(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211154000.8 (22)申请日 2022.09.21 (71)申请人 厦门大学 地址 361005 福建省厦门市思明区思明南 路422号 申请人 厦门航空有限公司 (72)发明人 王奕首　肖翔文　尤延铖　汪青　 陈毅　陈国顺　卿新林　 (74)专利代理 机构 厦门加减专利代理事务所 (普通合伙) 35234 专利代理师 李强 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/12(2017.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种发动机滑油磨粒图像 分析方法及 装置、 介质、 设备 (57)摘要 本发明涉及滑油磨粒检测技术领域， 特别涉 及一种发动机滑油磨粒图像分析方法及装置、 介 质、 设备， 其方法包括获取铁谱图像并构建数据 集， 再将数据集划分为训练集和验证集； 构建U ‑ net网络模型， 再通过数据集的训练和验证以得 到训练好的滑油磨粒检测模型； 将待分析的铁谱 图像输入至滑油磨粒检测模型中以获取识别到 的磨粒图像； 再使用Canny算子对铁谱图像的边 缘进行检测， 并结合识别到的磨粒图像进行分 割； 最后对分割后的磨粒图像进行轮廓检测， 以 获取磨粒的轮廓信息。 本发明提供的分析方法采 用U‑net网络模型和Canny算子对图像进行处理， 能够有效识别并提取图像中的磨粒信息， 不仅 简 化了铁谱分析流程， 还大大提高磨粒分析的精准 度。 权利要求书2页 说明书10页 附图5页 CN 115546127 A 2022.12.30 CN 115546127 A 1.一种发动机滑油磨粒图像分析 方法， 其特 征在于， 包括以下步骤： 步骤S100， 获取铁谱图像并进行裁剪以构建数据集， 再将所述数据集划分为训练集和 验证集； 步骤S200， 构建U ‑net网络模型， 并将所述训练集输入至U ‑net网络模型中进行训练， 以 得到训练好的滑油磨粒检测模型； 再将所述验证集输入至所述滑油磨粒检测模型进行测 试， 并评估训练效果； 步骤S300， 对待分析的铁谱图像进行预处理， 再将预处理后的铁谱图像输入至所述滑 油磨粒检测模型中以获取识别到的磨粒图像 轮廓； 步骤S400， 使用Canny算子对预处理后的铁谱图像的边缘进行检测以获得边缘像素， 若 检测到的所述边缘像素位于所述滑油磨粒检测模型识别到的磨粒图像轮廓内则视为重叠 的磨粒， 使用Canny算子对重叠的磨粒进行分割； 若检测到的边缘像素位于滑油磨粒检测模 型识别到的磨粒图像 轮廓外， 则视为 误检， 将其去除； 步骤S500， 对分割后的所述磨粒图像进行轮廓检测， 以获取图像上磨粒的轮廓信息 。 2.根据权利要求1所述的发动机滑油磨粒图像分析方法， 其特征在于： 将待分析的铁谱 图像进行 预处理包括去噪、 增强、 锐化、 复原以及滤波中的一种或多种。 3.根据权利要求1所述的发动机滑油磨粒图像分析方法， 其特征在于： 将所述训练集输 入至U‑net网络模型中进行训练， 包括以下步骤： 将所述训练集的图像输入至卷积块、 CBAM注意力模块中以得到特征层， 再进行多次的 卷积、 CBAM注意力模块训练及池化以得到一次训练特 征图； 对所述一 次训练特征图进行多次的上采样、 融合初步有效特征层以及卷积以得到二 次 训练特征图； 根据特征图检测目标种类的个数对所述二次训练特征图进行通道调整， 并利 用特征得到预测结果； 其中， 利用交叉熵损失函数和DiceL oss损失函数来获取损失。 4.