一个用于磨粒图像快速分类的轻量化CNN模型

针对磨粒分析CNN模型存在参数多、运算速度慢、难以实际应用等问题,开展磨粒图像分类CNN模型的轻量化研究。通过分析模型各层的参数量、运算量和剪枝敏感度,确定卷积层4和卷积层5为滤波器剪枝的目标;对卷积层4和5所有滤波器重要性进行计算并排序,以75%的剪枝率去除重要性低的滤波器并重新训练,获得轻量化模型。实验结果表明,轻量化后的模型在保证准确率几乎不降低的情况下实现了磨粒图像的快速分类,其理论参数量和内存占用量均减少50%以上,运算速度提高20%以上。研究结果为CNN模型在便携式、移动式铁谱分析设备上的应用提供参考。

铁谱磨粒图像的计算机纹理分析

利用计算机图像处理技术, 采用灰度共生矩阵方法提取典型磨粒图像的纹理特征参数, 作为判断机械设备故障机理的判据之一。通过正常、滑动、切削、疲劳磨粒灰度共生矩阵纹理分析, 得到熵、能量、惯性矩等参数的范围。

基于背景色彩和PCNN的磨粒图像单通道分割

为有效地从磨粒图像中分离出磨粒区域,根据彩色磨粒图像背景相对单一的特点,提出了一种基于背景色彩和脉冲耦合神经网络(PCNN)的磨粒图像单通道分割方法。首先,利用Otsu算法对磨粒图像进行预分割处理,并计算图像背景色彩的统计特征,以此作为背景的特征色彩矢量;然后,引入综合色距函数,通过计算图像中各像素与背景特征色彩之间的色差,将彩色磨粒图像三通道问题转化成单通道问题;最后,利用简化PCNN对构造的色差矩阵进行分割,从而得到彩色磨粒图像的分割结果。实验结果表明,该方法对含有单个磨粒和多个磨粒的彩色磨粒图像均能进行精确自动分割,是一种比较理想的分割方法。

基于小波和分形提取磨粒图像特征参数的研究

根据小波变换和分形理论在多尺度分析与自相似本质上的一致性,提出了一种提取磨粒图像特征参数的新方法。给出了磨粒图像的小波变换方法和小波变换近似系数的分形维数计算方法,然后对磨粒图像进行了分析,实现了磨粒图像的特征提取。结果表明:小波变换近似系数的分形维数反映了磨粒图像上磨粒尺度及数量,可以作为磨粒图像的综合特征参数。

简化PCNN在磨粒图像颜色特征提取中的应用

提出了一种简化脉冲耦合神经网络(pulse coupled neural network,PCNN)的磨粒图像颜色特征提取方法,将简化PCNN分别作用于RGB磨粒图像的3个颜色分量,利用PCNN的脉冲耦合特性对颜色分量进行二值分解。通过定义图像像素捕获率把PCNN二值图像序列转化为一维时间序列,提取捕获率时间序列的均值、标准差、峰值、能量和熵作为磨粒图像的颜色特征,并将提取的特征输入最小二乘支持向量机(least square support vector machine,LS-SVM)对磨粒进行识别。研究结果表明:与单纯的颜色特征相比,PCNN颜色特征能更好地表达磨粒的颜色特征,平均识别率达到98%。

基于分形理论的磨粒图像定量分析

探讨了分形理论在磨粒图像处理中的应用。首次将Sierpinski分形维数引入磨粒图像的定量分析。对试验所获得的磨粒图像的Sierpinski分形维数分析发现 :磨粒图像Sierpinski分形维数的大小与磨粒尺寸分布和磨粒重叠程度有关。

基于形态谱的磨粒图像特征参数提取方法

为提高磨粒识别的精度,提出一种基于形态谱磨粒图像特征参数提取新方法,给出磨粒图像的归一化形态谱的计算方法,并将磨粒的形态谱作为其特征向量,采用径向基函数神经网络对磨粒进行自动识别。结果表明:利用磨粒的形态谱实现了对球形磨粒、切削磨粒、严重滑动磨粒、疲劳剥块4种典型磨粒的分类识别,磨粒的形态谱可以作为磨粒的有效特征参数。

