基于人工智能的吹风机电机运行故障检测方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种基于人工智能的吹风机电机运行故障检测方法：获取叶片表面灰度图像中的各个污渍闭合边缘，进行污渍图像特征分析，可以获得各个污渍闭合边缘内每个像素点的第一污染程度和第二污染程度；利用第一污染程度和第二污染程度，对各个污渍闭合边缘内每个像素点的原始裂纹显著值进行改进，获得新的显著值；利用新的裂纹显著值，判断是否存在裂纹；若存在裂纹，则进一步判断是否发生吹风机电机运行故障。本发明专利技术通过增强被污渍覆盖或包围的裂纹缺陷的显著值的精准性，有效提高了叶片裂纹检测准确性，提升了吹风机电机运行故障检测准确性。提升了吹风机电机运行故障检测准确性。提升了吹风机电机运行故障检测准确性。

【技术实现步骤摘要】
基于人工智能的吹风机电机运行故障检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种基于人工智能的吹风机电机运行故障检测方法。

技术介绍

[0002]吹风机作为一种使用广泛的个人美容电器，其工作效果会直接影响使用者的体验。吹风机的核心部件电机的运行状况直接决定着吹风机的工作性能，若吹风机电机发生故障将会导致吹风机无法运行或者其工作效率明显降低。吹风机发生故障的原因有很多，一般导致电机发生故障的原因有电机过载运转、轴承损坏、绕组故障等因素，其中，对于叶片裂纹缺陷，当电机叶片存在较为严重的裂纹缺陷时，通常会导致电机的旋转不平稳或不均匀、引起明显的噪音和振动、叶片无法有效旋转以及电机过度劳累无法正常散热，可能会引发过热问题，进而影响吹风机的正常工作。因此，在进行吹风机电机运行故障检测时，需要监测生产流水线上的电机叶片裂纹程度，避免质量不合格的吹风机流入市场，影响商家的声誉和销量。
[0003]传统吹风机电机运行故障检测中的电机叶片裂纹程度监测，不仅浪费人力资源，而且对于质检人员的主观性依赖较强，故障检测结果不准确。现有的基于图像进行的叶片裂纹检测，对图像中裂纹区域进行分割提取，通过分析裂纹区域在整个叶片中的分布程度，判断当前的电机叶片裂纹是否会对吹风机电机运行产生故障影响。但是，在电机叶片的生产过程中，通过一些油污或润滑剂来降低生产过程中的摩擦阻力，这些物质可能会附着在叶片表面，形成难以擦掉的污渍，而现有叶片裂纹检测方法难以识别被污渍覆盖或位于污渍附近的裂纹缺陷，导致叶片裂纹检测准确性较差，准确性较差的叶片裂纹检测进一步造成吹风机电机运行故障检测准确性较差。

