测方法及系统,所采用的技术方案具体如下:
本发明提供了一种用于润滑油磨粒均匀度的检测方法,所述方法包括:
获得流动润滑油的磨粒灰度图像,根据磨粒灰度图像中的磨粒边缘获得磨粒待测区;
根据每个磨粒待测区的灰度分布特征获得正态分布符合度;对磨粒待测区进行灰度分布均匀化,根据磨粒待测区通过灰度分布均匀化前后的灰度差异获得灰度值差异变化程度;根据磨粒待测区的正态分布符合度和灰度值差异变化程度获得磨粒灰度正态分布特征值;
根据磨粒待测区中每个像素点在预设第一邻域范围内的灰度值,获得灰度信息特征,根据灰度信息特征获得每个像素点的表面纹理特征值;根据磨粒待测区中像素点的数量获得磨粒相对面积;根据表面纹理特征值和磨粒相对面积获得磨粒表面光洁度;
根据磨粒灰度正态分布特征值和磨粒表面光洁度获得正常磨损磨粒显著度,通过正常磨损磨粒显著度识别出磨粒待测区对应的磨粒类别,根据磨粒类别获得润滑油磨粒均匀度情况。
进一步地,所述根据每个磨粒待测区的灰度分布特征获得正态分布符合度包括:
获取磨粒待测区域对应的灰度分布直方图,根据磨粒待测区中灰度值的分布情况获得QQPlot图;对QQPlot图中的点进行直线拟合,获得拟合优度和拟合倾斜角;根据QQPlot图中分位点的实际值与期望值的差异获得异常点,统计异常点数量;获得由拟合优度、拟合倾斜角和异常点数量组成的灰度分布特征;
获得灰度分布特征中拟合倾斜角与预设的角度阈值的角度差值绝对值,获得角度差值绝对值和异常点数量的差异乘积,将拟合优度与差异乘积的比值作为正态分布符合度。
进一步地,所述灰度值差异变化程度的获取包括:
对磨粒待测区的灰度分布直方图进行直方图均衡化处理获得灰度分布均匀化后的像素点灰度值,将磨粒待测区中每个像素点的灰度值与对应灰度分布均匀化后的像素点灰度值的差值绝对值作为灰度差异;获得灰度差异的最大值和最小值;
获得磨粒待测区中灰度差异的差异均值,获得灰度差异的最大值与最小值的差异差值,将差异均值和差异差值的乘积作为磨粒待测区的灰度值差异变化程度。
进一步地,所述磨粒灰度正态分布特征值的获取包括:
对灰度值差异变化程度进行负相关映射并归一化处理,将负相关映射并归一化处理后的灰度值差异变化程度与正态分布符合度相乘,获得磨粒灰度正态分布特征值。
进一步地,所述根据灰度信息特征获得每个像素点的表面纹理特征值包括:
获得磨粒待测区中每个像素点对应的预设第一邻域范围内像素点的灰度最大值、灰度最小值和灰度标准差;根据每个像素点的预设第一邻域范围内像素点的灰度值进行聚类,若得到至少一个聚类簇,则统计包含像素点最多的聚类簇中的像素点数量,获得邻域灰度值均衡度;若没有得到聚类簇,则将预设的数量系数作为邻域灰度值均衡度;获得由灰度最大值、灰度最小值、灰度标准差和邻域灰度值均衡度组成的灰度信息特征;
获得灰度信息特征中的灰度最大值与灰度最小值的灰度差值,获得灰度差值和灰度标准差的灰度乘积,将邻域灰度值均衡度与灰度乘积的比值作为每个像素点的表面纹理特征值。
进一步地,所述磨粒表面光洁度的获取包括:
获得磨粒待测区中像素点的表面纹理特征值均值,将表面纹理特征值均值与负相关的磨粒相对面积相乘,获得磨粒表面光洁度。
进一步地,所述正常磨损磨粒显著度的获取包括:
将磨粒灰度正态分布特征值和磨粒表面光洁度进行加权求和,获得正常磨损磨粒显著度。
进一步地,所述磨粒待测区的获取包括:
对磨粒灰度图像采用canny边缘检测算子获得磨粒边缘,将由磨粒边缘组成的闭合区域作为一个磨粒待测区,若闭合区域内部存在另一个闭合区域,则只将外部的闭合区域作为一个磨粒待测区;若存在两个相邻的闭合区域,则将两个相邻的闭合区域作为一个磨粒待测区。
进一步地,所述根据磨粒类别获得润滑油磨粒均匀度情况包括:
当磨粒待测区对应的正常磨损磨粒显著度大于等于预设的第一类磨粒阈值时,将磨粒待测区对应的磨粒作为一类磨粒;当磨粒待测区对应的正常磨损磨粒显著度小于预设的第一类磨粒阈值时,将磨粒待测区对应的磨粒作为二类磨粒;对所有流动润滑油的磨粒灰度图像中的磨粒待测区进行识别,统计一类磨粒和二类磨粒的数量;
当二类磨粒的数量大于等于预设的磨粒数量阈值时,或二类磨粒数量和一类磨粒数量的比值大于预设的异常磨损磨粒阈值时,则判定润滑油磨粒均匀度异常。
本发明提供了一种用于润滑油磨粒均匀度的检测系统,包括存储器和处理器,所述处理器执行所述存储器存储的计算机程序,以实现如上述的一种用于润滑油磨粒均匀度的检测方法。
本发明具有如下有益效果:
