一种基于图像处理的润滑油污染程度检测方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种基于图像处理的润滑油污染程度检测方法，包括：获取预设时段内每个时刻的油斑区域灰度图像，对每个时刻的油斑区域灰度图像进行图像处理，得到每个时刻的各个预设聚类K值对应的油斑聚类灰度图像；确定每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像，进而确定最佳预设聚类K值对应的油斑边界混合模糊程度，从而确定优选程度指标，获取最佳油斑聚类灰度图像内沉积环的平均半径和平均灰度值；确定待检测润滑油的污染程度评价值，基于污染程度评价值对待检测润滑油进行分析，解决了润滑油污染程度检测准确性较低的问题，提高了检测润滑油污染程度的精准性。润滑油污染程度的精准性。润滑油污染程度的精准性。

【技术实现步骤摘要】
一种基于图像处理的润滑油污染程度检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种基于图像处理的润滑油污染程度检测方法。

技术介绍

[0002]在机械设备运行过程中，实时检测柴油、机油等多种润滑油的污染程度是十分重要的，润滑油污染是指润滑油中含有磨损颗粒和深度油化产生的油泥，润滑油污染是机械设备故障的重要原因之一，污染严重的润滑油会加快对机械设备的磨损、减少机械寿命，甚至造成重大事故。
[0003]现有一般是通过人为观测润滑油斑点图谱来判断润滑油污染程度，污染程度检测的标准是根据人为经验制定，该检测方法会浪费大量的人力资源，且检测过程容易受到各种外界因素的影响，导致检测结果存在一定的主观性，该检测方法的润滑油污染程度的检测准确性很差。为了克服人为检测润滑油污染程度时存在的一些缺陷，随着图像数据处理技术的发展，现有方法提出了公开号为CN101196510B，一种检测润滑油污染程度的方法及装置。该方法通过对任意一个检测时刻的润滑油斑点图谱的图像特征进行图像数据分析处理，得到能够反应润滑油污染程度的三个测量参数，通过三个测量参数的大小判断润滑油的污染程度。对于不同检测时刻的润滑油斑点图谱来讲，检测时刻过早，润滑油油斑没有完全扩散和干燥而造成三个圆环的面积没有形成，检测时刻过晚，润滑油油斑的三个圆环会因互相渗透和扩散而使圆环边缘模糊，故不同检测时刻的润滑油斑点图谱的图像特征存在较大区别，由图像特征所得的润滑油污染程度的三个测量参数也会存在较大差别，最终造成润滑油污染程度的检测精度较低、准确性较低的问题。

