DE102020205138B4 - Computerimplementiertes Verfahren zur Ermittlung von Ölleckagen an einem Objekt sowie Datenverarbeitungssystem und Computerprogrammprodukt zur Ausführung - Google Patents
Computerimplementiertes Verfahren zur Ermittlung von Ölleckagen an einem Objekt sowie Datenverarbeitungssystem und Computerprogrammprodukt zur Ausführung Download PDFInfo
- Publication number
- DE102020205138B4 DE102020205138B4 DE102020205138.0A DE102020205138A DE102020205138B4 DE 102020205138 B4 DE102020205138 B4 DE 102020205138B4 DE 102020205138 A DE102020205138 A DE 102020205138A DE 102020205138 B4 DE102020205138 B4 DE 102020205138B4
- Authority
- DE
- Germany
- Prior art keywords
- image
- computer
- data processing
- processing system
- oil
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 title claims description 8
- 238000004590 computer program Methods 0.000 title claims description 6
- 239000000428 dust Substances 0.000 claims abstract description 8
- 239000000203 mixture Substances 0.000 claims abstract description 6
- 238000001356 surgical procedure Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005465 channeling Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/38—Investigating fluid-tightness of structures by using light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
- G01N2021/945—Liquid or solid deposits of macroscopic size on surfaces, e.g. drops, films, or clustered contaminants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
Computerimplementiertes Verfahren zur Ermittlung von Ölleckagen an einem Objekt (101, 105), mit den Schritten- Anfertigen eines Bilds des Objekts (101, 105); und- Klassifizierung durch Vergleich des Bilds mit Referenzbildern; wobei jedem Referenzbild eine von zwei Klassen zugeordnet ist; dadurch gekennzeichnet,dassein Bereich des Bildes, der ein Öl-Staubgemisch abbildet, anhand von Farb- und/oder Helligkeitsunterschieden identifiziert wird; wobeider identifizierte Bereich mit den Referenzbildern verglichen wird.
Description
- Die Erfindung betrifft ein Verfahren nach Anspruch 1 und ein Datenverarbeitungssystem nach Anspruch 4 und ein Computerprogrammprodukt nach Anspruch 5.
- Aus dem Stand der Technik sind automatische Diagnosesysteme für Ölleckagen bekannt. Ein solches beschreibt etwa die Druckschrift
WO 2015 143 569 A1 . Hier wird ein bildbasiertes System beschrieben, das Bilder einer potenziellen Deckstelle hinsichtlich Farbänderungen über die Zeit analysiert. Bei den Bildern handelt es sich um Bilder einer herkömmlichen Kamera, das heißt um Bilder aus dem Spektrum des sichtbaren Lichts. Nachteilig bei diesem System ist die Abhängigkeit von Störgrößen. Insbesondere Streulicht, das von außen einfällt oder Verschmutzungen können das System beeinträchtigen. In dem implementierten Algorithmus findet keine Bewertung statt. Daher ist externes Domänenwissen erforderlich. -
US 2019/0339159 A1 bezieht sich auf die Detektion von Ölleckagen in einem Leitungssystem. Das Leitungssystem wird mittels Bildsensoren überwacht. Die von den Bildsensoren aufgenommen Bilder werden computergestützt auf mögliche Leckagen überprüft. - Der Erfindung liegt die Aufgabe zugrunde, die Erkennung von Ölleckagen zu verbessern. Diese Aufgabe wird gelöst durch ein Verfahren nach Anspruch 1, ein Datenverarbeitungssystem nach Anspruch 4 und ein Computerprogrammprodukt nach Anspruch 5.
- Bei dem erfindungsgemäßen Verfahren handelt es sich um ein computerimplementiertes Verfahren. Es dient zur Ermittlung von Ölleckagen an einem Objekt, etwa an einem Getriebe oder an einem Motor. Um Ölleckagen zu erkennen, wird gemäß dem Verfahren zunächst ein Bild mindestens eines Teils des Objekts angefertigt. Dies impliziert, dass ein oder mehrere Sensoren zum Anfertigen des Bildes so ausgerichtet wurden, dass sie potenzielle Leckagestellen an dem Objekt erfassen. Das Bild wird mittels der Sensoren angefertigt.