在本发明实施例中,对磨粒待测区首先进行灰度分布情况的分析,主要检测灰度分布是否为正态分布,因为正常磨损磨粒的灰度分布呈正态分布且灰度分布均匀化前后像素点对应的灰度值变化较小,而异常磨损磨粒的灰度分布无明显正态分布特征,由于其灰度分布范围较为狭窄,灰度分布均匀化前后像素点对应的灰度值变化较大,所以根据灰度分布均匀化前后的灰度值差异变化程度与正态分布符合度可以得到磨粒灰度正态分布特征值来衡量每个磨粒待测区内灰度分布特征;其次考虑到正常磨损磨粒是剪切混合层部分脱落产生的磨粒,通常颗粒较小,表面光滑;而其余异常磨损磨粒表面通常含有明显纹理,相对正常磨损颗粒较大,因此对磨粒待测区的表面纹理特征值和磨粒的相对面积综合计算获得磨粒表面光洁度,最终通过磨粒灰度正态分布特征值和磨粒表面光洁度得到正常磨损磨粒显著度,该正常磨损磨粒显著度可以更精确地识别出正常磨损磨粒,进一步准确判断润滑油磨粒的均匀度情况,实现更好的对机械部件的磨损检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种用于润滑油磨粒均匀度的检测方法流程图;
图2为本发明一个实施例所提供的一种正常磨损磨粒示意图;
图3为本发明一个实施例所提供的一种疲劳剥落磨损磨粒示意图;
图4为本发明一个实施例所提供的一种黑色氧化磨损磨粒示意图;
图5为本发明一个实施例所提供的一种切削磨损磨粒示意图;
图6为本发明一个实施例所提供的一种层状磨损磨粒示意图;
图7为本发明一个实施例所提供的一种摩擦聚合物示意图;
图8为本发明一个实施例所提供的图像增强后的磨粒灰度图像示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于润滑油磨粒均匀度的检测方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于润滑油磨粒均匀度的检测方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于润滑油磨粒均匀度的检测方法流程图,该方法包括:
步骤S1:获得流动润滑油的磨粒灰度图像,根据磨粒灰度图像中的磨粒边缘获得磨粒待测区。
本发明实施例通过获取油池中的润滑油的显微图像,对润滑油中的磨粒进行检测,滤除正常损伤磨粒,识别出能够反映机械异常损伤的磨粒,实现对机械部件的磨损检测。对于润滑油的磨粒来说,磨粒是引起磨料磨损的硬颗粒,具有较多种类,如正常磨损磨粒、切削磨损磨粒和疲劳剥落磨损磨粒等。其中,正常磨损磨粒是正常磨损的结果,在机械工作中不可避免,所以出现在润滑油中也不可避免。但切削磨损磨粒和疲劳剥落磨损磨粒等磨粒的出现往往预示着该机械部件出现故障,所以需要及时进行识别,防止因部件故障导致机器损坏。
不同的故障对应产生的磨粒类型并不相同,其特征也有所差别,请参阅图2,其示出了本发明实施例中一种正常磨损磨粒示意图;请参阅图3,其示出了本发明实施例中一种疲劳剥落磨损磨粒示意图;请参阅图4,其示出了本发明实施例中一种黑色氧化磨损磨粒示意图;请参阅图5,其示出了本发明实施例中一种切削磨损磨粒示意图;请参阅图6,其示出了本发明实施例中一种层状磨损磨粒示意图;请参阅图7,其示出了本发明实施例中一种摩擦聚合物示意图;根据图2至图7可知,正常磨损磨粒的表面光滑且颗粒较小,而其余不同类型的磨粒虽然产生的原因不同,但颗粒均较大,其表面根据产生原因不同分布了不同的特征纹理,可以得到正常磨损磨粒与其余异常磨损磨粒的外形特征差异。而对于不同类型的磨粒,由于其产生的原因不同,灰度分布特征也不相同。正常磨损磨粒的灰度分布呈正态分布且灰度分布均匀化前后像素点对应的灰度值变化较小;而切削磨损磨粒和疲劳剥落磨损磨粒等预示异常磨损出现的磨粒其灰度分布无明显正态分布特征,由于其灰度分布范围较为狭窄,灰度分布均匀化前后像素点对应的灰度值变化也较大。
针对上述正常磨损磨粒与异常磨损磨粒的区别特征对润滑油进行分析,因此获得流动润滑油的磨粒灰度图像,根据磨粒灰度图像中的磨粒边缘获得磨粒待测区,具体包括:
在本发明实施例中,将待检测的润滑油放入芯片通道中,使润滑油在通道内缓缓流动,为了保证图像效果,在芯片下部设置透射光源进行补光;使用CCD相机获取显微镜的物镜镜头下的油池内包含磨粒的润滑油图像,记为磨粒图像,磨粒图像为RGB图像,磨粒图像通过灰度变换转化为灰度图像。需要说明的是,磨粒图像的获取和灰度转换为本领域技术人员熟知的技术手段,在此不做赘述。