技术实现思路

[0004]为了解决上述现有润滑油污染程度检测准确性较低的技术问题，本专利技术的目的在于提供一种基于图像处理的润滑油污染程度检测方法。
[0005]本专利技术提供了一种基于图像处理的润滑油污染程度检测方法，包括以下步骤：获取预设时段内每个时刻的待检测润滑油的润滑油斑点图谱图像，并对该润滑油斑点图谱图像进行图像预处理操作，得到每个时刻的油斑灰度图像，进而得到每个时刻的油斑区域灰度图像；根据第一预设聚类K值、第二预设聚类K值、第三预设聚类K值以及每个时刻的油斑区域灰度图像，对每个时刻的油斑区域灰度图像进行聚类处理，得到每个时刻的各个预设聚类K值对应的油斑聚类灰度图像；根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中的每个聚类簇内像素点的个数、各个像素点的灰度值和位置、聚类中心的灰度值和位置、图像中心的位置以及聚类簇的个数，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的聚类效果评价值，进而确定每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像；
根据每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像内各个像素点的梯度值和梯度方向，确定每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像的油斑边界混合模糊程度；根据预设时段内每个时刻对应的时刻序号和每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像的油斑边界混合模糊程度，确定每个时刻的油斑聚类灰度图像对应的优选程度指标，进而确定待检测润滑油的最佳油斑聚类灰度图像；获取待检测润滑油的最佳油斑聚类灰度图像中沉积环的平均半径和平均灰度值，根据待检测润滑油的最佳油斑聚类灰度图像中沉积环的平均半径和平均灰度值，确定待检测润滑油的污染程度评价值，进而确定待检测润滑油的污染程度。
[0006]进一步的，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的聚类效果评价值的步骤包括：根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中的每个聚类簇内的各个像素点、聚类中心和图像中心的位置，确定每个聚类簇的各个像素点到图像中心的距离以及聚类中心到图像中心的距离；根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中的每个聚类簇内的各个像素点和聚类中心的灰度值、各个像素点到图像中心的距离以及聚类中心到图像中心的距离，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中的每个聚类簇内的各个像素点对应的聚类距离；根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中聚类簇的个数、每个聚类簇内像素点的个数以及每个聚类簇内的各个像素点对应的聚类距离，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的类内聚类评价值；计算每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中的各个相邻聚类中心之间的距离，根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中聚类簇的个数和各个相邻聚类中心之间的距离，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的类间聚类评价值；获取每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中每个聚类簇的面积、每个聚类簇的拟合轮廓对应的最大内接圆面积和最小外接圆面积，聚类簇的面积、最大内接圆面积以及最小外接圆面积均为区域内像素点的个数，根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中聚类簇的个数、每个聚类簇的拟合轮廓对应的最大内接圆面积和最小外接圆面积以及每个聚类簇的面积，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的圆环圆形度；根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的类内聚类评价值、类间聚类评价值以及圆环圆形度，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的聚类效果评价值。
[0007]进一步的，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的圆环圆形度的计算公式为：
其中，Q为每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的圆环圆形度，K为每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中聚类簇的个数，为每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中第i个聚类簇的面积，为每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中第i个聚类簇的拟合轮廓对应的最小外接圆面积，为每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中第i
‑
1个聚类簇的拟合轮廓对应的最大内接圆面积。
[0008]进一步的，进而确定每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像的步骤包括：若任意一时刻的某个预设聚类K值对应的油斑聚类灰度图像的聚类效果评价值大于预设聚类效果评价阈值，且该预设聚类K值对应的油斑聚类灰度图像的聚类效果评价值为最大值，则判定该时刻的该预设聚类K值对应的油斑聚类灰度图像为最佳预设聚类K值对应的油斑聚类灰度图像。
[0009]进一步的，确定每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像的油斑边界混合模糊程度的步骤包括：当第n个时刻的最佳预设聚类K值为第一预设聚类K值时，得到第n个时刻的第一预设聚类K值对应的油斑聚类灰度图像的油斑边界混合模糊程度；当第个时刻的最佳预设聚类K值为第二预设聚类K值时，对第个时刻的第二预设聚类K值对应的油斑聚类灰度图像进行边缘检测，得到第个时刻的第二预设聚类K值对应的油斑聚类灰度图像内的油斑边缘线；根据第个时刻的第二预设聚类K值对应的油斑聚类灰度图像内的油斑边缘线的各个边缘像素点的灰度值以及边缘像素点的个数，确定第个时刻的第二预设聚类K值对应的油斑聚类灰度图像的第一油斑边界混合模糊因子；获取第个时刻的第二预设聚类K值对应的油斑聚类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的润滑油污染程度检测方法，其特征在于，包括以下步骤：获取预设时段内每个时刻的待检测润滑油的润滑油斑点图谱图像，并对该润滑油斑点图谱图像进行图像预处理操作，得到每个时刻的油斑灰度图像，进而得到每个时刻的油斑区域灰度图像；根据第一预设聚类K值、第二预设聚类K值、第三预设聚类K值以及每个时刻的油斑区域灰度图像，对每个时刻的油斑区域灰度图像进行聚类处理，得到每个时刻的各个预设聚类K值对应的油斑聚类灰度图像；根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中的每个聚类簇内像素点的个数、各个像素点的灰度值和位置、聚类中心的灰度值和位置、图像中心的位置以及聚类簇的个数，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的聚类效果评价值，进而确定每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像；根据每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像内各个像素点的梯度值和梯度方向，确定每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像的油斑边界混合模糊程度；根据预设时段内每个时刻对应的时刻序号和每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像的油斑边界混合模糊程度，确定每个时刻的油斑聚类灰度图像对应的优选程度指标，进而确定待检测润滑油的最佳油斑聚类灰度图像；获取待检测润滑油的最佳油斑聚类灰度图像中沉积环的平均半径和平均灰度值，根据待检测润滑油的最佳油斑聚类灰度图像中沉积环的平均半径和平均灰度值，确定待检测润滑油的污染程度评价值，进而确定待检测润滑油的污染程度。2.根据权利要求1所述的一种基于图像处理的润滑油污染程度检测方法，其特征在于，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的聚类效果评价值的步骤包括：根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中的每个聚类簇内的各个像素点、聚类中心和图像中心的位置，确定每个聚类簇的各个像素点到图像中心的距离以及聚类中心到图像中心的距离；根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中的每个聚类簇内的各个像素点和聚类中心的灰度值、各个像素点到图像中心的距离以及聚类中心到图像中心的距离，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中的每个聚类簇内的各个像素点对应的聚类距离；根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中聚类簇的个数、每个聚类簇内像素点的个数以及每个聚类簇内的各个像素点对应的聚类距离，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的类内聚类评价值；计算每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中的各个相邻聚类中心之间的距离，根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中聚类簇的个数和各个相邻聚类中心之间的距离，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的类间聚类评价值；获取每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中每个聚类簇的面积、每个聚类簇的拟合轮廓对应的最大内接圆面积和最小外接圆面积，所述聚类簇的面积、最大
内接圆面积以及最小外接圆面积均为区域内像素点的个数，根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中聚类簇的个数、每个聚类簇的拟合轮廓对应的最大内接圆面积和最小外接圆面积以及每个聚类簇的面积，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的圆环圆形度；根据每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的类内聚类评价值、类间聚类评价值以及圆环圆形度，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的聚类效果评价值。3.根据权利要求2所述的一种基于图像处理的润滑油污染程度检测方法，其特征在于，确定每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的圆环圆形度的计算公式为：其中，Q为每个时刻的各个预设聚类K值对应的油斑聚类灰度图像的圆环圆形度，K为每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中聚类簇的个数，为每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中第i个聚类簇的面积，为每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中第i个聚类簇的拟合轮廓对应的最小外接圆面积，为每个时刻的各个预设聚类K值对应的油斑聚类灰度图像中第i
‑
1个聚类簇的拟合轮廓对应的最大内接圆面积。4.根据权利要求1所述的一种基于图像处理的润滑油污染程度检测方法，其特征在于，进而确定每个时刻的最佳预设聚类K值对应的油斑聚类灰度图像的步骤包括：若任意一时刻的某个预设聚类K值对应的油斑聚类灰度图像的聚类效果评价值大于预设聚类效果评价阈值，且该预设聚类K值对应的油斑聚类灰度图像的聚类效果评价值为最大值，则判定该时刻的该预设聚类K值对应的油斑聚类灰度图像为最佳预设聚类K值对应的油斑聚类灰度图像。5.根据权利要求1所述的一种基于图像处理的润滑油污染程度检测方法，其特征在于，确定每个...

【专利技术属性】
技术研发人员：杨保华，
申请(专利权)人：聊城市泓润能源科技有限公司，
类型：发明
国别省市：