一种基于图像处理的小型发电机组漏油检测方法

技术领域

本发明属于发电机组检测领域，具体涉及一种基于图像处理的小型发电机组漏油检测方法。

背景技术

小型发电机组是很多工程系统中的运行核心，而发电机组漏油问题是研究人员最为担心的问题之一。人为定时监测会消耗大量人力物力财力，甚至意外状况会危及检测人员的生命安全。因此实时检测发电机组是否漏油以及漏油状况尤为重要。然而目前研究的油液泄漏大部分都是针对输油管道漏油的，而针对小型发电机组柴油泄漏的研究较少。柴油颜色透明，会与背景融为一体，难以像黑色的石油一样通过传统的图像处理而区分出来。因此本发明针对小型发电机组柴油泄漏设计了基于图像处理的实时漏油检测技术。

由于柴油在各个领域应用广泛，且柴油泄漏又是很多工程问题中无法避免的问题，本发明的漏油检测方法有较大的应用市场和较高的开发价值。

发明内容

为解决上述问题，本发明公开了一种基于图像处理的小型发电机组漏油检测方法，通过定时拍摄小型发电机组输油管口以及可能漏油的其他位置，和油污可能堆积位置(包括发电机组表面)；对获得的图像进行处理，得到漏油区域并计算漏油指标和油污面积，从而得到发电机组漏油状况。

为达到上述目的，本发明的技术方案如下：

一种基于图像处理的小型发电机组漏油检测方法，包括以下步骤：

根据先验信息，即油污可能出现的地方固定树莓派4B，距离可根据安装的摄像头分辨率调节，无光环境可自主打光，无角度要求。基于树莓派4B进行实时拍摄，获取待检测的小型发电机组可能漏油区域的图像；

将所述小型发电机组图像的RGB色彩模型转换为HSV色彩空间；

根据转换后所得图像中各像素点的颜色分量，包括色相、饱和度、亮度进行双阈值化操作，得到油污区域；

对所得区域进行二值化膨胀和腐蚀；定义结构元素，结构元素在整幅图像中移动，移动到每个像素点上，只有结构元素与图像上对应像素点的像素值全部相等时，保留这个像素点的值；同样定义结构元素，结构元素在整幅图像中移动，移动到每个像素点上，如果结构元素与图像上对应像素点的像素值至少有一个像素相等时，保留这个像素点的值；

根据所得区域各边界像素点与其邻域像素点的坐标再采用经典的边缘检测算子描绘出油滴的边缘后将物体和背景分割出来形成对比鲜明的二值图像；

分割后的二值图像具有面积、周长等明显特征利用简单的类内鉴别达到识别的目的；并结合计算所得的漏油指标，得到待检测的小型发电机组的漏油状况。

本发明的有益效果是：

(1)本发明实现原理可行，代码完善，所设计的装置比较容易实现，涉及到的算法可行性比较高，测试结果比较可靠。

(2)本发明一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成对小型发电机组的漏油状况的检测.

(3)本发明提供的方法能够快速准确地检测液压系统的是否出现漏油状况，实现了自动化检测，提高了检测效率，能够为各种相关工程项目节省大量人力物力财力，同时提高安全性。

(4)在测试阶段，我们将系统应用到模拟南极环境的实验舱进行测试，获得具有说服力的数据。

附图说明

图1是本发明所述的图像处理模板流程图；

图2是本发明所述的识别流程检测图；

图3，4是本发明测试时未漏油的小型发电机组样本图像；

图5是本发明测试时漏油的小型发电机组样本图像；

图6是本发明测试时检测到的漏油区域的二值图像。

具体实施方式

下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。

如图所示，对依据本发明提出的一种小型发电机组漏油检测方法进行详细说明如下：

油液特征提取

1.油液形状特征

油液在流出的过程中会不断地变化形状，难以用确定的图形去描述它，使用图像的矩来研究检测到的泄漏油液形状变化的规律，在现实应用场景下，要考虑到摄像头安装的远近、安装角度的偏移，因此还需要对于图像形状归纳出的特征值在图像大小、角度发生变化时保持不变。