为了减少图像中由于区域过小而没有分析价值的磨粒的影响,使具有分析价值的磨粒边界轮廓更加清晰,提高灰度图像的质量,在本发明实施例中,使用高斯滤波与灰度图像进行卷积,对灰度图像进行去噪,提高了灰度图像的精度;对去噪后的灰度图像使用imadjust函数调节灰度,将所有像素值中最低的1%和最高的1%进行饱和处理,提高了灰度图像的对比度,完成对灰度图像的图像增强。需要说明的是,使用高斯滤波卷积去噪和imadjust函数调节为本领域技术人员熟知的技术手段,在此不做赘述。请参阅图8,其示出了本发明实施例中图像增强后的磨粒灰度图像示意图,将如图8所示的完成图像增强后的磨粒灰度图像作为后续分析的磨粒灰度图像。
优选的,对磨粒灰度图像采用canny边缘检测算子获得磨粒边缘,将每个闭合边缘包含的像素点组成一个闭合区域,记为磨粒待测区,若某闭合边缘在其他闭合边缘内部,则将由外圈的闭合边缘组成的区域作为磨粒待测区,以避免重复分析;若存在两个相邻的闭合区域,则将两个相邻的闭合区域作为一个磨粒待测区,以保证单个磨粒区域不会因为表面纹理特征被划分为多个磨粒区域分别分析,提高了识别的准确度。
至此,获得了流动润滑油图像中的所有待测磨粒区,以便后续分析。
步骤S2:根据每个磨粒待测区的灰度分布特征获得正态分布符合度;对磨粒待测区进行灰度分布均匀化,根据磨粒待测区通过灰度分布均匀化前后的灰度差异获得灰度值差异变化程度;根据磨粒待测区的正态分布符合度和灰度值差异变化程度获得磨粒灰度正态分布特征值。
根据步骤S1中所述,正常磨损磨粒与异常磨损磨粒之间的灰度分布特征主要特点在于:正常磨损磨粒的灰度分布呈正态分布,而异常磨损磨粒的灰度分布没有明显的正态分布特征,同时对磨粒待测区进行灰度分布均匀化后,正常磨损磨粒的灰度值变化是较小的,而异常磨损磨粒的灰度值变化是较大的。因此根据这两个灰度分布特征对磨粒待测区进行分析。
第一,对正态分布情况进行分析,根据每个磨粒待测区的灰度分布特征获得正态分布符合度,具体包括:
获取磨粒待测区对应的灰度分布直方图,根据磨粒待测区中灰度值的分布情况获得QQPlot图,当磨粒待测区对应的灰度分布符合正态分布时,QQPlot图中的点呈倾斜角为45°的直线分布,即直线斜率为1。需要说明的是,QQPlot图为本领域技术人员熟知的技术手段,在此不做赘述。
在本发明实施例中,对QQPlot图中的点采用最小二乘法对直线进行拟合,得到拟合优度和拟合后直线的倾斜角。拟合优度是对QQPlot图中灰度值的拟合程度进行判断,而拟合倾斜角是对灰度分布是否呈正态分布进行判断。
由于拟合优度是对灰度值分布的整体情况进行的判断,对少数异常点的关注度较小。但在QQPlot图中点的总数量较多,当这些点中存在少数不在同一条直线上的异常点时,只根据拟合优度进行判断容易忽视这种情况的影响,所以额外对异常点进行统计。需要说明的是,最小二乘法为本领域技术人员熟知的技术手段,在此不做赘述。
根据QQPlot图中分位点的实际值与期望值的差值绝对值获得异常差异,当异常差异大于等于预设的差异阈值时,则认为该点为异常点,统计异常点数量,在本发明实施例中,预设的差异阈值为1。
将上述过程中获得的拟合优度、拟合倾斜角和异常点数量组成灰度分布特征,根据灰度分布特征获得正态分布符合度,具体包括:
获得灰度分布特征中拟合倾斜角与预设的角度阈值的角度差值绝对值,获得角度差值绝对值和异常点数量的差异乘积,将拟合优度与差异乘积的比值作为正态分布符合度,在本发明实施例中,考虑到后续数值计算的准确性,正态分布符合度为:
式中,表示为该磨粒待测区的正态分布符合度,表示为拟合优度,表示为拟合倾斜角,表示为异常点数量,表示为预设的角度阈值,表示为防止分母为零导致公式无意义的常数系数,在本发明实施例中,预设的角度阈值为45°,常数系数为1。表示为角度差值绝对值。
当拟合优度越大时,说明该直线拟合程度越好,对正态分布的判断越好,因此正态分布符合度会越大;当角度差值绝对值越大,说明该拟合直线的与呈正态分布的直线差异越大,则正态分布符合度就会越小;当异常点数量越多时,说明灰度值分布情况越混乱,越不可能为正态分布,则正态分布符合度会越小。
第二,对灰度分布均匀化前后的像素点灰度值进行分析,对磨粒待测区进行灰度分布均匀化,根据磨粒待测区通过灰度分布均匀化前后的灰度差异获得灰度值差异变化程度,具体包括:
在磨粒灰度图像中,将每个像素点标记对应的坐标。对磨粒待测区的灰度分布直方图进行直方图均衡化处理获得灰度分布均匀化后的像素点灰度值,将磨粒待测区中每个像素点的灰度值与对应灰度分布均匀化后的像素点灰度值的差值绝对值作为灰度差异。需要说明的是,直方图均衡化为本领域技术人员熟知的技术手段,在此不做赘述。
获得磨粒待测区中灰度差异的差异均值,获得灰度差异的最大值与最小值的差异差值,将差异均值和差异差值的乘积作为磨粒待测区的灰度值差异变化程度,在本发明实施例中,考虑到后续数值计算的准确性,灰度值差异变化程度为:
