汽车轴承磨损状态检测方法、设备及存储介质技术

本发明专利技术属于设备维护技术领域，具体涉及汽车轴承磨损状态检测方法、设备及存储介质，汽车轴承磨损状态检测方法，通过采集轴承图像作为基础数据集；针对所述基础数据集进行预处理；并对所述基础数据集进行扩充处理，构建目标数据集；根据所述目标数据集建立图像映射矩阵，获取异常轴承图像；通过缺陷位置映射矩阵对异常轴承图像进行缺陷检测，得到缺陷检测结果。本发明专利技术的技术方案，可以解决模型训练对样本的依赖性问题，以及解决算法的鲁棒性和泛化能力问题，在样本数量较少的情况下的得到的算法也具有较好的识别精度，应用在轴承磨损检测场景中时能够显著提高检测精度。场景中时能够显著提高检测精度。场景中时能够显著提高检测精度。

【技术实现步骤摘要】
汽车轴承磨损状态检测方法、设备及存储介质


[0001]本专利技术属于设备维护
，具体涉及汽车轴承磨损状态检测方法、设备及存储介质。

技术介绍

[0002]轴承是汽车的核心基础零部件之一，轴承工业是国家基础性战略性产业，对国民经济发展和国防建设起着重要的支撑作用。经过几十年持续、快速发展，我国轴承工业已形成独立完整的工业体系，已成为轴承销售额和产量居世界第三位的轴承生产大国，年产量近两百亿套。因此，在轴承检测行业中寻求一种又好又快的检测方法显得尤为重要。
[0003]随着人工智能技术的大规模普及，以相机为传感器的机器视觉系统大量涌现，在工业检测、包装印刷、食品工业等领域得到了广泛的应用。国内轴承生产厂家已有基于机器视觉的检测方法，可以快速的对轴承进行检测，但目前的检测方法存在着对样本的依赖性问题；在训练样本较少的情况下，现有算法的鲁棒性和泛化能力存在问题，对轴承磨损状态的识别精度低。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术提供具有汽车轴承磨损状态检测方法、设备及存储介质，以解决现有技术的检测方法存在着对样本的依赖性问题；在训练样本较少的情况下，现有算法的鲁棒性和泛化能力存在问题，对轴承磨损状态的识别精度低的问题。
[0005]本专利技术其中一方案提供了一种汽车轴承磨损状态检测方法，包括：
[0006]采集轴承图像作为基础数据集；
[0007]针对所述基础数据集进行预处理；
[0008]对所述基础数据集进行扩充处理，构建目标数据集；/>[0009]根据所述目标数据集建立图像映射矩阵，获取异常轴承图像；
[0010]通过缺陷位置映射矩阵对异常轴承图像进行缺陷检测，得到缺陷检测结果。
[0011]在本专利技术其中一个优选方案中，所述针对所述基础数据集进行预处理包括：
[0012]对所述基础数据集进行二维小波多尺度分解；
[0013]对所述基础数据集进行各尺度去噪；
[0014]对所述基础数据集进行小波逆变换。
[0015]在本专利技术其中一个优选方案中，所述对所述基础数据集进行扩充处理包括：
[0016]将所述基础数据集的图像通过预定角度范围的旋转复制，得到扩充后的数据集；
[0017]将所述基础数据集按预定比例划分为训练集、验证集和测试集并输出为目标数据集。
[0018]在本专利技术其中一个优选方案中，所述建立图像映射矩阵包括：
[0019]将所述目标数据集中的图像进行灰度化；
[0020]将所述图像中每行像素的灰度值相加，计算获取第一图像映射矩阵；
[0021]计算所述第一图像映射矩阵的最大值、最小值、平均值以及标准差；
[0022]将所述第一图像映射矩阵进行变换，获取第二图像映射矩阵。
[0023]在本专利技术其中一个优选方案中，所述根据所述目标数据集建立图像映射矩阵还包括：
[0024]查询所述第二图像映射矩阵中的变化的系数是否为常数；
[0025]若所述系数为常数，则判断所述第二图像映射矩阵为所述第一图像映射矩阵的线性变换，轴承未存在缺陷；
[0026]若所述系数为不确定的值，则判断所述第二图像映射矩阵为所述第二图像映射矩阵的非线性变换，轴承存在缺陷。
[0027]在本专利技术其中一个优选方案中，轴承存在缺陷时，所述通过缺陷位置映射矩阵对异常轴承图像进行缺陷检测包括：
[0028]根据图像映射矩阵的平均值、标准差确定检测阈值参数；
[0029]基于所述检测阈值参数、所述第二图像映射矩阵构建缺陷位置映射矩阵，用于对所述第二图像映射矩阵的异常部分进行检测，输出第一检测结果；
[0030]获取所述第一检测结果中灰度值处于255的位置；
[0031]统计灰度值连续处于255且大于预定阈值的位置，输出为轴承缺陷位置。
[0032]在本专利技术其中一个优选方案中，获取轴承缺陷位置后通过卷积神经网络进行校准，具体包括：
[0033]输入历史轴承图像对机器学习模型进行训练，获取训练好的卷积神经网络；
[0034]将所述轴承缺陷位置对应的轴承图像导入所述卷积神经网络，输出第二检测结果；
[0035]基于所述第二检测结果对所述轴承缺陷位置进行校准，输出轴承磨损状态报告。
[0036]在本专利技术其中一个优选方案中，所述采集轴承图像作为基础数据集，具体包括：
[0037]将轴承样本设置于黒室内；
[0038]通过电动转台使所述轴承样本按预定时间间隔以预定角度进行转动；
[0039]采用拍摄设备以所述预定时间间隔拍摄所述轴承样本的图像；
[0040]其中，所述轴承样本有多个，具体包括一个或者多个未存在缺陷的轴承和一个或者多个存在缺陷的轴承。
[0041]在本专利技术其中一个优选方案中还指出了一种汽车轴承磨损状态检测设备，包括：
[0042]存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时可实现上述多个方案中任意一个的汽车轴承磨损状态检测方法的步骤。
[0043]在本专利技术其中一个优选方案中还指出了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述多个方案中任意一个的汽车轴承磨损状态检测方法的步骤。
[0044]本专利技术以上方案所提供的一种汽车轴承磨损状态检测方法、设备及存储介质具有以下有益效果：
[0045]本专利技术提出的汽车轴承磨损状态检测方法，通过采集轴承图像作为基础数据集；针对所述基础数据集进行预处理；并对所述基础数据集进行扩充处理，构建目标数据集；根
据所述目标数据集建立图像映射矩阵，获取异常轴承图像；通过缺陷位置映射矩阵对异常轴承图像进行缺陷检测，得到缺陷检测结果。本专利技术的技术方案，可以解决模型训练对样本的依赖性问题，以及解决算法的鲁棒性和泛化能力问题，在样本数量较少的情况下的得到的算法也具有较好的识别精度，应用在轴承磨损检测场景中时能够显著提高检测精度。
附图说明
[0046]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0047]图1表示本专利技术其中一实施例的汽车轴承磨损状态检测方法的流程示意图；
[0048]图2表示本专利技术其中一实施例的针对所述基础数据集进行预处理的流程示意图；
[0049]图3表示本专利技术其中一实施例的建立图像映射矩阵的流程示意图；
[0050]图4表示本专利技术其中另一实施例的根据所述目标数据集建立图像映射矩阵的流程示意图；
[0051]图5表示本专利技术其中一实施例的通过缺陷位置映射矩阵对异常轴承图像进行缺陷检测的流程示意图；
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车轴承磨损状态检测方法，其特征在于，包括：采集轴承图像作为基础数据集；针对所述基础数据集进行预处理；对所述基础数据集进行扩充处理，构建目标数据集；根据所述目标数据集建立图像映射矩阵，获取异常轴承图像；通过缺陷位置映射矩阵对异常轴承图像进行缺陷检测，得到缺陷检测结果。2.如权利要求1所述的汽车轴承磨损状态检测方法，其特征在于，所述针对所述基础数据集进行预处理包括：对所述基础数据集进行二维小波多尺度分解；对所述基础数据集进行各尺度去噪；对所述基础数据集进行小波逆变换。3.如权利要求2所述的汽车轴承磨损状态检测方法，其特征在于，所述对所述基础数据集进行扩充处理包括：将所述基础数据集的图像通过预定角度范围的旋转复制，得到扩充后的数据集；将所述基础数据集按预定比例划分为训练集、验证集和测试集并输出为目标数据集。4.如权利要求3所述的汽车轴承磨损状态检测方法，其特征在于，所述建立图像映射矩阵包括：将所述目标数据集中的图像进行灰度化；将所述图像中每行像素的灰度值相加，计算获取第一图像映射矩阵；计算所述第一图像映射矩阵的最大值、最小值、平均值以及标准差；将所述第一图像映射矩阵进行变换，获取第二图像映射矩阵。5.如权利要求4所述的汽车轴承磨损状态检测方法，其特征在于，所述根据所述目标数据集建立图像映射矩阵还包括：查询所述第二图像映射矩阵中的变化的系数是否为常数；若所述系数为常数，则判断所述第二图像映射矩阵为所述第一图像映射矩阵的线性变换，轴承未存在缺陷；若所述系数为不确定的值，则判断所述第二图像映射矩阵为所述第二图像映射矩阵的非线性变换，轴承存在缺陷。6.如权利要求5所述的汽车轴承磨损状态检测方法，其特征在于，轴承存在缺陷时，所述通过缺陷...

【专利技术属性】
技术研发人员：黄莉，冉光伟，刘棨，邓晨，舒选才，周健珊，
申请(专利权)人：星河智联汽车科技有限公司，
类型：发明
国别省市：