發(fā)布時間：2019-05-25 03:16

【摘要】：針對油液監(jiān)測中鐵譜磨粒圖像分割閾值難以選取的問題,本文提出一種基于差商的自適應(yīng)鐵譜圖像分割算法。首先,將鐵譜磨粒灰度圖像轉(zhuǎn)換成三維灰度直方圖,并對其進(jìn)行切片分析;然后,引入Newton插值多項(xiàng)式,將不同切片所得的頻數(shù)作為切片灰度-頻數(shù)曲線的插值點(diǎn),基于差商構(gòu)造第一類可接受函數(shù)和第二類可接受函數(shù),結(jié)合實(shí)驗(yàn)數(shù)據(jù)確定兩類誤差,選取同時滿足兩類誤差的最小灰度值作為分割閾值;最后,用本文方法對不同類型的磨粒圖像以及添加高斯噪聲和椒鹽噪聲后圖像分別進(jìn)行分割實(shí)驗(yàn),并與經(jīng)典的迭代閾值法、Otsu算法、最大熵法進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明,本文方法受噪聲干擾較小,誤檢率和漏檢率整體優(yōu)于其他3種算法。對分割所得的磨粒圖像進(jìn)行特征提取,并利用支持向量機(jī)進(jìn)行識別,本文方法對3種故障磨粒識別準(zhǔn)確率最高,達(dá)到82.86%,雖在運(yùn)行時間上無明顯優(yōu)勢,但綜合性能最優(yōu),能滿足油液監(jiān)測過程中鐵譜圖像自適應(yīng)分割的需求。
[Abstract]:In order to solve the problem that it is difficult to select the threshold of ferrography abrasive image segmentation in oil monitoring, an adaptive ferrography image segmentation algorithm based on difference quotient is proposed in this paper. Firstly, the gray image of ferrography abrasive particles is converted into three-dimensional gray histogram, and the slice analysis is carried out. Then, the Newton interpolation polynomial is introduced, and the frequency obtained from different slices is taken as the interpolation point of the gray-frequency curve of the slice. The first kind of acceptable function and the second kind of acceptable function are constructed based on the difference quotient, and the two kinds of errors are determined by the experimental data. The minimum gray value which satisfies the two kinds of errors at the same time is selected as the segmentation threshold. Finally, the segmentation experiments of different types of abrasive images and images with Gao Si noise and pepper and salt noise are carried out by using this method, and compared with the classical iterative threshold method, Otsu algorithm and maximum entropy method. The experimental results show that the proposed method is less interfered by noise, and the false detection rate and missed detection rate are better than the other three algorithms as a whole. The feature extraction of the segmented abrasive image is carried out, and the support vector machine is used to identify the abrasive particles. The accuracy of this method is the highest, up to 82.86%. Although there is no obvious advantage in the running time, the comprehensive performance is the best. It can meet the needs of adaptive segmentation of ferrography image in the process of oil monitoring.
【作者單位】： 西安交通大學(xué)智能儀器與監(jiān)測診斷研究所;新疆大學(xué)機(jī)械工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(No.51421004,No.51365051) 教育部新世紀(jì)優(yōu)秀人才支持項(xiàng)目(No.NCET-13-0461)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 詹松,鄭壽森,胡獻(xiàn)國;基于計(jì)算機(jī)圖像分析的鐵譜診斷研究[J];機(jī)電工程技術(shù);2003年03期

2 張菊;鐘新輝;王為奎;畢志蓉;;航空發(fā)動機(jī)鐵譜磨粒圖像的處理研究[J];潤滑與密封;2008年11期

3 柏子游,張勇,虞烈;真彩色鐵譜圖像的色彩壓縮存儲[J];潤滑與密封;1999年03期

4 冼亮,陳大融;鐵譜磨粒數(shù)字特征分析系統(tǒng)[J];清華大學(xué)學(xué)報(自然科學(xué)版);1992年05期

5 張?jiān)茝?qiáng);張培林;王國德;;鐵譜圖像典型磨粒自動提取方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

6 胡建榮;;鐵譜圖像分析在煤礦機(jī)械故障診斷中的應(yīng)用[J];陜西煤炭;2010年04期

7 干敏梁,左洪福,劉玉平,邱根良;滑油鐵譜圖像采集的智能化[J];儀器儀表學(xué)報;1999年03期

8 熊純,鐘新輝,丁志輝;鐵譜圖像自動識別系統(tǒng)的開發(fā)與設(shè)計(jì)[J];長沙航空職業(yè)技術(shù)學(xué)院學(xué)報;2005年01期

9 陶輝;陳閩杰;賀石中;馮偉;;在線鐵譜圖像分析中基于蟻群算法改進(jìn)Otsu的設(shè)計(jì)與應(yīng)用[J];電子設(shè)計(jì)工程;2014年10期

10 劉國光;基于改進(jìn)支持向量機(jī)的磨粒鐵譜識別的研究[J];潤滑與密封;2005年03期

相關(guān)會議論文 前1條

1 馮輔周;靳瑩;甘露;何嘉武;;鐵譜圖像的數(shù)字化特征提取及其分類識別[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 王靜秋;鐵譜圖像分割及磨粒識別關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 向進(jìn);改進(jìn)分水嶺和灰靶理論在鐵譜圖像分析中的研究[D];南京航空航天大學(xué);2016年

2 畢舉;鐵譜圖像磨粒分割評價方法的研究[D];南京航空航天大學(xué);2016年

3 梁松林;基于鐵譜圖像處理技術(shù)的機(jī)械動力系統(tǒng)故障診斷方法研究[D];中北大學(xué);2011年

4 朱江;鐵譜定量分析方法及應(yīng)用研究[D];昆明理工大學(xué);2008年

5 沈如蕓;鐵譜磨粒圖像預(yù)處理與磨粒識別技術(shù)研究[D];昆明理工大學(xué);2008年

6 馮云;基于鐵譜技術(shù)的油液監(jiān)測數(shù)字化研究[D];北京交通大學(xué);2016年

7 邢凡;磨損磨粒彩色鐵譜圖像的識別技術(shù)研究[D];昆明理工大學(xué);2009年

8 陳和平;貴州開磷集團(tuán)鐵譜信息管理系統(tǒng)研究與開發(fā)[D];中南大學(xué);2004年

9 張龍;蟻群算法在鐵譜圖像處理中的應(yīng)用研究[D];南京航空航天大學(xué);2013年

10 夏敏;鐵譜圖像分割質(zhì)量評價方法研究[D];南京航空航天大學(xué);2014年

，

本文編號：2485442