一种发动机润滑保养用保护剂成品检测方法

技术领域

本发明涉及油剂检测技术领域，更具体地说，本发明涉及一种发动机润滑保养用保护剂成品检测方法。

背景技术

发动机是车辆和机械设备中至关重要的组成部分之一，其正常运转对于保证车辆和设备的性能和寿命至关重要；发动机在工作过程中会产生摩擦和磨损，为了减少摩擦损耗并保护发动机的寿命，润滑油被广泛应用于发动机中，以用于对发动机进行润滑、保护、清洁、防锈等保养；然而，现有润滑油成品剂在生产过程中会受到多方面的影响（如原材料质量、生产工艺和生产环境条件等），因此为了确保发动机润滑保养用保护剂成品的质量和性能符合预期，需要进行成品检测，因而如何对润滑油进行高效检测就成为了当下研究重点。

目前，现有的发动机润滑保养用保护剂成品检测方法主要针对发动机使用场景中的润滑油进行检测（如对发动机内剩余润滑油量等方面的检测），例如授权公告号为CN112129928B的中国专利公开了一种用于检测润滑油液状态的方法、计算设备和计算机存储介质；现缺乏针对生产场景中润滑油的检测，难以实现对润滑油成品剂生产质量的把握，虽存在部分润滑油生产场景的检测，例如授权公告号为CN115100212B的中国专利公开了一种润滑油污染程度检测方法，再例如授权公告号为CN103616331B的中国专利公开了一种润滑油含水量检测装置及其检测方法，或再例如授权公告号为CN101900672B的中国专利公开了一种润滑油种类和粘度级别的快速识别方法，此类方法虽能实现针对润滑油某性能参数的检测，但对润滑油单一性能参数的检测不适用于润滑油生产品控场景，虽然现有润滑油某性能参数可通过不同类别的检测设备实现，但基于不同类别检测设备的检测方式不仅费时费力，而检测成本较高，无法应用于实际润滑油生产场景中，且难以实现对润滑油成品剂进行快速、全面检测的目的。

鉴于此，本发明提出一种发动机润滑保养用保护剂成品检测方法以解决上述问题。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种发动机润滑保养用保护剂成品检测方法。

为实现上述目的，本发明提供如下技术方案：

一种发动机润滑保养用保护剂成品检测方法，所述方法应用于油剂检测系统中，所述方法包括：

利用所述油剂检测系统中第一广角相机对第一静置状态的抽检润滑油成品剂进行图像采集，以获取所述抽检润滑油成品剂的第一静置图像；

基于所述第一静置图像和预采集标准润滑油成品剂的第一静置图像进行分析，以获取固体颗粒评价系数差；

利用所述油剂检测系统中第二广角相机对下落状态的抽检润滑油成品剂进行视频采集，以及利用所述油剂检测系统中第三广角相机对第二静置状态的抽检润滑油成品剂进行图像采集，得到第一下落视频和第二静置图像；

基于所述第一下落视频获取粘度评价系数差，以及基于第二静置图像获取水分评价系数差；

分别将所述固体颗粒评价系数差、粘度评价系数差和水分评价系数差与预设评价区间进行比对，得到抽检润滑油成品剂的检测结果；所述预设评价区间包括固体颗粒评价区间、粘度评价区间和水分评价区间。

进一步地，所述油剂检测系统包括云计算端和检测架，所述检测架的顶端靠一侧边缘处开设有进油口，所述检测架的顶部内壁中央处安装有第一广角相机，所述检测架的两侧分别安装有第二广角相机和第三广角相机，所述第一广角相机的正下方设置有玻璃容器，所述第一广角相机的顶端安装有静置盘。

进一步地，所述进油口的下方连接有可伸缩输送软管，所述静置盘的正中心处开设有漏油口，所述静置盘的外壁处设置有活动把手，所述活动把手通过转轴与堵漏块连接，所述转轴通过连接杆与电机连接。