- Durch Vergleich des angefertigten Bildes mit einem Musterkatalog, das heißt mit mehreren Referenzbildern, erfolgt eine Klassifizierung. Jedem Referenzbild des Musterkatalogs ist eine von zwei Klassen zugeordnet. Entsprechend wird auch durch die Klassifizierung dem Bild eine dieser zwei Klassen zugeordnet. Die Klassifizierung erfolgt derart, dass die Zuordnung der Klasse zu dem angefertigten Bild den Zuordnungen der Klassen zu den Referenzbildern möglichst genau entspricht. Die Erfindung ist geeignet, bereits im Versuchs- oder Entwicklungsstadium die Öldichtigkeit nicht nur am Getriebe, sondern auch am Motor, an Kolben oder sonstigen ölhaltenden Systemen zu validieren.
- Vorzugsweise beinhaltet eine erste der zwei Klassen Bilder bzw. Referenzbilder, die mindestens eine Ölleckage zeigen. Eine zweite der zwei Klassen beinhaltet Bilder bzw. Referenzbilder von Objekten, die als dicht bzw. leckagefrei gewertet werden.
- Erfindungsgemäß wird in dem angefertigten Bild des Objekts - sofern vorhanden - ein Öl-Staubgemisch identifiziert. Die Identifizierung des Öl-Staubgemisches erfolgt anhand von Farb- und/oder Helligkeitsunterschieden in dem angefertigten Bild. Dies ist möglich, da ein Bereich mit einem Öl-Staubgemisch gewöhnlich dunkler erscheint als ein umgebender Bereich, der keine Öl-Kontamination aufweist.
- Der weiterbildungsgemäß identifizierte Bereich wird schließlich mit den Referenzbildern verglichen. Dadurch, dass sich der Vergleich auf den identifizierten Bereich beschränkt, verbessert sich die Genauigkeit und Effizienz des Verfahrens. Eine weitergehende Verbesserung wird erreicht, indem auch in den Referenzbildern - sofern vorhanden - Öl-Staubgemische anhand von Farb- und/oder Helligkeitsunterschieden identifiziert werden. In diesem Fall erfolgt die Klassifizierung durch Vergleich der jeweils identifizierten Bereiche.
- In einer darüber hinaus bevorzugten Weiterbildung wird das Bild mittels eines IR-Sensors (Infrarotsensor) angefertigt. Insbesondere kann es sich um eine IR-Kamera handeln. Entsprechend handelt es sich bei den Referenzbildern bevorzugt um Infrarotbilder, d.h. um Bilder, die mittels eines IR-Sensors angefertigt wurden. Die Verwendung von Infrarotbildern hat den Vorteil, dass zusätzliche Störgrößen wie Licht, Staub und Nässe erkannt und in der Analyse kompensiert werden können.
- Bevorzugt ist das Verfahren mit einem KI-Algorithmus (Algorithmus, der den Verfahren der künstlichen Intelligenz zuzurechnen ist) weitergebildet. Als KI-Algorithmus kommt etwa ein neuronales Netz oder ein stochastischer Algorithmus zum Einsatz. Weiterbildungsgemäß erfolgt die oben beschriebene Klassifizierung mittels des KI-Algorithmus. Trainiert wird der Algorithmus auf den Referenzbildern. Dies bedeutet, dass die Referenzbilder als Trainingsdaten für den Algorithmus verwendet werden.
- Ein erfindungsgemäßes Datenverarbeitungssystem ist angepasst, das erfindungsgemäße Verfahren oder eine bevorzugte Weiterbildung auszuführen.