基于分形特征的磨粒图像分割

磨粒图像分割是磨粒图像分析的关键一步,分割结果的准确性将直接影响磨粒的最终识别和分类。分形理论在表征磨粒的轮廓特征和表面特征方面得到了广泛应用。结合磨粒图像的分形特征和自组织特征映射神经网络,提出基于分形特征的磨粒图像分割方法。首先,计算磨粒图像的分形维数,多重分形维数,结合图像的灰度信息,共得到图像的8个特征;然后,利用自组织特征映射神经网络的自组织、自学习特性,实现磨粒图像的分割。磨粒图像分割的结果表明,该算法是可行的、有效的。

Fisher评价准则下的彩色磨粒图像自动分割

本文针对彩色显微磨粒图像特征 ,选择最大类间方差分割法 ,并对其进行推广以应用于彩色图像分割 .在详细分析各种彩色特征的前提下 ,通过选择合适的正交彩色特征量 I1 、I2 和 I3,成功地进行了两类彩色磨粒图像分割和目标提取 .同时 ,本文提出了基于 Fisher评价准则的彩色特征量自动选取技术 ,通过比较 Fisher准则函数的最大值以实现彩色特征量的自动选取 ,避免了人的主观判断和决定 ,最终实现了彩色磨粒图像的自动分割 .

基于模糊聚类分析的彩色磨粒图像目标提取

运用模糊聚类分析的模糊 C-均值算法 (FCM算法 )。针对两类彩色显微磨粒图像 ,选用适当的正交彩色特征 ,实现了对磨粒目标的有效提取。并考虑在一维分割特征向量情况下 ,通过引入直方图统计特性 ,实现了模糊 C-均值算法的快速运算。本文算法为磨粒识别和机械磨损状态监测及故障诊断提供了可靠的前提。最后 ,分割实验表明了本文方法的简洁有效性。

基于Curvelet变换的发动机磨粒图像多重分形研究

基于Curvelet变换理论,提出了利用多尺度多重分形谱参数表征发动机典型磨粒图像特征的新方法。利用Curvelet变换对磨粒图像进行分解与单尺度重构,获得不同尺度的磨粒子图像。运用多重分形理论对磨粒子图像进行研究,首先计算子图像的多重分形谱,得到磨粒的多尺度多重分形谱;然后提取磨粒的多尺度多重分形谱参数,并探讨多尺度多重分形谱参数与磨粒形态特征的内在联系。将多尺度多重分形谱参数用于典型磨粒识别,识别成功率达到90%。研究结果表明:多尺度多重分形谱能全面反映发动机磨粒的形态特征,不同类型磨粒的多尺度多重分形谱参数有较大差异,可以作为磨粒的新的有效特征参数。

曲波域铁谱磨粒图像特征提取方法研究

曲波变换具有多尺度分析能力,与小波变换相比可更好地表达图像的曲线特征。为有效描述铁谱磨粒的形貌特征,提出一种曲波域图像特征提取方法。利用曲波变换将磨粒图像进行分解,得到不同尺度的曲波系数;根据曲波系数统计分布特点,采用广义高斯分布模型对细尺度和精细尺度曲波系数分布进行建模;提取粗尺度曲波系数的均值、标准差、能量和熵等统计特征,以及细尺度和精细尺度曲波系数的广义高斯分布模型参数描述磨粒特征。将提取的特征用于发动机典型磨粒识别,识别成功率达到了88.9%,表明该方法所提特征能很好地表达铁谱磨粒的形貌特征。

基于小波域双谱分析的磨粒图像多尺度形状特征提取

磨粒图像的形状特征是识别典型磨粒的主要参数,而这些典型的磨粒反映机械设备零部件的运行状态。根据双谱分析不能抑制非高斯噪声干扰的缺点,提出基于小波域双谱分析的磨粒图像多尺度形状特征提取方法。首先对磨粒图像进行小波包多尺度分解,再对低频部分进行重构,达到去噪和磨粒图像多尺度表征的目的。然后采用Radon变换将重构后的图像映射到一组一维投影,对一维信号进行双谱分析,得到双谱不变量特征,作为磨粒图像的多尺度形状特征参数。实验结果表明,该方法能够很好地结合小波包变换和双谱分析的优点,获得的多尺度形状特征参数能够有效地用于磨粒类型识别。