进一步地，基于所述第一静置图像和预采集标准润滑油成品剂的第一静置图像进行分析，包括：

筛选所述第一静置图像中的目标像素区域，将所述目标像素区域标记为固体颗粒；

提取每个目标像素区域的像素面积，以及提取目标像素区域的区域总数；

根据每个目标像素区域的像素面积和区域总数进行统计计算，得到第一固体颗粒评价系数，其计算公式为：

基于预存标准润滑油成品剂的第一静置图像提取第二固体颗粒评价系数，计算所述第一固体颗粒评价系数与第二固体颗粒评价系数的差值，得到固体颗粒评价系数差。

进一步地，筛选所述第一静置图像中的目标像素区域，包括：

对所述第一静置图像进行灰度化，得到灰度第一静置图像；

提取所述灰度第一静置图像中的近似圆形区域，以及获取每个近似圆形区域的像素面积；

将每个所述近似圆形区域的像素面积与预设圆形区域像素面积阈值进行比较；

若所述近似圆形区域的像素面积大于等于预设圆形区域像素面积阈值，则将对应的近似圆形区域标记为非目标像素区域；

若所述近似圆形区域的像素面积小于预设圆形区域像素面积阈值，则将对应的近似圆形区域标记为目标像素区域。

进一步地，基于所述第一下落视频获取粘度评价系数差，包括：

根据预设时间跨度对所述第一下落视频划分，以获取若干个时间段的下落视频；

按照时间序列提取第一时间段的下落视频，并将其作为目标分析视频；

对所述目标分析视频进行视频分帧，以获取初始液滴帧和末尾液滴帧；

计算初始液滴帧和末尾液滴帧之间的时间戳差值，将其作为液滴下落时间；

获取抽检润滑油成品剂的密度，以及提取数据库中预存的对应润滑油成品剂下落基础参数信息；

基于抽检润滑油成品剂的密度和下落基础参数信息进行计算以获取抽检润滑油成品剂的粘度；

提取预存的标准润滑油成品剂的粘度，并计算抽检润滑油成品剂的粘度与标准润滑油成品剂的粘度的差值，得到粘度评价系数差。

进一步地，所述下落基础参数信息包括抽检润滑油成品剂的密度、重力加速度、液滴的半径、液滴自由下落的速度和玻璃容器内抽检润滑油成品剂液滴滴下的高度。

进一步地，基于第二静置图像获取水分评价系数差，包括：

获取第二静置图像的非目标像素区域，将非目标像素区域标记为水泡，以及获取第二静置图像中的油层区域和水层区域；

提取非目标像素区域的像素面积和区域总数进行统计计算，得到第一水分评价系数；其计算公式为：

提取预存标准润滑油成品剂的第二水分评价系数，将所述第二水分评价系数与第一水分评价系数进行差值计算，得到水分评价系数差。

进一步地，所述抽检润滑油成品剂的检测结果包括合格和不合格；

将固体颗粒评价系数差、粘度评价系数差和水分评价系数差与预设评价区间进行比对，包括：

将固体颗粒评价系数差与固体颗粒评价区间进行对比分析，判断所述固体颗粒评价系数差是否属于固体颗粒评价区间；

若属于，则将粘度评价系数差与粘度评价区间进行对比分析；若不属于，则判定对应的抽检润滑油成品剂为不合格；

当将粘度评价系数差与粘度评价区间进行对比分析时，判断所述粘度评价系数差是否属于粘度评价区间，若属于，则将水分评价系数差与水分评价区间进行对比分析；若不属于，则判定对应的抽检润滑油成品剂为不合格；

当将水分评价系数差与水分评价区间进行对比分析时，判断水分评价系数差是否属于水分评价区间，若属于，则判定对应的抽检润滑油成品剂为合格；若不属于，则判定对应的抽检润滑油成品剂为不合格。