技术实现思路

[0004]为了解决上述准确性较差的叶片裂纹检测，造成吹风机电机运行故障检测准确性较差的技术问题，本专利技术的目的在于提供一种基于人工智能的吹风机电机运行故障检测方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种基于人工智能的吹风机电机运行故障检测方法，该方法包括以下步骤：获取待检测吹风机电机的叶片表面灰度图像，对叶片表面灰度图像进行边缘检测获得各个边缘；根据各个边缘上每个像素点的灰度值、曲率和梯度幅值，确定各个边缘上每个像素点的污渍概率；根据污渍概率确定各个污渍闭合边缘；根据各个污渍闭合边缘内每个像素点的污渍概率和位置，确定各个污渍闭合边缘内每个像素点的第一污染程度；获取各个污渍闭合边缘对应的灰度游程矩阵，根据灰度游程矩阵确定各个污渍闭
合边缘内每个像素点的第二污染程度；根据各个污渍闭合边缘内每个像素点的第一污染程度和第二污染程度、原始裂纹显著值，确定各个污渍闭合边缘内每个像素点对应的新的裂纹显著值；利用新的裂纹显著值，判断待检测吹风机电机的叶片中是否存在裂纹；若存在裂纹，则根据裂纹在叶片表面灰度图像中的占比，判断待检测吹风机电机是否发生故障。
[0005]进一步地，根据各个边缘上每个像素点的灰度值、曲率和梯度幅值，确定各个边缘上每个像素点的污渍概率，包括：在任意一个边缘上任选一个像素点为选定像素点，以选定像素点为起始点，在选定像素点所属边缘上按照预设方向选取预设数目个连续像素点，组成选定像素点对应的像素点集合；计算选定像素点对应的像素点集合中所有像素点的梯度幅值均值；根据选定像素点和选定像素点的下一个像素点的灰度值、选定像素点对应的像素点集合中每个像素点的曲率和梯度幅值、以及所述梯度幅值均值，确定选定像素点的污渍概率。
[0006]进一步地，所述选定像素点的污渍概率的计算公式为：式中，L为选定像素点的污渍概率，为选定像素点的灰度值，为选定像素点的下一个像素点的灰度值，i为选定像素点对应的像素点集合中每个像素点的序号，N为选定像素点对应的像素点集合中的像素点个数，为选定像素点对应的像素点集合中第i+1个像素点的曲率，为选定像素点对应的像素点集合中第i个像素点的曲率，为选定像素点对应的像素点集合中第i个像素点的梯度幅值，为选定像素点对应的像素点集合中所有像素点的梯度幅值均值，为求绝对值函数，Norm为归一化函数。
[0007]进一步地，根据污渍概率确定各个污渍闭合边缘，包括：对于任意一个边缘，若边缘上任意一个像素点的污渍概率大于污渍阈值，则判定像素点为污渍闭合边缘像素点，否则，判定像素点不为污渍闭合边缘像素点；利用边缘跟踪算法，遍历叶片表面灰度图像中的所有污渍闭合边缘像素点，获得各个待选污渍闭合边缘；对于任意一个待选污渍闭合边缘，通过相交判断，判断待选污渍闭合边缘是否存在边缘重合，若重合，则标记重合边缘；在利用射线法判断待选污渍闭合边缘上的任意一个像素点与其他待选污渍闭合边缘的内外关系时，检查射线路径上是否与已标记的重合边缘产生交点，若产生交点，则换个方向引入射线，直至和重合边缘不存在交点；统计待选污渍闭合边缘上的该像素点与其他待选污渍闭合边缘相交时的交点数量，若交点数量为偶数，则判定待选污渍闭合边缘为污渍闭合边缘；若交点数量为奇数，则舍弃待选污渍闭合边缘。
[0008]进一步地，根据各个污渍闭合边缘内每个像素点的污渍概率和位置，确定各个污渍闭合边缘内每个像素点的第一污染程度，包括：在任意一个污渍闭合边缘上任选一个像素点为目标点，以目标点为原点构建坐标系，做过原点的所有直线；根据污渍闭合边缘上每个像素点的坐标位置，计算直线与污渍闭
合边缘相交的两个交点之间的距离，获得目标点对应的最大距离值和最小距离值；确定坐标系的两个坐标轴与污渍闭合边缘的四个轴边交点，计算目标点与各个轴边交点之间的距离；根据目标点对应的最大距离值和最小距离值、目标点与各个轴边交点之间的距离以及各个轴边交点的污渍概率，确定污渍闭合边缘上目标点的第一污染程度。
[0009]进一步地，所述第一污染程度的计算公式为：式中，为目标点的第一污染程度，j为轴边交点的序号，为目标点与第j个轴边交点之间的距离，为目标点对应的最小距离值，为目标点对应的最大距离值，为第j个轴边交点的污渍概率。
