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 PDF

Info

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
Application number
DE102020205138.0A
Other languages
English (en)
Other versions
DE102020205138A1 (de
Inventor
Armin Lauer
Michael Laux
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Priority to DE102020205138.0A priority Critical patent/DE102020205138B4/de
Publication of DE102020205138A1 publication Critical patent/DE102020205138A1/de
Application granted granted Critical
Publication of DE102020205138B4 publication Critical patent/DE102020205138B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M3/00Investigating fluid-tightness of structures
    • G01M3/38Investigating fluid-tightness of structures by using light
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00Testing of vehicles
    • G01M17/08Railway vehicles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation 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
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/94Investigating contamination, e.g. dust
    • G01N2021/945Liquid or solid deposits of macroscopic size on surfaces, e.g. drops, films, or clustered contaminants
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural 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)

  1. 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.
  2. Verfahren nach Anspruch 1; dadurch gekennzeichnet, dass das Bild mittels mindestens eines IR-Sensors angefertigt wird.
  3. Verfahren nach einem der vorhergehenden Ansprüche; dadurch gekennzeichnet, dass die Klassifizierung mittels eines KI-Algorithmus erfolgt, der auf den Referenzbildern trainiert wurde.
  4. Datenverarbeitungssystem, das angepasst ist, ein Verfahren nach einem der vorhergehenden Ansprüche auszuführen.
  5. Computerprogrammprodukt, das ausgebildet ist, bei Ausführung durch ein Datenverarbeitungssystem diese zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 3 zu veranlassen.
DE102020205138.0A 2020-04-23 2020-04-23 Computerimplementiertes Verfahren zur Ermittlung von Ölleckagen an einem Objekt sowie Datenverarbeitungssystem und Computerprogrammprodukt zur Ausführung Active DE102020205138B4 (de)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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