System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及润滑油图像气泡检测,具体涉及一种基于图像处理的润滑油油质智能检测方法。
技术介绍
1、润滑油在搅拌、泵送或油罐的搬运过程中,润滑油容易受到机械作用和剪切力的缘故,使得空气被带入到油液中,从而形成气泡。而气泡的存在占据了部分摩擦副表面之间的接触区域,会降低润滑油膜的稳定性和厚度,从而减弱润滑油的润滑效果。因此在实际情况中,经常会采集润滑油图像,并对润滑油图像中的气泡进行检测。
2、在采集润滑油图像时,由于油面处于平整的情况下,光线从不同的角度照射在润滑油表面时,部分光线会被反射回来,这些反射的光线聚集在一起,会形成反光区域。反光区域的存在可能会导致润滑油图像中部分区域之间的灰度对比度发生较大变化,使得气泡区域的边界变得模糊或者不连续,从而无法准确地分割和检测润滑油图像中的气泡区域。
技术实现思路
1、为了解决润滑油受到光照影响,导致润滑油图像中部分区域之间的灰度对比度发生较大变化,使得气泡区域的边界变得模糊或者不连续,从而无法准确地分割和检测润滑油图像中的气泡区域的技术问题,本专利技术的目的在于提供一种基于图像处理的润滑油油质智能检测方法,所采用的技术方案具体如下:
2、一种基于图像处理的润滑油油质智能检测方法,所述方法包括:
3、获取润滑油图像;
4、对所述润滑油图像均匀划分,获得所述润滑油图像的所有待检测区域;根据每个所述待检测区域的灰度混乱程度与每个所述待检测区域内边缘像素点的梯度变化特征,获得每个所述待检测区域的气
5、根据每个所述待检测区域与每个其他待检测区域的位置分布与气泡表现程度,获得每个其他待检测区域灰度特征的参考价值系数;根据每个其他待检测区域的灰度特征与所述参考价值系数,获得每个其他待检测区域的参考灰度特征;根据每个所述待检测区域的灰度特征与每个其他待检测区域的参考灰度特征,获得每个所述待检测区域的区域灰度可信度;根据每个所述待检测区域的灰度分布特征、边缘离散程度与所述区域灰度可信度,获得每个所述待检测区域的光线反射程度;
6、利用每个所述待检测区域的所述气泡表现程度与所述光线反射程度,对每个所述待检测区域的预设平滑系数进行修正,获得自适应平滑系数;
7、根据所述自适应平滑系数对所述润滑油图像中的气泡缺陷进行检测。
8、进一步地,所述灰度混乱程度的获取方法包括:
9、在每个待检测区域内,将每个像素点灰度值与待检测区域内灰度值均值之间的差异进行累加求和,获得每个待检测区域内的灰度混乱程度。
10、进一步地,所述梯度变化特征的获取方法包括:
11、获取每个所述待检测区域内的所有边缘像素点与每个边缘像素点的梯度变化方向;将每个边缘像素点的梯度变化方向与同一水平方向的夹角作为每个边缘像素点的梯度参考夹角;
12、将每种梯度参考夹角的数量进行累加求和,获得每个所述待检测区域内的所有边缘像素点的梯度变化特征。
13、进一步地,所述气泡表现程度的获取方法包括:
14、将每个待检测区域内所有边缘像素点的梯度变化特征进行负相关映射并归一化处理,获得梯度变化系数;
15、将每个待检测区域内所述梯度变化系数与所述灰度混乱程度的乘积作为每个待检测区域内的气泡表现程度。
16、进一步地,所述参考价值系数的获取方法包括:
17、将任意一个所述待检测区域作为目标区域;
18、计算所述目标区域与每个其他待检测区域之间的位置距离;
19、将所述目标区域与每个其他待检测区域之间的所述位置距离与气泡表现程度差异之间的乘积,进行负相关映射归一化处理,获得每个其他待检测区域灰度特征的参考价值系数。
20、进一步地,所述参考灰度特征的获取方法包括:
21、在所述润滑油图像中,将所述目标区域的每个其他所述待检测区域的灰度值均值与参考价值系数之间的乘积作为每个其他所述待检测区域的参考灰度特征。
22、进一步地,所述区域灰度可信度的获取方法包括:
23、将所述目标区域内的灰度值均值与每个其他所述待检测区域内的参考灰度特征之间的差值累加求和,获得所述目标区域的区域灰度可信度;
24、遍历每个目标区域,获得所有待检测区域的所述区域灰度可信度。
25、进一步地,所述光线反射程度的获取方法包括:
26、将每个待检测区域内每两个相邻边缘像素点之间的连线与同一水平方向的夹角度数的方差进行负相关映射,获得每个待检测区域的所述边缘离散程度;
27、将每个待检测区域内的灰度值均值、所述边缘离散程度与所述区域灰度可信度之间的乘积,作为每个待检测区域的光线反射程度。
28、进一步地,所述自适应平滑系数的获取方法包括:
29、将每个所述待检测区域的所述气泡表现程度与所述光线反射程度之间的乘积进行负相关映射并归一化处理,获得每个所述待检测区域的平滑尺度;