式中,表示为灰度值差异变化程度,表示为磨粒待测区中的像素点总数量,表示为磨粒待测区中像素点的坐标,为磨粒待测区中所有像素点的集合,表示为磨粒待测区中坐标为像素点的灰度值,表示为磨粒待测区中坐标为像素点灰度分布均匀化后的灰度值,表示为灰度差异的最大值,表示为灰度差异的最小值,表示为灰度差异,表示为灰度差异的最大值与最小值的差异差值,表示为磨粒待测区中灰度差异的差异均值。
当磨粒待测区中灰度差异的差异均值越大,说明灰度分布均匀化后的灰度值变化更剧烈,则灰度值差异变化程度越大,当灰度差异的最大值与最小值差值越大,说明整体灰度分布均匀化后的灰度值变化范围越大,则说明灰度值差异变化程度越大。
通过第一和第二两个过程,对磨粒待测区的两个灰度分布情况进行分析,可以综合两个特征值实现对磨粒待测区整体的灰度分布情况进行分析,根据磨粒待测区的正态分布符合度和灰度值差异变化程度获得磨粒灰度正态分布特征值。
由于灰度值差异变化程度越大,磨粒待测区对应的磨粒越不可能为正常磨损磨粒,因此灰度值差异变化程度与磨粒灰度正态分布特征值呈负相关,对灰度值差异变化程度进行负相关映射并归一化处理,将负相关映射并归一化处理后的灰度值差异变化程度与正态分布符合度相乘,获得磨粒灰度正态分布特征值,在本发明实施例中,为了后续计算的便捷性,磨粒灰度正态分布特征值为:
式中,表示为磨粒灰度正态分布特征值,表示为正态分布符合度,表示为灰度值差异变化程度,表示为以自然常数为底的指数函数,在本公式中为了对灰度值差异变化程度进行归一化操作。
当正态分布符合度越大,灰度值差异变化程度越小时,磨粒灰度正态分布特征值越大,磨粒待测区对应的磨粒越可能为正常磨损磨粒。
步骤S3:根据磨粒待测区中每个像素点在预设第一邻域范围内的灰度值,获得灰度信息特征,根据灰度信息特征获得每个像素点的表面纹理特征值;根据磨粒待测区中像素点的数量获得磨粒相对面积;根据表面纹理特征值和磨粒相对面积获得磨粒表面光洁度。
根据S1中对磨粒的外形特征的差异进行分析,在润滑油中,正常磨损磨粒是剪切混合层部分脱落产生的磨粒,通常较小,表面光滑几乎无可见纹理。而其余异常磨损磨粒表面通常含有明显纹理,相对正常磨损磨粒的颗粒较大,例如:切削磨损磨粒为相对坚硬的部件的位置不对或出现断裂,导致锐利的边缘刺入较软的表面或其他部件的碎片颗粒从较软的表面突出并刺入另一个磨损表面产生,所以表面粗糙,同一区域内灰度值分布跨度较大且数值较为杂乱,磨粒颗粒较大,通常为丝状或环状。因此,在外形特征差异分析时,考虑磨粒的表面纹理特征值和磨粒相对面积两个方面。
第一,对磨粒的表面纹理特征值进行分析,根据磨粒待测区中每个像素点在预设第一邻域范围内的灰度值,获得灰度信息特征,根据灰度信息特征获得每个像素点的表面纹理特征值,具体包括:
在本发明实施例中,预设第一邻域范围具体为在磨粒待测区中以每个像素点作为中心点,建立的大小为5*5的窗口,即在每个窗口中存在的25个像素点属于第一邻域范围。获得磨粒待测区中每个像素点对应的第一邻域范围内像素点的灰度最大值、灰度最小值和灰度标准差。
根据第一邻域范围内像素点的灰度值进行聚类,若得到至少一个聚类簇,则统计包含像素点数量最多的聚类簇中的像素点数量,获得邻域灰度值均衡度;若没有得到聚类簇,则将预设的数量系数作为邻域灰度值均衡度,在本发明实施例中,对第一邻域范围内像素点采用DBSCAN聚类算法,以各像素点灰度值差异5为半径,4为最少数目进行聚类获得聚类簇,预设的数量系数为1。
将上述过程中获得的灰度最大值、灰度最小值、灰度标准差和邻域灰度值均衡度组成的灰度信息特征,根据灰度信息特征获得每个像素点的表面纹理特征值,具体包括:
获得灰度信息特征中的灰度最大值与灰度最小值的灰度差值,获得灰度差值和灰度标准差的灰度乘积,将邻域灰度值均衡度与灰度乘积的比值作为每个像素点的表面纹理特征值,在本发明实施例中,考虑到后续数值计算的准确性,表面纹理特征值为:
式中,表示为磨粒待测区中坐标为像素点对应的表面纹理特征值,表示为磨粒待测区中坐标为像素点对应的第一邻域范围内像素点的灰度最大值,表示为磨粒待测区中坐标为像素点对应的第一邻域范围内像素点的灰度最小值,表示为磨粒待测区中坐标为像素点对应的第一邻域范围内像素点的灰度标准差,表示为邻域灰度值均衡度,表示为灰度最大值与灰度最小值的灰度差值,表示为灰度乘积。
对于每个像素点对周围灰度值进行分析,当灰度最大值和灰度最小值的差异越小,灰度标准差越小,邻域灰度值均衡度越大,越说明每个像素点周围的灰度值分布越均匀,其表面纹理特征值越大,表面越光滑,磨粒待测区对应的磨粒越可能为正常磨损磨粒。
第二,对磨粒相对面积进行分析,根据磨粒待测区中像素点的数量获得磨粒相对面积,具体包括:
