【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鐵譜圖像分割算法。首先,將鐵譜磨�；叶葓D像轉換成三維灰度直方圖,并對其進行切片分析;然后,引入Newton插值多項式,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,基于差商構造第一類可接受函數(shù)和第二類可接受函數(shù),結合實驗數(shù)據確定兩類誤差,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行分割實驗,并與經典的迭代閾值法、Otsu算法、最大熵法進行了比較。實驗結果表明,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行特征提取,并利用支持向量機進行識別,本文方法對3種故障磨粒識別準確率最高,達到82.86%,雖在運行時間上無明顯優(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】： 西安交通大學智能儀器與監(jiān)測診斷研究所;新疆大學機械工程學院;
【基金】：國家自然科學基金資助項目(No.51421004,No.51365051) 教育部新世紀優(yōu)秀人才支持項目(No.NCET-13-0461)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 詹松,鄭壽森,胡獻國;基于計算機圖像分析的鐵譜診斷研究[J];機電工程技術;2003年03期

2 張菊;鐘新輝;王為奎;畢志蓉;;航空發(fā)動機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];清華大學學報(自然科學版);1992年05期

5 張云強;張培林;王國德;;鐵譜圖像典型磨粒自動提取方法研究[J];計算機工程與應用;2013年16期

6 胡建榮;;鐵譜圖像分析在煤礦機械故障診斷中的應用[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)與設計[J];長沙航空職業(yè)技術學院學報;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Otsu的設計與應用[J];電子設計工程;2014年10期

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

相關會議論文 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用學術會議暨第十一屆全國設備故障診斷學術會議論文集[C];2008年

相關博士學位論文 前1條

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

相關碩士學位論文 前10條

1 向進;改進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;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;2016年

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

4 朱江;鐵譜定量分析方法及應用研究[D];昆明理工大學;2008年

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

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

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

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

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

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

，

本文編號：2485442