- Ein erfindungsgemäßes Computerprogramm ist ausgebildet, auf einem Datenverarbeitungssystem ausgeführt zu werden. Bei der Ausführung veranlasst das Computerprogrammprodukt das Datenverarbeitungssystem zur Ausführung des erfindungsgemäßen Verfahrens oder einer bevorzugten Weiterbildung.
- Bevorzugte Ausführungsbeispiele der Erfindung sind in den Figuren dargestellt. Im Einzelnen zeigt:
-
1 eine Achse; und -
2 ein Ablaufdiagramm. - In
1 ist eine Achse 101 eines Zugs dargestellt, die auf einem Gleis 103 abrollt. Die Achse 101 weist ein Getriebe 105 auf. Dieses ist als achsreitendes Getriebe ausgeführt. Dies bedeutet, dass die Achse 101 durch das Getriebe 105 hindurchführt. Die Austrittsstellen der Achse 101 aus dem Getriebe 105 sind mit Dichtungen versehen. Hier besteht die Gefahr eines Austritts von Öl. - Um die Austrittsstellen der Achse 101 auf Dichtheit zu überprüfen, ist eine optische Kamera 107 vorgesehen. Diese kann zugfest, an dem Gleis 103 oder an sonstigen ortsfesten Gegenständen angebracht sein. Die Kamera 107 erfasst das Getriebe 105 und nimmt Bilder der Austrittsstellen auf. Durch Vergleich mit Referenzbildern lassen sich eventuelle Leckagen an den Austrittsstellen der Achse 101 automatisiert detektieren.
- Das Flussdiagramm eines entsprechenden Algorithmus ist in
2 dargestellt. Das Flussdiagramm umfasst die folgenden Elemente: - - Operation 201: Getriebe mittels Lidar-, IR-Kamera aufnehmen, Dichtbereich identifizieren.
- - Operation 203: Bereich mit Dichtsystem identifizieren, Aufnahmen nach CAD-Angaben normieren.
- - Operation 205: Bereich mit Öl-Staubgemisch erkennbar anhand von Farbunterschieden zwischen Gehäuse und Ölnebelniederschlag.
- - Verzweigung 207: Identifikation nach farblicher Abgrenzung möglich?
- - Unterprogramm 209: Keine Auswertung möglich, keine Auffälligkeit feststellbar. Dieses Unterprogramm wird ausgeführt, wenn eine Identifikation nach farblicher Abgrenzung nicht möglich ist.
- - Unterprogramm 211: Ermittlung der kontaminierten Fläche und Speicherung von Kennwerten. Dieses Unterprogramm wird ausgeführt, wenn eine Identifikation nach farblicher Abgrenzung möglich ist.
- Das Unterprogramm 211 umfasst die folgenden Elemente:
- - Operation 213: Vergleich mit den Bildern des Musterkatalogs.
- - Verzweigung 215: Reflexionsgrad gering (diffus). Wenn der Reflexionsgrad gering ist, wird die Operation 217 ausgeführt. Ist der Reflexionsgrad nicht gering, wird die Operation 219 ausgeführt.
- - Operation 217: Einordnung der Kennwerte in eine Bewertungsgruppe - dicht.
- - Operation 219: Einordnung der Kennwerte in eine Bewertungsgruppe - undicht.
- - Operation 221: Reflexionsgrad hoch (glänzend).
- - Verzweigung 223: Reflexionsfläche groß? Ist die Reflexionsfläche groß, wird die Operation 225 ausgeführt. Ist die Reflexionsfläche nicht groß, wird die Operation 227 ausgeführt.
- - Operation 225: Leckage-Fließkanalbildung. Dies tritt im Fall einer größeren Ölundichtigkeit (Ölfluss) auf.
- - Operation 227: Tropfenbildung. Dies ist charakteristisch für eine geringe Ölundichtigkeit (Tropfen). Eine wesentliche Unterscheidung einer gegebenen Leckage ist die Öltropfen- vs. Ölkanalausbildung.
- - Terminator 229: Leckage melden.