[0010]进一步地，根据灰度游程矩阵确定各个污渍闭合边缘内每个像素点的第二污染程度，包括：对每个污渍闭合边缘对应的灰度游程矩阵进行聚类，获得每个污渍闭合边缘的目标聚类簇对应的灰度级范围；其中，所述目标聚类簇为游程长度最大的聚类簇；对于任意一个污渍闭合边缘，选取污渍闭合边缘内属于目标聚类簇对应的灰度级范围的像素点为中心，构建预设尺寸的局部窗口区域；根据局部窗口区域内中心像素点的灰度值、所有像素点的灰度均值以及中心像素点的局部纹理特征值，确定局部窗口区域内中心像素点的局部混乱程度，将所述局部混乱程度确定为中心像素点的第二污染程度。
[0011]进一步地，根据局部窗口区域内中心像素点的灰度值、所有像素点的灰度均值以及中心像素点的局部纹理特征值，确定局部窗口区域内中心像素点的局部混乱程度，包括：计算中心像素点的灰度值和所有像素点的灰度均值的比值，利用对数函数对所述比值进行数据处理，将数据处理后的比值的绝对值确定为中心像素点的第一混乱因子；将中心像素点的局部纹理特征值确定为第二混乱因子；将第一混乱因子和第二混乱因子的乘积确定为中心像素点的局部混本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的吹风机电机运行故障检测方法，其特征在于，包括以下步骤：获取待检测吹风机电机的叶片表面灰度图像，对叶片表面灰度图像进行边缘检测获得各个边缘；根据各个边缘上每个像素点的灰度值、曲率和梯度幅值，确定各个边缘上每个像素点的污渍概率；根据污渍概率确定各个污渍闭合边缘；根据各个污渍闭合边缘内每个像素点的污渍概率和位置，确定各个污渍闭合边缘内每个像素点的第一污染程度；获取各个污渍闭合边缘对应的灰度游程矩阵，根据灰度游程矩阵确定各个污渍闭合边缘内每个像素点的第二污染程度；根据各个污渍闭合边缘内每个像素点的第一污染程度和第二污染程度、原始裂纹显著值，确定各个污渍闭合边缘内每个像素点对应的新的裂纹显著值；利用新的裂纹显著值，判断待检测吹风机电机的叶片中是否存在裂纹；若存在裂纹，则根据裂纹在叶片表面灰度图像中的占比，判断待检测吹风机电机是否发生故障。2.根据权利要求1所述的一种基于人工智能的吹风机电机运行故障检测方法，其特征在于，根据各个边缘上每个像素点的灰度值、曲率和梯度幅值，确定各个边缘上每个像素点的污渍概率，包括：在任意一个边缘上任选一个像素点为选定像素点，以选定像素点为起始点，在选定像素点所属边缘上按照预设方向选取预设数目个连续像素点，组成选定像素点对应的像素点集合；计算选定像素点对应的像素点集合中所有像素点的梯度幅值均值；根据选定像素点和选定像素点的下一个像素点的灰度值、选定像素点对应的像素点集合中每个像素点的曲率和梯度幅值、以及所述梯度幅值均值，确定选定像素点的污渍概率。3.根据权利要求2所述的一种基于人工智能的吹风机电机运行故障检测方法，其特征在于，所述选定像素点的污渍概率的计算公式为：式中，L为选定像素点的污渍概率，为选定像素点的灰度值，为选定像素点的下一个像素点的灰度值，i为选定像素点对应的像素点集合中每个像素点的序号，N为选定像素点对应的像素点集合中的像素点个数，为选定像素点对应的像素点集合中第i+1个像素点的曲率，为选定像素点对应的像素点集合中第i个像素点的曲率，为选定像素点对应的像素点集合中第i个像素点的梯度幅值，为选定像素点对应的像素点集合中所有像素点的梯度幅值均值，为求绝对值函数，Norm为归一化函数。4.根据权利要求1所述的一种基于人工智能的吹风机电机运行故障检测方法，其特征在于，根据污渍概率确定各个污渍闭合边缘，包括：对于任意一个边缘，若边缘上任意一个像素点的污渍概率大于污渍阈值，则判定像素
点为污渍闭合边缘像素点，否则，判定像素点不为污渍闭合边缘像素点；利用边缘跟踪算法，遍历叶片表面灰度图像中的所有污渍闭合边缘像素点，获得各个待选污渍闭合边缘；对于任意一个待选污渍闭合边缘，通过相交判断，判断待选污渍闭合边缘是否存在边缘重合，若重合，则标记重合边缘；在利用射线法判断待选污渍闭合边缘上的任意一个像素点与其他待选污渍闭合边缘的内外关系时，检查射线路径上是否与已标记的重合边缘产生交点，若产生交点，则换个方向引入射线，直至和重合边缘不存在交点；统计待选污渍闭合边缘上的该像素点与其他待选污渍闭合边缘相交时的交点数量，若交点数量为偶数，则判定待选污渍闭合边缘为污渍闭合边缘；若交点数量为奇数，则舍弃待选污渍闭合边缘。5.根据权利要求1所述的一种基于人工智能的吹风机电机运行故障检测方法，其特征在于，根据各个污渍闭合边缘内每个像素点的...

【专利技术属性】
技术研发人员：李坚，
申请(专利权)人：深圳市智祥源科技有限公司，
类型：发明
国别省市：