【技术实现步骤摘要】
一种基于畸变物体图像的形状特征参数的润滑油含水量检测方法
[0001]本专利技术涉及油液监测领域,具体涉及一种基于畸变物体图像的形状特征参数的润滑油含水量检测方法。
技术介绍
[0002]润滑油在机械设备中起着润滑机件、清除杂质、冷却降温、密封防漏及降噪减震等功能,其在润滑系统中不间断的循环工作过程犹如人体的血液循环,是机械设备安全可靠运行的保障,一旦润滑油循环终止或油品发生污染等,设备的摩擦部件将在很短的时间里发生擦伤、胶合,严重时将造成机械设备损毁。合格的油品是保证机器正常工作的重要条件,然而在其生产、存放、运输及使用过程中会因种种原因导致水分侵入,使其理化性能发生改变,急剧地降低润滑油的使用寿命。因此,开展润滑油的水分在线检测研究,对及时监测机器设备的变化状况、确保润滑油的安全使用具有重要意义。
[0003]为了克服离线水分检测的缺点,国内外针对润滑油的在线水分监测技术开展了很多研究,目前可以实现在线水分测量的方法主要有光谱射线法、微波衰减法、介电常数法等,然而这些方法都存在着一定的缺陷,如介电常数法易受油内微小金属颗粒、总酸值影响,在实际测量中往往达不到满意的效果;射线法存在人身安全风险,微波法极易受温度影响,且这两种方法的检测装置成本高、维护困难,难以广泛推广。
技术实现思路
[0004]为解决以上现有技术存在的问题,本专利技术提出了一种基于畸变物体图像的形状特征参数的润滑油含水量检测方法,该方法包括:采用图像传感器获取包含润滑油与目标物体的畸变物体图像;对畸变物体图像进行分割处理; ...
【技术保护点】
【技术特征摘要】
1.一种基于畸变物体图像的形状特征参数的润滑油含水量检测方法,其特征在于,该方法包括:采用图像传感器获取包含润滑油与目标物体的畸变物体图像;对畸变物体图像进行分割处理;根据分割后的畸变物体图像构建多维度形状特征量化表征指数,其中多维度形状特征量化表征指数为分割后的畸变物体图像的径向偏差;从多维度形状特征量化表征指数中选取最优的径向偏差;根据最优的径向偏差采用标定公式计算润滑油的含水量。2.根据权利要求1所述的一种基于畸变物体图像的形状特征参数的润滑油含水量检测方法,其特征在于,对畸变物体图像进行分割处理的过程包括:构建卷积神经网络语义分割模型,并采用随机梯度下降算法对卷积神经网络语义分割模型进行训练;将待检测的畸变物体图像转换为灰度图;采用高通滤波、随机水平翻转以及归一化的方法对灰度图像进行增强处理;将增强后的图像输入到训练好的卷积神经网络语义分割模型中,得到语义分割结果。3.根据权利要求2所述的一种基于畸变物体图像的形状特征参数的润滑油含水量检测方法,其特征在于,所述卷积神经网络语义分割模型包括一个编码器网络、一个解码器网络以及一个像素分类层;其中编码器包括8层卷积层和4层池化层,通过两个3
×
3的卷积层和一个2
×
2的最大池化层反复组成编码器网络;解码器包括8层反卷积层和4层上采样卷积层,通过一个2
×
2的上采样卷积层和两个3
×
3的反卷积层反复组成解码器;像素分类层通过卷积层调整为所需输出。4.根据权利要求2所述的一种基于畸变物体图像的形状特征参数的润滑油含水量检测方法,其特征在于,采用随机梯度下降算法对卷积神经网络语义分割模型进行训练的过程包括:步骤1:获取畸变物体图像的数据集,将数据集中的图像转化为灰度图;步骤2:对数据集中所有的灰度图像进行增强处理,得到样本集;将样本集划分为训练集和测试集;步骤3:初始化神经网络参数,该参数包括模型的训练次数、学习速率以及目标误差;步骤4:将训练集中数据输入到卷积神经网络语义分割模型的编码器中进行多尺度特征提取,得到多尺度特征图;步骤5:采用解码器对多尺度特征图中的低分辨率特征图进行反观卷积上采样操作,得到高分辨率特征图;步骤6:将高分辨率特征图输入到像素分类层进行像素分类;步骤7:根据像素分类结果构建模型损失函数,并计算损失函数的梯度;步骤8:根据损失函数的梯度和设置的学习速率采用梯度相反方向更新模型参数;当损失函数达到极小值点或者达到训练次数时,完成模型的训练;步骤9:采用测试集中的数据对训练后的模型进行测试,根据测试结果计算均方误差,将计算出出的均方误差与设置的目标误差进行对比,若小于目标误差,则完成模型的训练,否则重新对网络进行训练。5.根据权利要求4所述的一种基于畸变物体图像的形状特征参数...
【专利技术属性】
技术研发人员:范斌,王连富,高英杰,刘勇,冯松,张鹏,王建国,张超,甄祥,
申请(专利权)人:内蒙古农业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。