2.油液颜色特征

采用颜色矩进行油液颜色特征的描述，然而考虑到油液是透明的，其颜色特征会受到其背景颜色特征的影响。当前帧的颜色矩和背景帧的颜色矩变化趋势基本一致，对于漏油图像来说，背景的颜色对颜色矩起到了决定性作用，因此当前帧的颜色矩对于图像分类可能没有很好的效果。为获取更为有效的颜色特征，使用当前帧与背景帧的差值图像获取灰度差图像矩。

系统总体结构设计

系统本身由输入部分、数据处理部分以及输出部分组成。如图2所示，其中输入部分是开发板自带的摄像头部分，获取摄像头攫取的图像，并将该图像作为输入信息进行处理。而数据处理部分则是整个系统整体的关键部分，其将输入的图像作为待处理变量进行数据分析并综合得出结果；而获取结果后将结果进行输出，即为输出部分的内容。

子系统接口设计

整体的系统衔接通过opencv这一标准库实现。在输入部分与数据处理部分的衔接通过opencv标准库中的VideoCapture类实现。该类将开发板外置摄像头中的图像所攫取后作为图像变量进行存储，如附图3，4，5所示。此后在将利用该变量进行图像处理。输出后的相应数据直接进行数据衔接并输出在屏幕之上。

图像处理模板(如图1所示)

由于液油透明，亮度高，自然环境下获取的图像容易受自然光照、遮挡和阴影等情况的影响，即对亮度比较敏感。而RGB颜色空间的三个分量都与亮度密切相关，即只要亮度改变，三个分量都会随之相应地改变。而HSV颜色空间，即色度、饱和度、明度，色度是色彩的基本属性，如红色、绿色、蓝色等，取值范围为0-360°；饱和度是指色彩的纯度，越高色彩越纯，越低则色彩逐渐消失，直至变灰，取值为0-100％；明度，即亮度，取值为0-100％。它比RGB更接近人们对彩色的感知经验。非常直观地表达颜色的色调、鲜艳程度和明暗程度，方便进行颜色的对比，且在HSV图像模式下更容易与背景区别。因此将获取的小型发电机组图像的RGB色彩模型转换为HSV色彩空间，即利用OpenCV库中cvtColor函数中的COLOR_BGR2HSV模式；

图像从RGB色彩空间转换到HSV色彩空间的公式如式-所示。首先，计算中间变量MAX和MIN：

MAX＝max(R,G,B) (1)

MIN＝min(R,G,B) (2)

其中，MAX为该像素点的RGB分量的最大值，MIN为该像素点RGB分量的最小值。图像的H、S和V分量的计算公式如式-所示：

V＝MAX (5)

因此，本发明将拍摄的油箱周边区域的图像从RGB色彩空间转换到HSV色彩空间，通过HSV色彩空间的3个分量来表征泄漏油液的颜色特征。根据转换后所得图像中各像素点的颜色分量，包括色相、饱和度、亮度进行双阈值化操作，预先设定好特定的阈值量thresh1，thresh2，并且thresh

对所得区域进行二值化膨胀和腐蚀；定义结构元素，结构元素在整幅图像中移动，移动到每个像素点上，只有结构元素与图像上对应像素点的像素值全部相等时，保留这个像素点的值；同样定义结构元素，结构元素在整幅图像中移动，移动到每个像素点上，如果结构元素与图像上对应像素点的像素值至少有一个像素相等时，保留这个像素点的值，即erode(src,kernel,dst＝None,anchor＝None,iterations＝None,borderType＝None,borderValue＝None)和dilate(src,kernel,dst＝None,anchor＝None,iterations＝None,borderType＝None,borderValue＝None)。

根据所得区域各边界像素点与其邻域像素点的坐标，再采用经典的边缘检测算子描绘出油滴的边缘后将物体和背景分割出来形成对比鲜明的二值图像，如附图4所示。

分割后的二值图像具有面积、周长等明显特征利用简单的类内鉴别达到识别的目的；并结合计算所得的漏油指标，得到待检测的小型发电机组的漏油状况。计算所得的各油污连的面积指标，将所有油污连通域的面积之和作为漏油区域的面积指标s，用于对液压系统漏油状况的判定。

需要说明的是，以上内容仅仅说明了本发明的技术思想，不能以此限定本发明的保护范围，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰均落入本发明权利要求书的保护范围之内。