根据权利要求3所述的发动机滑油磨粒图像分析方法， 其特征在于： 所述CBAM注意力 模块包括通道注意力机制模块和空间注意力机制模块， 将图像输入至CBAM注 意力模块包括 以下步骤： 将图像输入至所述通道注意力机制模块中进行全局最大池化和全局平均池化以得到 两组第一特征图， 再分别输入至共享的两层神经网络中， 再基于element ‑wise加和操作和 sigmoid函数的激活操作生成通道注意力特征， 最后将所述通道注意力 特征和图像进行乘 法操作以生成输入特 征图； 将所述输入特征图输入至所述空间注意力模块中， 再进行基于通道的全局最大池化和 全局平均池化以得到两组第二特征图， 再将两组所述第二特征图基于通道做通道拼接操作 和卷积以降维至单通道， 再经过sigmoid函数生 成空间注 意力特征， 最后将所述空间注意力 特征和输入特 征图进行乘法操作以得到特 征层。 5.根据权利要求3所述的发动机滑油磨粒图像分析方法， 其特征在于： 所述图像检测目 标种类分为背景部分和磨粒部分。 6.根据权利要求5所述的发动机滑油磨粒图像分析方法， 其特征在于： 评估训练效果的 步骤为分别计算背景部分 的交并比IOU、 磨粒部分 的交并比IOU以及平均交并比mIOU， 其公 式如下：权　利　要　求　书 1/2 页 2 CN 115546127 A 2其中A1、 B1分别为磨粒部分的预测结果和真实结果， A2、 B2分别为背景部分的预测结果和 真实结果。 7.根据权利要求1所述的发动机滑油磨粒图像分析方法， 其特征在于,使用Canny算子 对磨粒图像的边 缘进行检测包括以下步骤： 图像降噪步骤， 对磨粒图像进行高斯滤波处 理； 计算图像梯度步骤， 通过Sobel算子计算磨粒图像中每个像素的边缘梯度幅值和梯度 方向； 非极大值抑制步骤， 对磨粒图像进行全面扫描以去 除不构成边缘的无关像素点， 再检 测每个像素是否为梯度方向的临近像素点中的局部最大值， 若是， 则 保留下来， 反之， 则去 除； 双阈值筛选步骤， 选取一个预设高阈值和一个预设低阈值， 并判定每个像素的边缘梯 度幅值与预设高 阈值、 预设低阈值的大小关系； 若边缘梯度 幅值大于预设高阈值， 则判定该像素为边缘像素； 若边缘梯度 幅值低于预 设低阈值， 则判定该像素为 非边缘像素， 并进行丢弃； 若边缘梯度幅值介于预设低阈值和预 设高阈值之间， 则判定该像素为待确定像素， 再对待确定像素进 行连续性判断， 若其与边缘 像素相连， 则判定为 边缘像素， 否则进行丢弃。 8.一种发动机滑油磨粒图像分析装置， 其特 征在于， 包括： 数据集构建模块， 获取铁谱图像并进行裁剪以构建数据集， 再将所述数据集划分为训 练集和验证集； 训练模块， 构建U ‑net网络模型， 并将所述训练集输入至U ‑net网络模型中进行训练， 以 得到训练好的滑油磨粒检测模型； 再将所述验证集输入至所述滑油磨粒检测模型进行测 试， 并评估训练效果； 分割模块， 对待分析的铁谱图像进行预处理， 再将预处理后的铁谱图像输入至所述滑 油磨粒检测模型中以获取识别到的磨粒图像轮廓； 使用Canny算子对预处理后的铁谱图像 的边缘进 行检测以获得边缘像素， 若检测到的所述边缘像素位于所述滑油磨粒检测模型识 别到的磨粒图像轮廓内则视为重叠的磨粒， 使用Canny算子对重叠的磨粒进 行分割； 若检测 到的边缘像素位于滑油磨粒检测模型识别到的磨粒图像 轮廓外， 则视为 误检， 将其去除； 分析模块， 对分割后的所述磨粒图像进行轮廓检测， 以获取图像上磨粒的轮廓信息 。 9.一种计算机可读存储介质， 其特征在于： 所述计算机可读存储介质存储有计算机指 令， 所述计算机被处理器执行时实现如权利要求1 ‑7任一项所述的发动机滑油磨粒图像分 析方法。 10.一种电子设备， 其特征在于： 包括至少一个处理器、 及与所述处理器通信连接的存 储器， 其中所述存储器存储可被至少一个处理器执行 的指令， 所述指令被至少一个处理器 执行， 以使所述处 理器执行如权利要求1 ‑7任一项所述的发动机滑油磨粒图像分析 方法。权　利　要　求　书 2/2 页 3 CN 115546127 A 3