在本发明实施例中,获得正常磨损磨粒在该放大倍数的显微镜下的图像,对图像中对应的正常磨损磨粒区域内包含的像素点个数取均值,得到平均磨粒数目,取值为800,可以根据具体实施过程进行具体设置。将磨粒待测区中的像素点数量与平均磨粒数目的比值作为磨粒相对面积。
通过第一和第二两个过程,对磨粒待测区的两个磨粒的外形情况进行分析,可以综合两个特征值实现对磨粒待测区整体的外形情况进行分析,根据表面纹理特征值和磨粒相对面积获得磨粒表面光洁度具体包括:
获得磨粒待测区中像素点的表面纹理特征值均值,将表面纹理特征值均值与负相关的磨粒相对面积相乘,获得磨粒表面光洁度,在本发明实施例中,为了后续计算的便捷性,磨粒表面光洁度为:
式中,表示为磨粒表面光洁度,表示为磨粒待测区中像素点的坐标,为磨粒待测区中所有像素点的集合,表示为磨粒待测区中坐标为像素点对应的表面纹理特征值,表示为磨粒待测区中的像素点总数量,表示为平均磨粒数目。表示为表面纹理特征值均值,表示为磨粒相对面积。
当表面纹理特征值均值越大,说明磨粒待测区对应的磨粒表面越光滑,磨粒相对面积越小,说明磨粒待测区对应的磨粒颗粒越小,则磨粒表面光洁度越大,即磨粒待测区对应的磨粒越可能为正常磨损磨粒。
步骤S4:根据磨粒灰度正态分布特征值和磨粒表面光洁度获得正常磨损磨粒显著度,通过正常磨损磨粒显著度识别出磨粒待测区对应的磨粒类别,根据磨粒类别获得润滑油磨粒均匀度情况。
根据步骤S2和步骤S3可以得到磨粒待测区的磨粒灰度正态分布特征值和磨粒表面光洁度,通过对磨粒待测区的灰度分布情况和磨粒外形情况综合分析,得到可以正常磨损磨粒显著度,将润滑油中的正常磨损磨粒情况筛除出来,进一步对润滑油磨粒均匀度进行评价。因此根据磨粒灰度正态分布特征值和磨粒表面光洁度获得正常磨损磨粒显著度,具体包括:
将磨粒灰度正态分布特征值和磨粒表面光洁度进行加权求和,获得正常磨损磨粒显著度在本发明实施例中,考虑到后续数值计算的便捷性,正常磨损磨粒显著度为:
式中,表示为正常磨损磨粒显著度,表示为磨粒灰度正态分布特征值,表示为磨粒表面光洁度,表示为灰度分布权重,表示为表面光滑权重,在本发明实施例中,灰度分布权重为0.7,表面光滑权重为0.3。表示为以自然常数为底的指数函数,在本公式中主要为了扩大最终值的范围。
正常磨损磨粒显著值衡量了每个磨粒待测区对应为正常磨损磨粒的显著程度,当该磨粒待测区对应的磨粒灰度正态分布特征值和磨粒表面光洁度越为大时,正常磨损磨粒显著度越大,说明该磨粒待测区对应的磨粒越可能为正常磨损磨粒。
通过正常磨损磨粒显著度识别出磨粒待测区对应的磨粒类别,根据磨粒类别获得润滑油磨粒均匀度情况,具体包括:
当磨粒待测区对应的正常磨损磨粒显著度大于等于预设的第一类磨粒阈值时,将磨粒待测区对应的磨粒作为一类磨粒,即一类磨粒为正常磨损磨粒;当磨粒待测区对应的正常磨损磨粒显著度小于预设的第一类磨粒阈值时,将磨粒待测区对应的磨粒作为二类磨粒,即二类磨粒为异常磨损磨粒。在本发明实施例中,预设的第一类磨粒阈值为2。
使待测润滑油全部缓慢流过通道,获得所有流动润滑油的磨粒灰度图像,并对所有流动润滑油的磨粒灰度图像中的磨粒待测区进行识别,统计一类磨粒和二类磨粒的数量;
通过得到的润滑油中的一类磨粒数量和二类磨粒数量,可以对润滑油的磨粒均匀度进行分析,当二类磨粒数量大于等于预设的磨粒数量阈值时,或二类磨粒数量和一类磨粒数量的比值大于预设的异常磨损磨粒阈值时,则判定润滑油磨粒均匀度异常,在本发明实施例中,预设的磨粒数量阈值为50,预设的异常磨损磨粒阈值为2%。
至此,完成对润滑油磨粒均匀度的检测,当润滑油磨粒均匀度为异常时,说明该润滑油的异常磨损磨粒数量超过正常范围,应该及时对机械部件进行检查和替换,保障机器的正常运转。
综上所述,本发明通过获得流动润滑油的磨粒灰度图像,得到磨粒灰度图像中的磨粒待测区;通过对磨粒待测区中的正态分布符合度和灰度值差异变化程度进行分析获得磨粒灰度正态分布特征值;通过对磨粒待测区中的表面纹理特征和磨粒相对面积进行分析获得磨粒表面光洁度;根据磨粒灰度正态分布特征值和磨粒相对面积获得正常磨损磨粒显著度;通过正常磨损磨粒显著度识别出磨粒待测区对应的磨粒类别,根据磨粒类别获得润滑油磨粒均匀度情况。本发明通过图像处理,使对润滑油磨粒均匀度情况的判断更准确,实现了更好地对机械部件的磨损检测。
本发明提供了一种用于润滑油磨粒均匀度的检测系统,包括存储器和处理器,处理器执行存储器存储的计算机程序,以实现如上述的一种用于润滑油磨粒均匀度的检测方法。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (3)
