一种油液颗粒度计数器自动检测方法与系统与流程

本发明涉及油液颗粒度检测领域，尤其涉及一种油液颗粒度计数器自动检测方法与系统。

背景技术：

1、随着技术的进步，制造业日益发达，导致用油设备系统故障的频率不断增加。目前，这些故障占污染相关故障总数的 60%~70%，因此油液监测技术显得越来越重要，这项技术是将采集到的设备用油或工作介质，使用光学、电学、磁学等分析技术分析其物理和化学性质，目的是检测油液的磨损情况和污染程度。油液监测技术中的物理化学性质分析主要是测量油液的颗粒大小，即单位体积油液中固体颗粒污染物的含量。不同粒径的颗粒造成的设备损坏类型是不同的，而且油液中的固体颗粒污染物存在遮挡现象，导致油液颗粒度计数存在更大难度，针对该问题，本发明提出一种油液颗粒度计数器自动检测方法与系统，通过多尺度特征融合有效改善了由颗粒尺寸变化等因素造成的计数精度低的问题。

技术实现思路

1、有鉴于此，本发明提供一种油液颗粒度计数器自动检测方法，目的在于：1）根据油液图像中油液颗粒的亮度特性，提取油液图像中像素的亮度分量，并采用指数映射的方式将亮度分量映射到0~255区间，并采用拉伸变换的方式，对过曝光或曝光不足的油液图像进行亮度修正，实现能够更为准确表征油液颗粒亮度变换的油液特征图提取，进而提取在不同尺度下油液颗粒的特征，实现不同尺度油液颗粒的特征融合，得到多尺度融合油液特征图；2）采用混合空洞卷积的方式对多尺度融合特征图进行处理，补充特征图中的特征信息，并采用结合亮度梯度以及亮度融合特征的方式生成表征油液颗粒位置分布的油液密度图，结合油液颗粒位置分布的密度函数进行回归计数，实现基于油液图像的单位体积油液的油液颗粒度自动检测计数。

2、为实现上述目的，本发明提供的一种油液颗粒度计数器自动检测方法，包括以下步骤：

3、s1：对单位体积油液进行摊平并采集油液图像，对油液图像依次进行预处理以及特征提取处理，得到油液特征图；

4、s2：构造多尺度特征融合模型对油液特征图进行多尺度融合处理，生成多尺度融合油液特征图，所述多尺度特征融合模型以油液特征图为输入，以多尺度融合油液特征图为输出；

5、s3：对多尺度融合特征图进行解码处理，得到油液密度图，其中混合空洞卷积为所述解码操作的主要实施方法；

6、s4：对解码得到的油液密度图逐像素进行回归计数，得到单位体积油液的颗粒度总数。

7、作为本发明的进一步改进方法：

8、可选地，所述s1步骤中对单位体积油液进行摊平并采集油液图像，包括：

9、获取单位体积的油液，并将单位体积油液摊平均匀放置于油液颗粒度计数器表面，利用油液颗粒度计数器的摄像设备采集油液图像。

10、可选地，所述s1步骤中对油液图像依次进行预处理以及特征提取得到油液特征图，包括：

11、对油液图像进行特征提取得到油液特征图，其中油液图像的油液特征图的提取流程为：

12、s11：提取油液图像中任意像素的亮度分量；

13、；

14、；

15、其中：

16、表示油液图像中第x行第y列的像素，，n表示油液图像的像素行数，m表示油液图像的像素列数；

17、分别表示像素在rgb颜色空间的颜色值；

18、表示像素的色度；

19、s12：对像素的亮度分量进行映射处理，得到亮度分量的映射结果：

20、 ；

21、其中：

22、表示亮度分量的映射结果；在本发明实施例中，亮度分量的映射结果均进行四舍五入取整处理；

23、表示以自然常数为底的指数函数；

24、表示油液图像中所有像素的亮度分量均值；

25、表示油液图像中最大的像素亮度分量，表示油液图像中最小的像素亮度分量；

26、s13：对映射后的亮度分量进行拉伸处理：

27、；

28、；

29、其中：

30、表示亮度分量的拉伸处理结果；

31、表示亮度拉伸系数；

32、表示油液图像中映射后的亮度分量为i的像素数目；

33、s14：将像素拉伸处理后的亮度分量构成预处理后的油液图像像素矩阵：

34、；

35、其中：

36、表示油液图像的油液图像像素矩阵；

37、s15：对油液图像像素矩阵进行特征提取，得到油液图像的油液特征图f。

38、可选地，所述s15步骤中对油液图像像素矩阵进行特征提取，包括：

39、s151：使用连续3个像素大小的卷积核对油液图像像素矩阵进行连续卷积处理，利用relu函数对连续卷积处理结果进行激活函数处理，得到油液图像像素矩阵的卷积特征图；

40、s152：对卷积特征图进行最大池化处理，得到最大池化处理结果；

41、s153：使用连续3个像素大小的卷积核对最大池化处理结果进行连续卷积处理，利用relu函数对连续卷积处理结果进行激活函数处理，得到油液图像的油液特征图f。

42、可选地，所述s2步骤中构造多尺度特征融合模型对油液特征图进行多尺度融合处理，生成多尺度融合油液特征图，包括：

43、构造多尺度特征融合模型对油液特征图f进行多尺度融合处理，生成多尺度融合油液特征图，所述多尺度特征融合模型以油液特征图为输入，以多尺度融合油液特征图为输出，其中多尺度特征融合模型包括输入层、多尺度特征提取层以及融合层，输入层用于接收油液特征图，多尺度特征提取层用于对油液特征图进行多尺度采样提取，得到多尺度油液特征图，融合层用于对多尺度油液特征图进行融合处理，得到多尺度融合油液特征图；

44、利用多尺度特征融合模型对油液特征图f进行多尺度融合处理的流程为：

45、s21：输入层接收油液特征图f，并将油液特征图f发送到多尺度特征提取层；

46、s22：多尺度特征提取层将油液特征图f分别进行步长的池化操作，其中四个步长的池化结果依次为；

47、利用像素大小的卷积核对四个步长的池化结果进行卷积操作，并使用双线性插值算法对卷积后的池化结果进行不同采样尺度的上采样处理，使得采样后的池化结果尺寸与油液特征图f的尺寸一致，得到四个步长的多尺度油液特征图；

48、s23：融合层对多尺度油液特征图进行融合处理，其中融合处理公式为：

49、；

50、；

51、其中：

52、表示步长为u的多尺度油液特征图的权重；

53、表示多尺度融合油液特征图。

54、可选地，所述s3步骤中对多尺度融合特征图进行解码处理，包括：

55、对多尺度融合特征图进行解码处理，得到油液密度图，其中多尺度融合特征图的解码流程为：

56、s31：对多尺度融合特征图中的每个特征点进行双尺度的多层空洞卷积处理，使得空洞卷积处理后多尺度融合特征图的尺寸与油液图像像素矩阵的尺寸相同，其中多尺度融合特征图中任意第p行第q列特征点的空洞卷积处理公式为：

57、；

58、其中：

59、r表示空洞率；

60、分别表示两种尺度下空洞卷积处理的总层数；

61、表示特征点经第d层空洞卷积以及第e层空洞卷积处理后的结果；

62、表示第d层空洞卷积以及第e层空洞卷积处理的权重参数；

63、表示特征点的空洞卷积处理结果；

64、s32：对以及进行乘积处理，得到乘积结果k：

65、；

66、其中：

67、；

68、s33：计算中任意元素的梯度，其中的梯度计算公式为：

69、；

70、其中：

71、表示的梯度；表示中第x行第y列的元素；

72、s34：若大于预设的阈值，则将k中的位置标记为1，作为油液颗粒点，并将以为中心的元素区域中非中心元素位置标记为0，作为非油液颗粒点，得到油液密度图h，其中油液密度图h中标记为1的元素即为油液颗粒。

73、可选地，所述s4步骤中对解码得到的油液密度图逐像素进行回归计数，得到单位体积油液的颗粒度总数，包括：

74、对解码得到的油液密度图h逐像素进行回归计数，得到单位体积油液的颗粒度总数，其中油液密度图的逐像素回归计数流程为：

75、s41：对于油液密度图h中标记为1的元素，其中表示元素在油液密度图h中的位置，得到k个距离该元素最近且同样标记为1的元素位置集合，并计算得到该元素位置与元素位置集合的位置距离均值dis；

76、s42：对元素的位置进行回归：

77、；

78、其中：

79、表示距离元素最近且同样标记为1的元素位置；

80、表示位置回归结果；

81、表示l1范数；

82、s43：重复步骤s41至s42，若回归后的元素位置在油液密度图h的元素位置范围外，则将对应的元素从油液密度图h中删除；在本发明实施例中，油液密度图h的元素位置范围为；

83、s44：对油液密度图h中标记为1的元素进行计数，计数结果即为单位体积油液的油液颗粒度自动检测计数结果。

84、为了解决上述问题，本发明提供一种油液颗粒度计数器自动检测系统，所述系统包括：

85、油液图像采集模块，用于获取单位体积的油液，并将单位体积油液摊平均匀放置于油液颗粒度计数器表面，利用油液颗粒度计数器的摄像设备采集油液图像；

86、特征提取模块，用于对油液图像依次进行预处理以及特征提取处理，得到油液特征图，利用多尺度特征融合模型对油液特征图进行多尺度融合处理，生成多尺度融合油液特征图；

87、油液颗粒度计数装置，用于对多尺度融合特征图进行解码处理，得到油液密度图，对解码得到的油液密度图逐像素进行回归计数，得到单位体积油液的颗粒度总数。

88、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

89、存储器，存储至少一个指令；

90、通信接口，实现电子设备通信；及处理器，执行所述存储器中存储的指令以实现上述所述的油液颗粒度计数器自动检测方法。

91、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的油液颗粒度计数器自动检测方法。

92、相对于现有技术，本发明提出一种油液颗粒度计数器自动检测方法，该技术具有以下优势：

93、首先，本方案提出一种油液图像处理方式，对油液图像进行特征提取得到油液特征图，其中油液图像的油液特征图的提取流程为：提取油液图像中任意像素的亮度分量：

94、；

95、；

96、其中：表示油液图像中第x行第y列的像素，，n表示油液图像的像素行数，m表示油液图像的像素列数；分别表示像素在rgb颜色空间的颜色值；表示像素的色度；对像素的亮度分量进行映射处理，得到亮度分量的映射结果：

97、；

98、其中：表示亮度分量的映射结果；表示以自然常数为底的指数函数；表示油液图像中所有像素的亮度分量均值；表示油液图像中最大的像素亮度分量，表示油液图像中最小的像素亮度分量；对映射后的亮度分量进行拉伸处理：

99、；

100、；

101、其中：表示亮度分量的拉伸处理结果；表示亮度拉伸系数；表示油液图像：中映射后的亮度分量为i的像素数目；将像素拉伸处理后的亮度分量构成预处理后的油液图像像素矩阵：

102、；

103、其中：表示油液图像的油液图像像素矩阵；对油液图像像素矩阵进行特征提取，得到油液图像的油液特征图f。本方案根据油液图像中油液颗粒的亮度特性，提取油液图像中像素的亮度分量，并采用指数映射的方式将亮度分量映射到0~255区间，并采用拉伸变换的方式，对过曝光或曝光不足的油液图像进行亮度修正，实现能够更为准确表征油液颗粒亮度变换的油液特征图提取，进而提取在不同尺度下油液颗粒的特征，实现不同尺度油液颗粒的特征融合，得到多尺度融合油液特征图。

104、同时，本方案提出一种油液颗粒度计数方法，对多尺度融合特征图中的每个特征点进行双尺度的多层空洞卷积处理，使得空洞卷积处理后多尺度融合特征图的尺寸与油液图像像素矩阵的尺寸相同，其中多尺度融合特征图中任意第p行第q列特征点的空洞卷积处理公式为：

105、；

106、其中：r表示空洞率；分别表示两种尺度下空洞卷积处理的总层数；表示特征点经第d层空洞卷积以及第e层空洞卷积处理后的结果；表示第d层空洞卷积以及第e层空洞卷积处理的权重参数；表示特征点的空洞卷积处理结果；对以及进行乘积处理，得到乘积结果k：

107、；

108、其中：；计算k中任意元素的梯度，其中的梯度计算公式为：

109、；

110、其中：表示的梯度；表示k中第x行第y列的元素；若大于预设的阈值，则将k中的位置标记为1，作为油液颗粒点，并将以为中心的元素区域中非中心元素位置标记为0，作为非油液颗粒点，得到油液密度图h，其中油液密度图h中标记为1的元素即为油液颗粒。本方案采用混合空洞卷积的方式对多尺度融合特征图进行处理，补充特征图中的特征信息，并采用结合亮度梯度以及亮度融合特征的方式生成表征油液颗粒位置分布的油液密度图，结合油液颗粒位置分布的密度函数进行回归计数，实现基于油液图像的单位体积油液的油液颗粒度自动检测计数。