进一步地，所述方法还包括：

提取抽检润滑油成品剂的第一静置图像和第二静置图像，以及提取抽检润滑油成品剂的液滴下落时间；

构建卷积神经网络CNN，利用所述卷积神经网络CNN对抽检润滑油成品剂的第一静置图像和第二静置图像进行图像特征提取，得到第一图像特征向量和第二图像特征向量；

对所述抽检润滑油成品剂的液滴下落时间进行向量转化，得到时间特征向量，利用最小最大归一化法对第一图像特征向量、第二图像特征向量和时间特征向量进行特征融合，得到组合特征向量；

将组合特征向量输入预构建的循环神经网络RNN中进行分类识别，以获取抽检润滑油成品剂的检测结果。

一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述发动机润滑保养用保护剂成品检测方法。

一种计算机可读存储介质，所述计算机可读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任一项所述发动机润滑保养用保护剂成品检测方法。

本发明一种发动机润滑保养用保护剂成品检测方法的技术效果和优点：

本发明首先对第一静置状态的抽检润滑油成品剂进行图像采集，以获取抽检润滑油成品剂的第一静置图像；基于第一静置图像和预采集标准润滑油成品剂的第一静置图像进行分析，以获取固体颗粒评价系数差；对下落状态的抽检润滑油成品剂进行视频采集，以及对第二静置状态的抽检润滑油成品剂进行图像采集，得到第一下落视频和第二静置图像；基于第一下落视频获取粘度评价系数差，以及基于第二静置图像获取水分评价系数差；分别将固体颗粒评价系数差、粘度评价系数差和水分评价系数差与预设评价区间进行比对，得到抽检润滑油成品剂的检测结果，通过上述步骤，本发明无需通过不同类别的检测设备对润滑油性能参数进行多环节检测，大大降低了润滑油生产品控成本，且提高对润滑油的检测效率；此外，通过获取第一静置图像、第二静置图像和液滴下落时间，并基于其进行机器学习分析，本发明有利于保证在对润滑油成品剂进行全面检测的同时，进一步提高了对润滑油成品剂的检测速度，从而适用于实际润滑油生产场景中。

附图说明

图1为本发明实施例1提出的一种发动机润滑保养用保护剂成品检测方法的示意图；

图2为本发明提出的油剂检测系统的整体示意图；

图3为本发明提出的油剂检测系统的局部示意图；

图4为本发明提出的润滑油成品剂中的水珠、气泡和固体颗粒示意图；

图5为本发明提供的一种电子设备的结构示意图。

图中：1、检测架；2、进油口；3、第一广角相机；4、第二广角相机；5、第三广角相机；6、玻璃容器；7、静置盘；701、活动把手；702、堵漏块；703、电机。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

润滑油成品剂对发动机而言存在润滑、保护、清洁和防锈等保养作用，其关乎到发动机的实际使用寿命，因此在润滑油出厂前，对其进行高效检测就成为了当下研究重点；其中污染度参数（是指润滑油中固体颗粒的含量）、粘度参数（是指润滑油阻止运动的能力，其主要反映在油液的流动性上）和水分参数（是指对油液内的含水量（率）进行检测）对于润滑油的品质最为重要，然而在当下生产场景下，对于上述润滑油参数的检测大多通过各种设备一一采集检测实现，不仅费时费力，而且检测成本较高，不适用于润滑油的实际生产品控场景，对此本发明提供了解决该问题的发明方法，有利于在润滑油生产品控场景中对润滑油成品剂进行快速、全面的检测，提高润滑油成品剂的检测效率。

实施例1

请参阅图1所示，本实施例公开提供了一种发动机润滑保养用保护剂成品检测方法，所述方法应用于油剂检测系统中，所述方法包括：

S110：利用所述油剂检测系统中第一广角相机对第一静置状态的抽检润滑油成品剂进行图像采集，以获取所述抽检润滑油成品剂的第一静置图像；

应当了解的是：所述抽检润滑油成品剂为任一生产批次中经过随机抽检所得到的润滑油成品剂（即润滑油成品），将其作为抽检润滑油成品剂进行抽检，以获取任一批次润滑油成品剂的生产质量；

