基于红外热像的带式输送机关键部件自动识别方法技术

本发明专利技术公开了一种基于红外热像的带式输送机关键部件自动识别方法，对采集的带式输送机红外图像采用双边滤波和分段线性变换算法进行预处理；采用改进的区域生长法进行图像分割；提取Zernike矩作为带式输送机关键部件目标分类的形状特征向量，提取熵和对比度作为带式输送机关键部件目标分类的纹理特征向量；设计基于BP神经网络的分类器，利用提取的形状特征和纹理特征完成对带式输送机关键部件红外图像的分类与识别。本发明专利技术融合红外热成像技术、计算机技术、图像处理及识别技术，能够自动识别出带式输送机红外监测图像中的关键部件，为煤矿井下带式输送机的故障预警提供必要的技术支持，对于保障带式输送机安全运行有着重要的意义。

【技术实现步骤摘要】

本专利技术属于矿用设备运行状态监测领域，尤其涉及一种基于红外热像的带式输送机关键部件自动识别方法。
技术介绍
带式输送机的安全运行是关系到煤矿安全生产的重大问题，因此带式输送机运行状态监测非常必要。由于带式输送机关键的诸多故障都以温度异常表现出来，因此利用红外热成像技术，可以在不取样、不解体、不停电的状况下对带式输送机进行热故障的诊断分析，快速、便捷的对带式输送机电机、托辊、滚筒等关键部件的热故障进行判断，但只有在红外热图像上识别出带式输送机电机、托辊、滚筒,才有可能对其依据相应的诊断规则进行具体诊断。因此，实现带式输送机关键部件的识别是实现带式输送机故障诊断与预警的前提。目前,采用红外图像技术识别带式输送机关键部件,国内尚属先例，仅有一些带式输送机红外图像的初步研究，并且很多是在实验室环境下进行的,并没有考虑视角和背景等因素,因此研究实际监测系统中带式输送机红外图像的自动识别方法具有非常重要的实用价值。利用形状特征Zernike矩可以在目标发生平移、旋转、尺度变化时取得较好的识别效果。形状特征Zernike矩对于获取的目标轮廓为完整封闭轮廓有效，但如果拍摄角度获取的部件有部分遮挡，仅利用形状特征对关键部件进行识别就存在很大的不准确性，与可见光图像相比，红外图像提供的纹理信息较少，但随着红外成像技术的逐步成熟，采集的红外图像精度得到了较大的提高，为红外图像的纹理特征分析提供了可能。因此本专利技术结合形状特征和纹理特征识别红外监测图像中带式输送机关键部件。
技术实现思路
针对
技术介绍
中提到的现有带式输送机红外图像处理方法大都是在实验室环境下研究的，很难满足现场工程实际需要的问题，本发明的目的是提供了一种基于红外热像的带式输送机关键部件的自动识别方法，能够自动识别出带式输送机红外监测图像中的关键部件电机、托辊、滚筒，为煤矿井下带式输送机的故障预警提供必要的技术支持。本专利技术的技术方案是：一种基于红外热像的带式输送机关键部件的自动识别方法，其特征在于，所述方法具体包括以下步骤：步骤1：首先对带式输送机红外图像进行预处理；步骤2：采用改进的区域生长算法，对预处理后的带式输送机关键部件的红外图像进行图像分割，为后续关键部件的特征提取做准备工作；步骤3：在对带式输送机关键部件红外图像分割的基础上，提取带式输送机关键部件目标分类的形状特征向量和纹理特征向量；步骤4：设计基于BP神经网络的分类器，利用步骤3提取的形状特征和纹理特征完成带式输送机关键部件红外图像的识别。其中所述预处理的过程为：对采集的带式输送机红外图像采用双边滤波算法进行去噪，消除红外图像中的条纹噪声；对去噪后的带式输送机红外图像进行分段线性变换，增强关键部件和背景的对比度。其中所述采用改进的区域生长算法对带式输送机红外图像进行图像分割的过程为：步骤(1)提取带式输送机红外图像中温度最高点，作为种子像素；步骤(2)计算获取已生长区域像素均值及标准方差，作为衡量灰度一致性的特征量；步骤(3)采用一维最大类间方差法获得最佳分割阈值，将生长点灰度均值小于最佳分割阈值作为生长规则的约束条件；步骤(4)若当前像素点的8邻域灰度均值与种子像素接近，且小于最佳分割阈值，则当前像素点视为通过了一致性测试，将其并入到生长区域，并更新，反复执行步骤(2)～步骤(4)，直到无法生长为止，完成带式输送机关键部件的图像分割。其中所述提取带式输送机关键部件目标分类的特征向量的过程为：提取在对带式输送机关键部件红外图像分割的基础上，提取Zernike矩作为带式输送机关键部件目标分类的形状特征向量；提取熵和对比度作为带式输送机关键部件目标分类的纹理特征向量；其中所述设计基于BP神经网络的分类器，利用提取的形状特征和纹理特征完成带式输送机关键部件红外图像的识别的过程为：步骤(1)BP神经网络初始化。包括最大迭代次数、期望最小误差、学习速率以及BP神经网络各层权值和阈值。步骤(2)用特征训练样本对神经网络进行训练。输入训练样本向量和期望输出向量；计算样本输出向量和网络误差；计算每层误差变化，以及各个权值的修正量、阈值的修正量，从而获得修正后的权值和阈值；重复步骤(2)，直到输出误差小于期望误差或达到最大迭代次数。步骤(3)使用训练好的BP神经网络对带式输送机关键部件进行分类。本专利技术的有益效果是,能准确识别出红外监测图像中的带式输送机关键部件,为带式输送机关键部件的故障诊断和预警提供必要的技术支持,具有显著的经济效益和较高的工程应用价值。附图说明图1是本专利技术自动识别方法的流程图。图2是本专利技术图像分割的流程图。具体实施方式下面结合附图，对优选实施例作详细说明，应该强调的是下述说明仅仅是示例性的,而不是为了限制本专利技术的范围及其应用。带式输送机关键部件是指电机、托辊和滚筒。如图1所示，一种基于红外热像的带式输送机关键部件自动识别方法，包括以下步骤：步骤(1)对采集的带式输送机红外图像进行去噪，采用适用于带式输送机红外图像的预处理算法双边滤波，可以有效的消除带式输送机红外图像中的条纹噪声；步骤(2)对去噪后的带式输送机红外图像进行分段线性变换，增强关键部件和背景的对比度；步骤(3)提取带式输送机红外图像中温度最高点，作为种子像素；步骤(4)计算获取已生长区域像素均值及标准方差，作为衡量灰度一致性的特征量；步骤(5)采用一维最大类间方差法获得最佳分割阈值，将生长点灰度均值小于最佳分割阈值作为生长规则的约束条件；步骤(6)若当前像素点的8邻域灰度均值与种子像素接近，且小于最佳分割阈值，则当前像素点视为通过了一致性测试，将其并入到生长区域，并更新，反复执行步骤(4)～步骤(6)，直到无法生长为止，完成带式输送机关键部件的图像分割；步骤(7)在对带式输送机关键部件红外图像分割的基础上，提取Zernike矩作为带式输送机关键部件目标分类的形状特征向量；提取熵和对比度作为带式输送机目标分类的纹理特征向量；步骤(8)BP神经网络初始化：包括最大迭代次数、期望最小误差、学习速率以及BP神经网络各层权值和阈值；步骤(9)用关键部件的形状特征和纹理特征向量构成的特征训练样本对BP神经网络进行训练，输入训练样本向量和期望输出向量；计算样本本文档来自技高网...

【技术保护点】
一种基于红外热像的带式输送机关键部件自动识别方法，其特征在于包括以下步骤：步骤1：对带式输送机关键部件的红外图像进行预处理；步骤2：采用改进的区域生长算法，对预处理后的带式输送机关键部件的红外图像进行图像分割，为后续带式输送机关键部件的特征提取做准备工作；步骤3：在对带式输送机带式输送机的红外图像分割的基础上，提取带式输送机关键部件的目标分类特征；步骤4：设计基于BP神经网络的分类器，利用步骤3提取的目标分类特征完成带式输送机关键部件的分类识别。

【技术特征摘要】
1.一种基于红外热像的带式输送机关键部件自动识别方法，其特
征在于包括以下步骤：
步骤1：对带式输送机关键部件的红外图像进行预处理；
步骤2：采用改进的区域生长算法，对预处理后的带式输送机关
键部件的红外图像进行图像分割，为后续带式输送机关键部件的特征
提取做准备工作；
步骤3：在对带式输送机带式输送机的红外图像分割的基础上，
提取带式输送机关键部件的目标分类特征；
步骤4：设计基于BP神经网络的分类器，利用步骤3提取的目
标分类特征完成带式输送机关键部件的分类识别。
2.根据权利要求1所述的一种基于红外热像的带式输送机关键部
件自动识别方法，其特征在于，步骤1带式输送机红外图像进行预处
理的过程为：
步骤(1)对采集的带式输送机红外图像进行去噪，采用适用于
带式输送机红外图像的预处理算法双边滤波，可以有效的消除带式输
送机红外图像中的条纹噪声；
步骤(2)对去噪后的带式输送机红外图像进行分段线性变换，
增强关键部件和背景的对比度。
3.根据权利要求1所述的一种基于红外热像的带式输送机关键
部件自动识别方法，其特征在于，步骤2图像分割的过程为：
步骤(1)提取带式输送机红外图像中温度最高点，作为种子像
素；
步骤(2)计算获取已生长区域像素均值及标准方差，作为衡量
灰度一致性的特征量；
步骤(3)采用一维最大类间方差法获得最佳分割阈值，将生...

【专利技术属性】
技术研发人员：马宏伟，杨文娟，张旭辉，毛清华，曹现刚，王川伟，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西;61