便携式润滑油中磨粒图像采集仪的磁极结构参数分析

基于野外环境对润滑油中磨粒检测的需求,分析各种磨粒检测技术,设计一种采用磁极吸附和CCD传感器相结合获取磨粒图像的便携式润滑油磨粒图像采集仪。为了在有限的仪器结构空间内,获得最佳的磁力吸附效果,使尽可能多的磨粒吸附到CCD传感器的焦平面上,对磁极的结构参数,包括磁极截面积、宽度、厚度,励磁线圈长度、厚度及其与磁极的相对位置等进行分析,获得最佳的磁极尺寸。分析沉积区域的磁场强度变化,发现从回形铁芯到磁极端点,磁场强度在不断增强,直到在磁极与空气的临界面上到达巅峰,随后迅速衰弱,到沉积区域中心后又快速回升,形成一个M型曲线。

利用C++Builder开发磨粒图像识别软件

人工识别磨粒图片是一项繁杂的工作。本文介绍了如何运用计算机软件的图像处理功能编写图像处理软件和进行图像识别,并就其中的一些难点进行了探讨。

利用C＋＋Buidler开发磨粒图像识别软件

人工识别磨粒图片是一项繁杂的工作。本文介绍了如何运用计算机的图像处理功能编写程序和进行图像识别，并对其中的一些难点问题作了探讨。

油液监测技术中磨粒图像处理的研究进展

对油液监测技术中的磨粒图像特点深入分析,在此基础上,总结磨粒图像处理的方法,包括磨粒图像的模糊图像恢复、图像去噪、图像分割、磨粒特征提取。分别阐述了这4种方法在处理磨粒图像时能够达到的实验结果、遇到的一些问题及解决方案,得出在模糊图像恢复和图像去噪的基础上可以更好地完成图像分割,进一步可更好地完成磨粒特征提取,概述了运用这4种方法在机械磨损状态监测中可帮助了解机器的磨损状态、磨损程度、磨损部位、磨损类型等。结合目前的工作进展,总结磨粒图像处理技术的发展进程,提出磨粒图像处理技术仍然是状态监测中一项具有挑战的课题,并对磨粒图像处理技术的各个方向提出相应的展望。

基于图像增强的OLVF反射光磨粒图像分割算法

针对反射光磨粒图像中亮度过高和过暗部分难以识别的问题,提出一种基于图像增强的OLVF(On-Line Visual Ferrograph)反射光磨粒图像分割算法。对原始图像进行背景减操作,大致区分出磨粒部分;利用形态黑帽操作增强反射光磨粒图像,使图像总体亮度均衡。对增强后的图像应用Canny边缘检测操作分割出磨粒,利用Otsu算法获取H-minima校正图像的阈值以消除局部极值干扰。最后,运用膨胀腐蚀开闭操作填充孔洞,实现了OLVF反射光磨粒图像分割,获得了准确、连续的磨粒图像。与其他同类算法相比,该算法有效抑制了反射光影响,更好地保留磨粒图像信息。

小波分析在柴油机润滑油磨粒图像处理中的应用

润滑油的磨粒图像能反映柴油机的磨损状态,但磨粒图像的特征参数提取方法不一.选用不同的小波进行图像处理,得到的结果也存在差异.通过对润滑油的磨粒图像进行多种小波分析,提取出能够反映柴油机磨损程度的特征参数值,指出DB4小波分析获得的参数值更能体现柴油机磨损程度.最后将小波分析处理得出的结论与同油样的油液光谱分析结果对照,表明应用小波分析方法处理磨粒图像具有较高的可靠性.

基于局部形状特征和Bag-of-Feature模型的磨粒图像形状特征提取

以磨粒图像为研究对象,提出了基于局部形状特征和Bag-of-Features模型的磨粒形状特征提取方法。首先构建磨粒区域的骨架,根据骨架端点和分支得到磨粒的轮廓基元和区域基元,不同数量的相邻的轮廓和区域基元组合构成局部轮廓和局部区域,提取局部轮廓和区域的形状特征,两者融合得到磨粒的局部形状特征集合。然后根据Bag-of-Features模型的思想,以训练集所有磨粒样本的局部形状特征集合为基础,构建视觉词典,经过特征编码、特征汇集和归一化,得到磨粒形状特征的编码向量表示。最后根据形状特征的编码向量,采用多级支持向量机的方法对磨粒类型进行识别。实验结果表明,基于提出的磨粒形状特征方法能够有效、准确地识别磨粒类型。