1.一种用于润滑油磨粒均匀度的检测方法,其特征在于,所述方法包括:
获得流动润滑油的磨粒灰度图像,根据磨粒灰度图像中的磨粒边缘获得磨粒待测区;
根据每个磨粒待测区的灰度分布特征获得正态分布符合度;对磨粒待测区进行灰度分布均匀化,根据磨粒待测区通过灰度分布均匀化前后的灰度差异获得灰度值差异变化程度;根据磨粒待测区的正态分布符合度和灰度值差异变化程度获得磨粒灰度正态分布特征值;
根据磨粒待测区中每个像素点在预设第一邻域范围内的灰度值,获得灰度信息特征,根据灰度信息特征获得每个像素点的表面纹理特征值;根据磨粒待测区中像素点的数量获得磨粒相对面积;根据表面纹理特征值和磨粒相对面积获得磨粒表面光洁度;
根据磨粒灰度正态分布特征值和磨粒表面光洁度获得正常磨损磨粒显著度,通过正常磨损磨粒显著度识别出磨粒待测区对应的磨粒类别,根据磨粒类别获得润滑油磨粒均匀度情况;
所述正态分布符合度的获取包括:
获取磨粒待测区域对应的灰度分布直方图,根据磨粒待测区中灰度值的分布情况获得QQPlot图;对QQPlot图中的点进行直线拟合,获得拟合优度和拟合倾斜角;根据QQPlot图中分位点的实际值与期望值的差异获得异常点,统计异常点数量;获得由拟合优度、拟合倾斜角和异常点数量组成的灰度分布特征;
获得灰度分布特征中拟合倾斜角与预设的角度阈值的角度差值绝对值,获得角度差值绝对值和异常点数量的差异乘积,将拟合优度与差异乘积的比值作为正态分布符合度;
所述灰度值差异变化程度的获取方法包括:
对磨粒待测区的灰度分布直方图进行直方图均衡化处理获得灰度分布均匀化后的像素点灰度值,将磨粒待测区中每个像素点的灰度值与对应灰度分布均匀化后的像素点灰度值的差值绝对值作为灰度差异;获得灰度差异的最大值和最小值;
获得磨粒待测区中灰度差异的差异均值,获得灰度差异的最大值与最小值的差异差值,将差异均值和差异差值的乘积作为磨粒待测区的灰度值差异变化程度;
所述磨粒灰度正态分布特征值的获取包括:
对灰度值差异变化程度进行负相关映射并归一化处理,将负相关映射并归一化处理后的灰度值差异变化程度与正态分布符合度相乘,获得磨粒灰度正态分布特征值;
所述根据灰度信息特征获得每个像素点的表面纹理特征值包括:
获得磨粒待测区中每个像素点对应的预设第一邻域范围内像素点的灰度最大值、灰度最小值和灰度标准差;根据每个像素点的预设第一邻域范围内像素点的灰度值进行聚类,若得到至少一个聚类簇,则统计包含像素点最多的聚类簇中的像素点数量,获得邻域灰度值均衡度;若没有得到聚类簇,则将预设的数量系数作为邻域灰度值均衡度;获得由灰度最大值、灰度最小值、灰度标准差和邻域灰度值均衡度组成的灰度信息特征;
获得灰度信息特征中的灰度最大值与灰度最小值的灰度差值,获得灰度差值和灰度标准差的灰度乘积,将邻域灰度值均衡度与灰度乘积的比值作为每个像素点的表面纹理特征值;
所述磨粒表面光洁度的获取包括:
获得磨粒待测区中像素点的表面纹理特征值均值,将表面纹理特征值均值与负相关的磨粒相对面积相乘,获得磨粒表面光洁度;
所述正常磨损磨粒显著度的获取包括:
将磨粒灰度正态分布特征值和磨粒表面光洁度进行加权求和,获得正常磨损磨粒显著度;
所述根据磨粒类别获得润滑油磨粒均匀度情况包括:
当磨粒待测区对应的正常磨损磨粒显著度大于等于预设的第一类磨粒阈值时,将磨粒待测区对应的磨粒作为一类磨粒;当磨粒待测区对应的正常磨损磨粒显著度小于预设的第一类磨粒阈值时,将磨粒待测区对应的磨粒作为二类磨粒;对所有流动润滑油的磨粒灰度图像中的磨粒待测区进行识别,统计一类磨粒和二类磨粒的数量;
当二类磨粒的数量大于等于预设的磨粒数量阈值时,或二类磨粒数量和一类磨粒数量的比值大于预设的异常磨损磨粒阈值时,则判定润滑油磨粒均匀度异常。
2.根据权利要求1所述的一种用于润滑油磨粒均匀度的检测方法,其特征在于,所述磨粒待测区的获取包括:
对磨粒灰度图像采用canny边缘检测算子获得磨粒边缘,将由磨粒边缘组成的闭合区域作为一个磨粒待测区,若闭合区域内部存在另一个闭合区域,则只将外部的闭合区域作为一个磨粒待测区;若存在两个相邻的闭合区域,则将两个相邻的闭合区域作为一个磨粒待测区。