具体的，如图2-3所示，所述油剂检测系统包括云计算端和检测架1，所述检测架1的顶端靠一侧边缘处开设有进油口2，所述检测架1的顶部内壁中央处安装有第一广角相机3，所述检测架1的两侧分别安装有第二广角相机4和第三广角相机5，所述第一广角相机3的正下方设置有玻璃容器6，所述第一广角相机3的顶端安装有静置盘7；

具体的，所述进油口2的下方连接有可伸缩输送软管，所述静置盘7的正中心处开设有漏油口，所述静置盘7的外壁处设置有活动把手701，所述活动把手701通过转轴与堵漏块702连接，所述转轴通过连接杆与电机703连接；所述堵漏块702呈半圆形，且其是静置盘7底部面积的一半，所述静置盘7底部存在一定坡度；所述玻璃容器6的透明率大于80%，且所述玻璃容器6的侧壁设置有刻度线；

应当注意的是：所述第一广角相机3、第二广角相机4、第三广角相机5和电机703均内置有通信模块，所述第一广角相机3、第二广角相机4、第三广角相机5和电机703均通过通信模块与所述云计算端远程通信连接；

需要说明的是：如图2-3所示，在对第一静置状态的抽检润滑油成品剂进行图像采集时，首先，人为将抽检润滑油成品剂通过进油口2和漏油口完全倒入静置盘7内，需要注意的是：堵漏块702会封闭静置盘7的漏油口；当经过第一预设等待时长时，将此时抽检润滑油成品剂在静置盘7内的呈现状态作为第一静置状态，并人为或通过云计算端发送指令给所述第一广角相机3，并启动第一广角相机3对静置盘7内第一静置状态的抽检润滑油成品剂进行图像采集，以获取所述抽检润滑油成品剂的第一静置图像，并通过通信模块将第一静置图像反馈至云计算端进行分析处理；

S120：基于所述第一静置图像和预采集标准润滑油成品剂的第一静置图像进行分析，以获取固体颗粒评价系数差；

应当了解的是：所述标准润滑油成品剂为符合出厂标准（即满足润滑油成品剂生产质量）的润滑油成品剂；

具体的，基于所述第一静置图像和预采集标准润滑油成品剂的第一静置图像进行分析，包括：

筛选所述第一静置图像中的目标像素区域，将所述目标像素区域标记为固体颗粒；

具体的，筛选所述第一静置图像中的目标像素区域，包括：

对所述第一静置图像进行灰度化，得到灰度第一静置图像；

提取所述灰度第一静置图像中的近似圆形区域，以及获取每个近似圆形区域的像素面积；

应当明白的是：所述云计算端中预存有大量样本图像数据，所述样本图像数据包括大量水珠、气泡或固体颗粒的图像和非水珠、气泡或固体颗粒的图像，所述近似圆形区域基于预构建机器学习模型识别确定；所述机器学习模型的构建过程为：将水珠、气泡或固体颗粒的图像人为标注为近似圆形区域，将非水珠、气泡或固体颗粒的图像人为标注为非近似圆形区域，将标注后的大量样本图像数据划分为训练集和测试集，利用分类器对训练集进行训练，得到训练后的分类器，并利用测试集对训练后的分类器进行测试，输出满足预设准确度的训练后的分类器作为预构建机器学习模型，所述分类器具体为逻辑回归、决策树、随机森林、朴素贝叶斯或神经网络中的一种；进一步地，当将灰度第一静置图像输入至灰度第一静置图像时，即得到多个近似圆形区域；

将每个所述近似圆形区域的像素面积与预设圆形区域像素面积阈值进行比较；

若所述近似圆形区域的像素面积大于等于预设圆形区域像素面积阈值，则将对应的近似圆形区域标记为非目标像素区域；

若所述近似圆形区域的像素面积小于预设圆形区域像素面积阈值，则将对应的近似圆形区域标记为目标像素区域；

需要说明的：所述非目标像素区域主要指代润滑油成品剂中干扰因素，如润滑油成品剂中的水珠和气泡等，如图4所示，图4中的（a）为润滑油成品剂中的水珠和气泡图，图4中的（b）为润滑油成品剂中的固体颗粒图，一般而言，润滑油成品剂中的水珠和气泡的体态及像素面积一般大于固体颗粒，因此通过上述目标像素区域的筛选，本发明能够剔除水珠和气泡等干扰因素的影响，从而提高后续的检测精度；