- - Terminator 231: Leckage melden.
- - Unterprogramm 235: keine Leckage.
- - Operation 237: fixe Speicherung der Kennwerte, in Musterkatalog ablegen, Messzähler hochschreiben.
- Bezugszeichenliste
-
- 101
- Achse
- 103
- Gleis
- 105
- Getriebe
- 107
- Kamera
- 201
- Operation
- 203
- Operation
- 205
- Operation
- 207
- Verzweigung
- 209
- Keine Auswertung möglich, keine Auffälligkeit feststellbar.
- 211
- Unterprogramm
- 213
- Operation
- 215
- Verzweigung
- 217
- Operation
- 219
- Operation
- 221
- Operation
- 223
- Verzweigung
- 225
- Operation
- 227
- Operation
- 229
- Terminator
- 231
- Terminator
- 235
- Unterprogramm
- 227
- Operation
Claims (5)
- Computerimplementiertes Verfahren zur Ermittlung von Ölleckagen an einem Objekt (101, 105), mit den Schritten - Anfertigen eines Bilds des Objekts (101, 105); und - Klassifizierung durch Vergleich des Bilds mit Referenzbildern; wobei jedem Referenzbild eine von zwei Klassen zugeordnet ist; dadurch gekennzeichnet, dass ein Bereich des Bildes, der ein Öl-Staubgemisch abbildet, anhand von Farb- und/oder Helligkeitsunterschieden identifiziert wird; wobei der identifizierte Bereich mit den Referenzbildern verglichen wird.
- Verfahren nach
Anspruch 1 ; dadurch gekennzeichnet, dass das Bild mittels mindestens eines IR-Sensors angefertigt wird. - Verfahren nach einem der vorhergehenden Ansprüche; dadurch gekennzeichnet, dass die Klassifizierung mittels eines KI-Algorithmus erfolgt, der auf den Referenzbildern trainiert wurde.
- Datenverarbeitungssystem, das angepasst ist, ein Verfahren nach einem der vorhergehenden Ansprüche auszuführen.
- Computerprogrammprodukt, das ausgebildet ist, bei Ausführung durch ein Datenverarbeitungssystem diese zur Durchführung eines Verfahrens nach einem der
Ansprüche 1 bis3 zu veranlassen.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020205138.0A DE102020205138B4 (de) | 2020-04-23 | 2020-04-23 | Computerimplementiertes Verfahren zur Ermittlung von Ölleckagen an einem Objekt sowie Datenverarbeitungssystem und Computerprogrammprodukt zur Ausführung |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020205138.0A DE102020205138B4 (de) | 2020-04-23 | 2020-04-23 | Computerimplementiertes Verfahren zur Ermittlung von Ölleckagen an einem Objekt sowie Datenverarbeitungssystem und Computerprogrammprodukt zur Ausführung |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102020205138A1 DE102020205138A1 (de) | 2021-10-28 |
DE102020205138B4 true DE102020205138B4 (de) | 2023-02-02 |
Family
ID=78260817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102020205138.0A Active DE102020205138B4 (de) | 2020-04-23 | 2020-04-23 | Computerimplementiertes Verfahren zur Ermittlung von Ölleckagen an einem Objekt sowie Datenverarbeitungssystem und Computerprogrammprodukt zur Ausführung |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102020205138B4 (de) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015143569A1 (en) | 2014-03-28 | 2015-10-01 | Intelliview Technologies Inc. | Leak detection |
US20190339159A1 (en) | 2018-05-03 | 2019-11-07 | Quantum IR Technologies, LLC | Infrared imaging systems and methods for oil leak detection |
DE102019115184A1 (de) | 2018-06-06 | 2019-12-12 | Ford Global Technologies, Llc | Verfahren und systeme zur ölleckbestimmung |
-
2020