3.一种用于润滑油磨粒均匀度的检测系统,包括存储器和处理器,其特征在于,所述处理器执行所述存储器存储的计算机程序,以实现如权利要求1-2任一项所述的一种用于润滑油磨粒均匀度的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310064665.8A CN115880284B (zh) | 2023-02-06 | 2023-02-06 | 一种用于润滑油磨粒均匀度的检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310064665.8A CN115880284B (zh) | 2023-02-06 | 2023-02-06 | 一种用于润滑油磨粒均匀度的检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115880284A CN115880284A (zh) | 2023-03-31 |
CN115880284B true CN115880284B (zh) | 2023-05-09 |
Family
ID=85758781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310064665.8A Active CN115880284B (zh) | 2023-02-06 | 2023-02-06 | 一种用于润滑油磨粒均匀度的检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115880284B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330709B (zh) * | 2022-08-10 | 2023-10-10 | 山东沃尔沃农业科技有限公司 | 一种智能调节化肥抛光磨圆控制方法 |
CN116993724B (zh) * | 2023-09-26 | 2023-12-08 | 卡松科技股份有限公司 | 一种基于图像滤波的煤矿工业齿轮油视觉检测方法 |
CN117115494B (zh) * | 2023-10-23 | 2024-02-06 | 卡松科技股份有限公司 | 基于人工智能的润滑油杂质污染检测方法、装置 |
CN117333727A (zh) * | 2023-12-01 | 2024-01-02 | 山东瀚邦胶带有限公司 | 一种基于可视化图像处理技术的输送带磨损区域识别分析系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102848322A (zh) * | 2012-07-25 | 2013-01-02 | 浙江工业大学 | 一种基于模糊控制的软性磨粒流加工方法及其装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957173A (zh) * | 2009-07-16 | 2011-01-26 | 上海宝钢工业检测公司 | 一种机械油中磨粒图谱及其制作方法 |
CN103853817B (zh) * | 2014-01-16 | 2016-03-23 | 首都师范大学 | 基于gis的海量统计数据的空间奇异点发掘方法 |
JP2019112532A (ja) * | 2017-12-23 | 2019-07-11 | 小林 博 | 潤滑作用を有する粉体同士が重なり合った粉体の集まりからなる潤滑被膜の形成方法 |
CN108387587B (zh) * | 2018-01-22 | 2020-07-31 | 京东方科技集团股份有限公司 | 缺陷检测方法及缺陷检测设备 |
CN111665245A (zh) * | 2019-03-05 | 2020-09-15 | 中国航发商用航空发动机有限责任公司 | 航空润滑油监测装置及监测方法 |
CN115018845B (zh) * | 2022-08-09 | 2022-10-25 | 聊城市泓润能源科技有限公司 | 一种润滑油磨粒质量检测方法 |
CN115496692B (zh) * | 2022-11-17 | 2023-02-17 | 卡松科技股份有限公司 | 一种润滑油磨粒图像增强方法 |
-
2023
- 2023-02-06 CN CN202310064665.8A patent/CN115880284B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102848322A (zh) * | 2012-07-25 | 2013-01-02 | 浙江工业大学 | 一种基于模糊控制的软性磨粒流加工方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115880284A (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115880284B (zh) | 一种用于润滑油磨粒均匀度的检测方法及系统 | |