提取每个目标像素区域的像素面积，以及提取目标像素区域的区域总数；

根据每个目标像素区域的像素面积和区域总数进行统计计算，得到第一固体颗粒评价系数，其计算公式为：

基于预存标准润滑油成品剂的第一静置图像提取第二固体颗粒评价系数，计算所述第一固体颗粒评价系数与第二固体颗粒评价系数的差值，得到固体颗粒评价系数差；

需要说明的是：所述标准润滑油成品剂的第一静置图像以及所述标准润滑油成品剂的第二固体颗粒评价系数预存于数据库中，所述标准润滑油成品剂的第一静置图像的采集过程可参照上述抽检润滑油成品剂的第一静置图像，对此不再过多赘述；此外，对于第二固体颗粒评价系数的具体生成过程，也同上述第一固体颗粒评价系数的生成过程，详情可参照第一固体颗粒评价系数，对此也不做过多赘述，但需要注意的是，所述标准润滑油成品剂在检测时与所述抽检润滑油成品剂在检测时的检测条件一致，所述检测条件包括但不限于润滑油成品剂的体积、密度等等；

S130：利用所述油剂检测系统中第二广角相机对下落状态的抽检润滑油成品剂进行视频采集，以及利用所述油剂检测系统中第三广角相机对第二静置状态的抽检润滑油成品剂进行图像采集，得到第一下落视频和第二静置图像；

需要说明的是：如图2-3所示，在利用所述油剂检测系统中第二广角相机对下落状态的抽检润滑油成品剂进行视频采集时，此时，可人为拨动活动把手701，并通过转轴带动堵漏块702运动，或通过云计算端发送指令至电机703，通过启动电机703，并在转轴和连接杆的作用下带动堵漏块702运动，进而使漏油口从封闭状态转为中空状态，此时在重力作用下，抽检润滑油成品剂会通过漏油口下落至玻璃容器6内，此刻云计算端会向第二广角相机4发送指令，启动第二广角相机4对下落状态的抽检润滑油成品剂进行视频采集，得到第一下落视频，并通过通信模块将第一下落视频反馈至云计算端进行分析处理；

还需要说明的是：如图2-3所示，在利用所述油剂检测系统中第三广角相机对第二静置状态的抽检润滑油成品剂进行图像采集时，即说明抽检润滑油成品剂已经完全从漏油口下落至玻璃容器6内，当经过第一预设等待时长时，将此时抽检润滑油成品剂在玻璃容器6内的呈现状态作为第二静置状态，并人为或通过云计算端发送指令给所述第三广角相机5，并启动第三广角相机5对玻璃容器6内第二静置状态的抽检润滑油成品剂进行图像采集，以获取所述抽检润滑油成品剂的第二静置图像，并通过通信模块将第二静置图像反馈至云计算端进行分析处理；

S140：基于所述第一下落视频获取粘度评价系数差，以及基于第二静置图像获取水分评价系数差；

具体的，基于所述第一下落视频获取粘度评价系数差，包括：

根据预设时间跨度对所述第一下落视频划分，以获取若干个时间段的下落视频；

按照时间序列提取第一时间段的下落视频，并将其作为目标分析视频；

对所述目标分析视频进行视频分帧，以获取初始液滴帧和末尾液滴帧；

需要说明的是：每个时间段的下落视频中仅包括一个初始液滴帧和一个末尾液滴帧，进一步解释就是，当按时间序列提取第一时间段的下落视频作为目标分析视频时，该目标分析视频中包括某一液滴状态抽检润滑油成品剂在漏油口时的视频帧，换言之，初始液滴帧是指在漏油口时抽检润滑油成品剂呈液滴状态下的视频帧，同样地，而该目标分析视频中还包括对应液滴状态抽检润滑油成品剂在落入玻璃容器6瓶底时的视频帧，换言之，末尾液滴帧是指液滴状态抽检润滑油成品剂落入玻璃容器6瓶底时的视频帧；