- 2020-04-23 DE DE102020205138.0A patent/DE102020205138B4/de active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015143569A1 (en) | 2014-03-28 | 2015-10-01 | Intelliview Technologies Inc. | Leak detection |
US20190339159A1 (en) | 2018-05-03 | 2019-11-07 | Quantum IR Technologies, LLC | Infrared imaging systems and methods for oil leak detection |
DE102019115184A1 (de) | 2018-06-06 | 2019-12-12 | Ford Global Technologies, Llc | Verfahren und systeme zur ölleckbestimmung |
Also Published As
Publication number | Publication date |
---|---|
DE102020205138A1 (de) | 2021-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69724555T2 (de) | Diagnostische Tendenzanalyse für Flugzeugtriebwerke | |
DE69621739T2 (de) | Verfahren, vorrichtung und system zur bestimmung der änderungen eines prüfkörpers | |
DE10201522A1 (de) | Verfahren und Vorrichtung zur Erkennung von Sichtbehinderungen bei Bildsensorsystemen | |
EP3111200B1 (de) | Verfahren zur erkennung von rissen in den wandungen von hohlglasartikeln | |
EP1269762B2 (de) | Schutzvorrichtung zum absichern eines gefahrenbereichs sowie verfahren zum überprüfen der funktionssicherheit einer solchen | |
DE102013110898C5 (de) | Verfahren zur Verbesserung der Aussagekraft thermografisch erhobener Daten zum Zustand von Rotorblättern an Windkraftanlagen in Betrieb | |
EP0938662B1 (de) | Verfahren zum testen der zuverlässigkeit eines prüfgerätes, insbesondere eines leerflascheninspektors | |
EP4022290B1 (de) | Verfahren und computerprogrammprodukt zur automatisierten defektdetektion bei einer triebwerks-boroskopie | |
DE102020205138B4 (de) | Computerimplementiertes Verfahren zur Ermittlung von Ölleckagen an einem Objekt sowie Datenverarbeitungssystem und Computerprogrammprodukt zur Ausführung | |
DE19855745B4 (de) | Verfahren zur Fehlerdiagnose und zur Qualitätsbewertung (Rating) von rotierenden Maschinen am Serienprüfstand | |
DE69205811T2 (de) | Verfahren zur Bildanalyse. | |
WO2022122196A1 (de) | Optische schienenwegerkennung | |
DE102010026085B4 (de) | Verfahren zum Überwachen wenigstens eines Zahnrades eines im Betrieb befindlichen Getriebes | |
DE102011057188B4 (de) | Verfahren und System zum Messen einer Motorölverschlechterung | |
DE102017008383A1 (de) | Inspektionsvorrichtung mit optischem Wasserzeichen | |
DE102021214595A1 (de) | Inspektionsvorrichtung für ein fahrzeug und verfahren zum inspizieren des fahrzeugs | |
WO2022129562A1 (de) | Verfahren zur klassifizierung von bildern und verfahren zur optischen prüfung eines objekts | |
DE10132589A1 (de) | Verfahren zur qualitativen Beurteilung von Material | |
DE102016012371A1 (de) | Verfahren und Anlage zum Ermitteln der Defektfläche mindestens einer Fehlstelle auf mindestens einer Funktionsoberfläche eines Bauteils oder Prüfkörpers | |
DE102016209450A1 (de) | Verfahren zur Überwachung einer Entlüftung eines Kurbelgehäuses | |
CN114565883A (zh) | 一种设备的运行故障用图形识别算法 | |
DE102009043080B4 (de) | Verfahren zur Detektion von Rauch und/oder Flammen und Detektionssystem | |
DE102019209292A1 (de) | Verfahren zum Betreiben einer Umfeldsensorik eines Fahrzeugs und Umfeldsensorik | |
DE102022204406B4 (de) | Verfahren zum Klassifizieren und/oder zur Regression von Eingangssignalen unter Zuhilfenahme einer Gram-Matrix-Variante | |
EP0729025A1 (de) | Vorrichtung zur Fehlerkennung an transparenten Kunststofftafeln |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |