基于人工智能的润滑油杂质污染检测方法、装置

专利主权项内容

1.一种基于人工智能的润滑油杂质污染检测方法，其特征在于，所述方法包括：采集润滑油图像获得连续帧图像；对所述连续帧图像进行图像差分，获得差分图像和第一杂质像素点；对第一杂质像素点进行第一次DBSCAN密度聚类，确定初始聚类簇；对初始聚类簇沿着润滑油运动的相反方向进行像素搜索，获得邻域像素点；分析所述邻域像素点位置关系判断获得第二聚类半径；根据所述第二聚类半径再次对差分图像的第一杂质像素点进行DBSCAN密度聚类，获得多个第二聚类簇；分析所述第二聚类簇中的所有像素点，去除噪音像素点保留第二杂质像素点，获得杂质图像；对初始聚类簇沿着润滑油运动的相反方向进行像素搜索，获得邻域像素点，包括：基于润滑油中杂质运动模型对初始聚类簇中的疑似杂质像素点进行分析，获得杂质的运动方向；将杂质的运动方向进行层次聚类，多次迭代直至获得预设的3个迭代聚类簇；分别对3个迭代聚类簇进行主成分分析，获得3个迭代聚类簇的主成分方向；沿着3个主成分方向的反方向进行像素搜索，找寻满足该方向上的像素点，获得邻域像素点；基于润滑油中杂质运动模型对初始聚类簇中的疑似杂质像素点进行分析，获得杂质的运动方向，包括：将润滑油的运动方向选定作为主方向；计算初始聚类簇中两两像素点之间的方向与主方向的差值，其计算公式为，其中/>表示第/>个连接方向与主方向的差值，/>表示第/>个连接方向，/>表示主方向；判断是否大于第三预设阈值，如果是，将该方向剔除，获得杂质的运动方向；分析所述邻域像素点位置关系判断获得第二聚类半径，包括：根据邻域像素点之间的位置关系判断初始聚类簇的延伸方向上第点为该聚类簇的点的可能程度，其计算公式如下：式中，表示第/>个初始聚类簇的延伸方向上第/>点为该聚类簇的点的可能程度，表示第/>个像素点到任意主成分方向/>的最小距离/>，/>表示该点距离初始聚类簇的中第/>个像素点的最小距离；判断是否小于第四预设阈值，如果是，判断该点为第二聚类簇内的像素点；根据初始聚类簇中像素点及包含延伸像素点的位置关系来确定第二聚类半径，其计算公式如下：式中，表示第二聚类半径，/>表示在获得的初始聚类簇及包含延伸点的局部范围内任意两个像素点之间的距离；分析所述第二聚类簇中的所有像素点，去除噪音像素点保留第二杂质像素点，获得杂质图像，包括：选择5张连续帧图像，相邻连续帧图像进行图像差分和像素点标记，然后获得每一个标记像素点的运动轨迹，根据运动轨迹的变化来获得杂质像素点的置信度，其计算公式如下：式中，表示第/>个第二聚类簇中第/>个像素点为杂质像素点的置信度，/>表示第/>个标记像素点在第/>帧差分图像中的运动方向，/>表示杂质运动模型中的任意主成分方向，表示在第/>个标记像素点在第/>帧差分图像中于主成分方向的差值，表示差值的最小值，因为会存在三个运动方向，因此这里选取差值的最小值才能够找最符合杂质运动轨迹的方向，3表示五张图像有四张差分图像，存在三个运动方向；判断是否小于第五预设阈值，如果是，保留该像素点为第二杂质像素点；否则，去除该像素点，获得杂质图像。