计算初始液滴帧和末尾液滴帧之间的时间戳差值，将其作为液滴下落时间；

获取抽检润滑油成品剂的密度，以及提取数据库中预存的对应润滑油成品剂下落基础参数信息；

具体的，所述下落基础参数信息包括但不限于抽检润滑油成品剂的密度、重力加速度、液滴的半径、液滴自由下落的速度和玻璃容器6内抽检润滑油成品剂液滴滴下的高度；

应当了解的是：抽检润滑油成品剂的密度可通过预设传感器获取，而由于所述漏油口尺寸为定值，液滴的半径通过事先测量预存于数据库中，同样的玻璃容器6内抽检润滑油成品剂液滴滴下的高度也预存于数据库中；

基于抽检润滑油成品剂的密度和下落基础参数信息进行计算以获取抽检润滑油成品剂的粘度；其计算公式为：

提取预存的标准润滑油成品剂的粘度，并计算抽检润滑油成品剂的粘度与标准润滑油成品剂的粘度的差值，得到粘度评价系数差；

需要说明的是：所述预存在数据库中标准润滑油成品剂的粘度生成原理同上述生成抽检润滑油成品剂的粘度的过程，详情可参照抽检润滑油成品剂的粘度，对此本发明不做过多赘述；

具体的，基于第二静置图像获取水分评价系数差，包括：

获取第二静置图像的非目标像素区域，将非目标像素区域标记为水泡，以及获取第二静置图像中的油层区域和水层区域；

提取非目标像素区域的像素面积和区域总数进行统计计算，得到第一水分评价系数；其计算公式为：

提取预存标准润滑油成品剂的第二水分评价系数，将所述第二水分评价系数与第一水分评价系数进行差值计算，得到水分评价系数差；

需要说明的是：第一水分评价系数属于抽检润滑油成品剂，而标准润滑油成品剂的第二水分评价系数预存于数据库中，且所述标准润滑油成品剂的第二水分评价系数的获取过程同第一水分评价系数，详情可参考第一水分评价系数，对此不再过多赘述；

应当了解的是：与将抽检润滑油成品剂从进油口2倒入静置盘7不同的是，将抽检润滑油成品剂从静置盘7漏入玻璃容器6时，该种方式存在一定的高度差，根据水和油的特性，此时玻璃容器6内第二静置状态的抽检润滑油成品剂会存在短暂的乳化现象，并伴随有一定的水珠或气泡；

S150：分别将所述固体颗粒评价系数差、粘度评价系数差和水分评价系数差与预设评价区间进行比对，得到抽检润滑油成品剂的检测结果；所述预设评价区间包括固体颗粒评价区间、粘度评价区间和水分评价区间；

具体的，所述抽检润滑油成品剂的检测结果包括合格和不合格；

应当了解的是：当所述抽检润滑油成品剂的检测结果显示合格时，则说明对应生产批次中所有随机抽检所得到的润滑油成品剂和非进行抽检的润滑油成品剂均为合格品；相反的，若当所述抽检润滑油成品剂的检测结果显示不合格时，则说明对应生产批次中所有随机抽检所得到的润滑油成品剂和非进行抽检的润滑油成品剂均为不合格品；

具体的，将固体颗粒评价系数差、粘度评价系数差和水分评价系数差与预设评价区间进行比对，包括：

将固体颗粒评价系数差与固体颗粒评价区间进行对比分析，判断所述固体颗粒评价系数差是否属于固体颗粒评价区间；

若属于，则将粘度评价系数差与粘度评价区间进行对比分析；若不属于，则判定对应的抽检润滑油成品剂为不合格；

当将粘度评价系数差与粘度评价区间进行对比分析时，判断所述粘度评价系数差是否属于粘度评价区间，若属于，则将水分评价系数差与水分评价区间进行对比分析；若不属于，则判定对应的抽检润滑油成品剂为不合格；