Raadnui | Wear particle analysis—utilization of quantitative computer image analysis: a review | |
US7646476B2 (en) | Process excursion detection | |
CN115661136B (zh) | 一种碳化硅材质的半导体缺陷检测方法 | |
CN116152749B (zh) | 基于数字孪生的齿轮磨损智能监测方法 | |
CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
Schmitt et al. | Machine vision system for inspecting flank wear on cutting tools | |
CN116402810B (zh) | 基于图像处理的润滑油抗磨粒质量检测方法 | |
García-Pérez et al. | CNN-based in situ tool wear detection: A study on model training and data augmentation in turning inserts | |
CN116309416A (zh) | 一种零件表面视觉检测方法 | |
Laghari et al. | Knowledge based wear particle analysis | |
Laghari et al. | Wear particle shape and edge detail analysis | |
CN116758078B (zh) | 变速齿轮箱观测方法、系统、终端设备以及存储介质 | |
Laghari | Recognition of texture types of wear particles | |
Liu et al. | Unsupervised segmentation of wear particle’s image using local texture feature | |
Stachowiak et al. | Ferrography and fractal analysis of contamination particles in unused lubricating oils | |
Stachowiak et al. | Shape and texture features in the automated classification of adhesive and abrasive wear particles | |
Myshkin et al. | Morphology: Texture, shape, and color of friction surfaces and wear debris in tribodiagnostics problems | |
Liu et al. | The Segmentation of Wear Particles Images Using J‐Segmentation Algorithm | |
Laghari et al. | Wear particle texture analysis | |
Scharf et al. | A new embedded vision system for monitoring tool conditions in production lines using a combination of direct and indirect methods | |
JP2019052872A (ja) | 軸受検査装置 | |
Ghosh et al. | Wear characterization by fractal mathematics for quality improvement of machine | |
Laghari et al. | Wear particle profile analysis | |
Zabawski et al. | Modeling Wear State Evolution Using Real-Time Wear Debris Features. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |