31、基于形状特征的磨损颗粒分类研究

基于形状特征的磨损颗粒分类研究

1. 引言

计算机视觉是近几十年来对自动化行业产生重要影响的新兴领域，它在安全、交通、医疗诊断、空间科学、视觉检测系统等广泛的应用领域为人类提供了帮助。其中，磨损颗粒分析是视觉检测系统的重要应用领域之一，它能提供关于机器状态的关键信息，有助于预测机器的早期故障，避免给工业带来重大损失。

监测机器磨损的方法有超声和X射线等。磨损颗粒通常存在于润滑油中，可以通过多种方法进行分离分析：
- 使用玻璃载玻片沉积颗粒，便于观察。
- 利用不同尺寸的过滤器分离磨损颗粒。
- 采用铁谱分析技术，根据颗粒大小将其分离并铺展在透明基底上。
- 运用磁片探测器（MCD），通过带有强力永久磁铁的小可拆卸磁性插头吸附金属磨损颗粒，然后将其铺展在载玻片上进行分析。分离后的颗粒通过高规格显微镜进行识别。

磨损颗粒的特征参数对其识别至关重要，这些参数可分为形状、表面纹理、颜色、边缘细节、尺寸和厚度比六个属性。其中，形状是实现更好分类结果的重要属性，常用的形状特征包括纵横比、圆形度、矩形度、凸度、欧拉数、面积、周长等。

手动分析磨损颗粒既耗时又繁琐，因此自动化分析对于专家在合理时间内做出关键决策非常有用。本研究仅对六种类型的磨损颗粒（切削、疲劳、纤维、严重滑动、非金属和水颗粒）进行分析，每种颗粒类型都有其独特的特征，例如切削边缘颗粒细长且弯曲，纤维颗粒纵横比高，水颗粒通常为球形，两者可能都有孔洞，疲劳颗粒厚且形状不规则等。研究使用纵横比、圆形度、实心度、欧拉数、旋转尺度平移不变特征和方向梯度直方图等形状参数对磨损颗粒进行分类。

2. 相关工作

文献中存在多种分析和识别磨损颗粒的