一种基于机器学习的机械设备漏油检测方法及其系统技术方案

本发明专利技术公开了一种基于机器学习的机械设备漏油检测方法及其系统，该方法包括以下步骤：S1、采集被测机械设备接油盘区域的图像作为原始图像；S2、将原始图像作为输入，制作mask；S3、根据mask分割所述原始图像，提取接油盘区域，得到剔除干扰的接油盘图像；S4、通过HSV色彩空间转换来提取接油盘图像中的油滴；S5、通过连通域筛选和孔洞定位获得油滴位置并得到油滴面积；S6、根据油滴面积的大小判定漏油状态。本发明专利技术采用机器学习方法针对机械设备漏油算法建模，能够对机械设备进行实时的漏油监测，解决了人工巡检存在的漏检、成本高和无法实时监控的问题，可行性较高。可行性较高。可行性较高。

【技术实现步骤摘要】
一种基于机器学习的机械设备漏油检测方法及其系统


[0001]本专利技术涉及漏油检测
，尤其涉及一种基于机器学习的机械设备漏油检测方法及其系统。

技术介绍

[0002]机械设备漏油，不仅浪费油液，污染工厂生产环境，同时还带来火灾等安全隐患。机械设备漏油现象少见，但需要严厉杜绝，一旦发生火灾问题将带来严重的后果。因此，对机械设备进行漏油检测以防患于未然是一项十分必要的工作。
[0003]目前，通常采用人工定期巡查的方式对设备漏油情况进行检测，然而该方式存在漏检、成本高和无法实时监控的问题。现有技术中也有采用自动检测设备替代人工巡查检测漏油情况，但其使用的是深度学习方法针对机械设备漏油算法建模，由于实际生产中，漏油数据较少且多数机械设备无法停产，样本类别严重失衡，因此采用基于深度学习的方法会造成严重的过拟合问题，可行性不高。

技术实现思路

[0004]本专利技术的目的在于提供一种基于机器学习的机械设备漏油检测方法及其系统，采用机器学习方法针对机械设备漏油算法建模，能够对机械设备进行实时的漏油监测，解决了人工巡检存在的漏检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的机械设备漏油检测方法，其特征在于，该方法包括以下步骤：S1、采集被测机械设备接油盘区域的图像作为原始图像；S2、将所述原始图像作为输入，制作mask；S3、根据所述mask分割所述原始图像，提取接油盘区域，得到剔除干扰的接油盘图像；S4、通过HSV色彩空间转换来提取所述接油盘图像中的油滴；S5、通过连通域筛选和孔洞定位获得油滴位置并得到油滴面积；S6、根据所述油滴面积的大小判定漏油状态。2.根据权利要求1所述的基于机器学习的机械设备漏油检测方法，其特征在于，所述制作mask的具体操作包括以下步骤：S21、根据第一色度阈值将所述原始图像由RGB色彩空间转换到HSV色彩空间后进行过滤处理，再进行二值化处理，生成二值化后图像作为初步mask，完成接油盘区域的粗略提取；S22、对所述二值化后图像进行连通域处理，选取连通域最大区域，进一步缩小接油盘区域；S23、填充所述连通域最大区域中存在的孔洞；S24、生成目标mask。3.根据权利要求2所述的基于机器学习的机械设备漏油检测方法，其特征在于，所述步骤S21的具体操作包括：将原始输入RGB三通道图像I转为HSV格式图像I
hsv
；通过限制I
hsv
图像各通道H、S、V的阈值提取接油盘颜色区域，得到颜色提取后图像I
color
；将所述颜色提取后图像I
color
转为灰度图I
gray
；通过阈值th1二值化过滤得到二值化后图像I
binary
。4.根据权利要求3所述的基于机器学习的机械设备漏油检测方法，其特征在于，所述步骤S22的具体操作包括：使用opencv的connectedComponents
‑ꢀ
WithStats函数对所述二值化后图像I
binary
进行连通域处理，经轮廓分析后过滤所述二值化后图像I
binary
中连通域面积较小的区域，留下最大面积区域作为接油盘区域，得到只含最大面积区域的连通域筛选后图像I
cont
‑
max
。5.根据权利要求4所述的基于机器学习的机械设备漏油检测方法，其特征在于，所述步骤S23中，所述孔洞填充是通过泛洪算法填充所述连通域最大面积区域中存在的孔洞，对所述连通域筛选后图像I
cont
‑
max
中接油盘区域中存在的孔洞进行填充后得到二值化0、255像素值单通道图像I
fillhole
。6.根据权利要求5所述...

【专利技术属性】
技术研发人员：李爱林，赵士红，陈兴委，
申请(专利权)人：深圳华付技术股份有限公司，
类型：发明
国别省市：