[发明专利]一种基于图像识别的自动铁谱分析系统在审

专利信息
申请号: 201910986025.6 申请日: 2019-10-16
公开(公告)号: CN110672609A 公开(公告)日: 2020-01-10
发明(设计)人: 贺石中;杨智宏;庞晋山;李秋秋;张弛;何伟楚;李智婷;赵畅畅;崔策;覃楚东;常鹏;孟文 申请(专利权)人: 广州机械科学研究院有限公司
主分类号: G01N21/84 分类号: G01N21/84;G01N1/32
代理公司: 44202 广州三环专利商标代理有限公司 代理人: 郭浩辉;麦小婵
地址: 510700 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 磨粒 沉积管 识谱 制谱 识别装置 图像采集装置 电磁发生器 颗粒沉积 磨损 设备磨损 铁谱分析 图像发送 图像识别 诊断结果 出液端 电磁阀 进样管 进液端 客观化 连接排 排液管 蠕动泵 液管 自动化 采集 图像
【权利要求书】:

1.一种基于图像识别的自动铁谱分析系统,其特征在于,包括制谱设备和识谱设备;

所述制谱设备包括磨粒沉积管、电磁发生器以及图像采集装置,所述磨粒沉积管水平设于所述电磁发生器上,所述磨粒沉积管的进液端连接进样管,所述磨粒沉积管的出液端连接排液管,所述排液管中设有电磁阀和蠕动泵;

所述识谱设备包括磨粒识别装置,所述图像采集装置将从所述磨粒沉积管中采集到的颗粒沉积图像发送至所述磨粒识别装置;

所述磨粒识别装置包括:

图像色彩统计模块,用于利用色彩直方图对所述颗粒沉积图像进行统计分析,获取所述颗粒沉积图像的色彩统计信息;

图像识别模块,用于利用计算机视觉的图像分割模型识别所述颗粒沉积图像中的磨损颗粒,并获取磨粒特征信息;

磨粒统计模块,用于根据所述磨粒特征信息并按磨损类型、材质颗粒以及磨粒尺寸进行统计,得到磨粒统计信息;

磨损分析模块,用于根据所述色彩统计信息、所述磨粒特征信息以及所述磨粒统计信息,计算得到综合磨损指数和磨损评价分析结果。

2.如权利要求1所述的基于图像识别的自动铁谱分析系统,其特征在于,所述磨损分析模块,包括:

训练好的第一神经网络单元,用于对所述色彩统计信息、所述磨粒特征信息以及所述磨粒统计信息进行回归分析,得到所述综合磨损指数;

训练好的第二神经网络单元,用于对所述色彩统计信息、所述磨粒特征信息以及所述磨粒统计信息进行分类分析,得到磨损评价分析结果;

其中,所述训练好的第一神经网络单元和所述训练好的第二神经网络单元均为监督学习的BP神经网络。

3.如权利要求1所述的基于图像识别的自动铁谱分析系统,其特征在于,所述磨粒信息包括磨粒轮廓信息、磨粒位置信息、磨粒类别信息。

4.如权利要求1所述的基于图像识别的自动铁谱分析系统,其特征在于,所述电磁发生器包括第一楔形电磁铁、第二楔形电磁铁、塑料隔板以及楔形隔板;

所述塑料隔板夹在所述第一楔形电磁铁的侧壁和所述第二楔形电磁铁的侧壁之间;

所述楔形隔板设于所述第一楔形电磁铁的顶部和所述第二楔形电磁铁的顶部上,所述楔形隔板的底部表面与所述第一楔形电磁铁的顶部表面、所述第二楔形电磁铁的顶部表面和所述塑料隔板的顶部互补配合,使所述电磁发生器整体外观为规则的长方体;所述第一楔形电磁铁和所述第二楔形电磁铁的电磁绕线方式相同。

5.如权利要求4所述的基于图像识别的自动铁谱分析系统,其特征在于,所述磨粒沉积管水平设于所述电磁发生器上,具体的,所述磨粒沉积管的外部下表面紧贴于所述电磁发生器的上表面中部,所述磨粒沉积管的进液端位于所述楔形隔板厚度较大的一端上,所述磨粒沉积管的出液端位于所述楔形隔板厚度较薄的一端上。

6.如权利要求1-5任一项所述的基于图像识别的自动铁谱分析系统,其特征在于,所述磨粒沉积管为截面为方形的透明管。

7.如权利要求6所述的基于图像识别的自动铁谱分析系统,所述磨粒沉积管为石英管或玻璃管。

8.如权利要求1所述的基于图像识别的自动铁谱分析系统,其特征在于,所述图像采集装置包括N个拍照元件和至少N个高倍显微镜头,N个所述拍照元件的前端至少接有一个高倍显微镜头;其中,N大于或等于1。

9.如权利要求1所述的基于图像识别的自动铁谱分析系统,其特征在于还包括超声波震荡元件,所述超声波震荡元件设于所述磨粒沉积管与所述电磁阀之间的所述排液管中。

10.如权利要求1所述的基于图像识别的自动铁谱分析系统,其特征在于,所述进样管和所述排液管为均为非油溶性材质的软管。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州机械科学研究院有限公司,未经广州机械科学研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910986025.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top