30、预设所述润滑油图像所有待检测区域的初始平滑系数;将每个所述待检测区域的所述初始平滑系数与所述平滑尺度之间的乘积,作为每个所述待检测区域的自适应平滑系数。
31、进一步地,根据所述自适应平滑系数对所述润滑油图像中的气泡缺陷进行检测,包括:
32、利用所述自适应平滑系数,通过马尔可夫随机场算法对所述润滑油图像中的每个所述待检测区域进行图像分割,获得所述润滑油图像中的气泡区域与非气泡区域的图像分割结果;
33、对所述图像分割结果进行后处理,获得气泡区域检测结果。
34、本专利技术具有如下有益效果:
35、本专利技术获取润滑油图像;由于气泡区域在润滑油图像中可能并不均匀,对润滑油图像均匀划分,获得润滑油图像的所有待检测区域;由于气泡区域分布并不规律,且气泡区域的边缘像素点的梯度变化方向几乎完全不同,所以根据每个待检测区域的灰度混乱程度与每个待检测区域内边缘像素点的梯度变化特征,获得每个待检测区域的气泡表现程度;根据每个待检测区域与每个其他待检测区域的位置分布与气泡表现程度,获得每个其他待检测区域灰度特征的参考价值系数,反映了两个待检测区域受到光照影响的相关性;根据每个其他待检测区域的灰度特征与参考价值系数,获得每个其他待检测区域的参考灰度特征;根据每个待检测区域的灰度特征与每个其他待检测区域的参考灰度特征,获得每个待检测区域的区域灰度可信度,区域灰度可信度能够排除待检测区域内气泡区域的影响,反映了光照对待检测区域造成的影响;由于待检测区域内灰度特征越明显,该待检测区域越有可能受到光照影响且光照区域边缘像素点的梯度变化方向相对于气泡区域更加一致,所以根据每个待检测区域的灰度分布特征、边缘离散程度与区域灰度可信度,获得每个待检测区域的光线反射程度;利用每个待检测区域的气泡表现程度与光线反射程度,对每个待检测区域的预设平滑系数进行修正,获得自适应平滑系数;根据自适应平滑系数对润滑油图像中的气泡缺陷进行本文档来自技高网...
【技术保护点】
1.一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述灰度混乱程度的获取方法包括:
3.根据权利要求1所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述梯度变化特征的获取方法包括:
4.根据权利要求1所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述气泡表现程度的获取方法包括:
5.根据权利要求1所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述参考价值系数的获取方法包括:
6.根据权利要求5所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述参考灰度特征的获取方法包括:
7.根据权利要求5所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述区域灰度可信度的获取方法包括:
8.根据权利要求1所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述光线反射程度的获取方法包括:
9.根据权利要求1所述的一种基于图像处
10.根据权利要求1所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,根据所述自适应平滑系数对所述润滑油图像中的气泡缺陷进行检测,包括:
...【技术特征摘要】
1.一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述灰度混乱程度的获取方法包括:
3.根据权利要求1所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述梯度变化特征的获取方法包括:
4.根据权利要求1所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述气泡表现程度的获取方法包括:
5.根据权利要求1所述的一种基于图像处理的润滑油油质智能检测方法,其特征在于,所述参考价值系数的获取方法包括:
6.根据权利要求5所述的一种基于...
【专利技术属性】
技术研发人员:付涛,赵之玉,郭孟凯,魏金亮,袁长春,陈斌,
申请(专利权)人:卡松科技股份有限公司,
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。