当将水分评价系数差与水分评价区间进行对比分析时，判断水分评价系数差是否属于水分评价区间，若属于，则判定对应的抽检润滑油成品剂为合格；若不属于，则判定对应的抽检润滑油成品剂为不合格；

通过对第一静置状态的抽检润滑油成品剂进行图像采集，以获取抽检润滑油成品剂的第一静置图像；基于第一静置图像和预采集标准润滑油成品剂的第一静置图像进行分析，以获取固体颗粒评价系数差；对下落状态的抽检润滑油成品剂进行视频采集，以及对第二静置状态的抽检润滑油成品剂进行图像采集，得到第一下落视频和第二静置图像；基于第一下落视频获取粘度评价系数差，以及基于第二静置图像获取水分评价系数差；分别将固体颗粒评价系数差、粘度评价系数差和水分评价系数差与预设评价区间进行比对，得到抽检润滑油成品剂的检测结果，通过上述步骤，本发明无需通过不同类别的检测设备对润滑油性能参数进行多环节检测，大大降低了润滑油生产品控成本，且提高了对润滑油的检测效率，有利于缩短润滑油生产时的品控耗时。

实施例2

基于上述实施例1，为保证在对润滑油成品剂进行全面检测的同时，进一步提高对润滑油成品剂的检测速度，本实施例将围绕实施例1的内容进行进一步改进，部分内容可参考实施例1，本实施例公开提供了一种发动机润滑保养用保护剂成品检测方法，所述方法还包括：

提取抽检润滑油成品剂的第一静置图像和第二静置图像，以及提取抽检润滑油成品剂的液滴下落时间；

需要说明的是：抽检润滑油成品剂的第一静置图像和第二静置图像，以及抽检润滑油成品剂的液滴下落时间的获取过程具体参照上述实施例1，对此本实施例不再过多赘述；

构建卷积神经网络CNN，利用所述卷积神经网络CNN对抽检润滑油成品剂的第一静置图像和第二静置图像进行图像特征提取，得到第一图像特征向量和第二图像特征向量；

对所述抽检润滑油成品剂的液滴下落时间进行向量转化，得到时间特征向量，利用最小最大归一化法对第一图像特征向量、第二图像特征向量和时间特征向量进行特征融合，得到组合特征向量；

将组合特征向量输入预构建的循环神经网络RNN中进行分类识别，以获取抽检润滑油成品剂的检测结果；

具体的，所述循环神经网络RNN的构建过程为：获取大量润滑油成品剂的组合特征向量；将获取的组合特征向量划分为7比3的训练集和测试集，构建初始RNN，将所述训练集输入初始RNN进行训练，并利用测试集对训练后的初始RNN进行测试，将满足预设准确率的训练后的初始RNN作为循环神经网络RNN，并进行应用；

通过将实施例中得到的数据运用机器学习技术进行处理和分析，本发明有利于保证在对润滑油成品剂进行全面检测的同时，进一步提高对润滑油成品剂的检测速度，从而适用于实际润滑油生产场景中。

实施例3

如图5所示，本实施例公开提供了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各方法所提供的任一项所述发动机润滑保养用保护剂成品检测方法。

由于本实施例所介绍的电子设备为实施本申请实施例中一种发动机润滑保养用保护剂成品检测方法所采用的电子设备，故而基于本申请实施例中所介绍的一种发动机润滑保养用保护剂成品检测方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中发动机润滑保养用保护剂成品检测方法所采用的电子设备，都属于本申请所欲保护的范围。

实施例4

本实施例公开提供了一种计算机可读存储介质，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各方法所提供的任一项所述一种发动机润滑保养用保护剂成品检测方法。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数、权重以及阈值选取由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。