CN119478566A 一种风电轴承圈磨损检测方法 （江阴燎原装备制造有限公司）

并利用DBSCAN聚类算法进行聚类分析，获取Canny边缘检测算法的自适应双阈值。接着对边2获取风电齿轮箱轴承包含磨损区域的外圈图像；对所述外圈图像进行Canny边缘检测获取风电齿轮箱轴承外圈的实时图像，将所述实时图像输入训所述Canny边缘检测还包括双阈值检测，所述双阈值检测的自适应高阈值以及自适应口的方向为主要梯度方向，所述主要梯度方向为外圈图像中各像素点的梯度方向的众数；将第一窗口内大于等于中心像素点梯度幅值的记为1，小于中心像素点梯度幅值的记将任一聚类簇中所有像素点灰度值均值作为对应聚类簇的自适应在风电齿轮箱轴承的圆心处放置一个可旋转每旋转设定角度使用工业相机拍摄一张风电齿轮箱轴承使用加权灰度化算法将获取到的RGB图像进对灰度化图像使用双边滤波对灰度图像进行对降噪后的图像使用自适应直方图均衡化提高局部将所述边缘图像输入GraphCut算法得到所述GraphCut算法还包括手动标注前景区域的标记点以及背景区域所有外圈图像对应的特征向量以及磨损程度标签构成3使用Zscore算法将所述纹理特征以及几何特征进行设置DBSCAN算法的邻域半径取值范围为0.4设置DBSCAN算法的最小点数取值范围;其中Dis((z1v),(zzv2))表示所述梯度一灰度空间中二进制坐标(z1,v1)以及(z2,4窗口的方向为主要梯度方向，所述主要梯度方向为外圈图像中各像素点的梯度方向的众所有像素点灰度值均值作为对应聚类簇的自适应高阈值，将所述自适应高阈值的50%作为5[0005]本发明通过在Canny边缘检测算法中引入基于主要梯度方向和主要磨损方向的自成自适应阈值，显著提升了边缘检测在风电齿轮箱轴承圈磨损检测中的精确性和鲁棒性。对降噪后的图像使用自适应直方图均衡化提高局部[0009]通过将边缘图像输入图割算法并结合手动标注的磨损区用灰度共生矩阵提取轴承外圈磨损区域的纹理特征；使用HU矩获取磨损区域的几何特征；使用Zscore算法将所述纹理特征以及几何特征进行标准化处理；所述纹理特征以及几何点的梯度灰度空间坐标后使用DBSCAN算法进行聚类；设置DBSCAN算法的邻域半径取值范;6其中Dis((z1v),(zzv2))表示所述梯度一灰度空间中二进制坐标(z1,v1)以及2[0017]进一步地，基于所述对应磨损程度标签判断所述风电齿轮箱轴承外圈的磨损情[0019]通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目图4是示意性示出本发明中实施例的风电齿轮箱轴承外圈的磨损情况彩色示意明中的实施例，本领域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，7基于边缘进行区域分割，从而获取磨损区域的情况。Canny边缘检测算法通常包括灰度转体梯度获取过程此处不再进行赘述，对于坐标为8;磨损区域具有一定的方向性，轴承外圈的磨损方向与梯度变化的主导方向大体呈现直角，;Φ_π,用于限制主要磨损方向的取值范围在[0,π]内。至此对于坐标为(x,y)的像素点获取[0033]首先对于Canny边缘检测算法中极大值抑制后的任一像素点，以该像素点为中心;;其中Bi表示第一线性邻域窗口中第i个像素点对应的二进制值；G(Pi)表示第一线性邻域窗口中第i个像素点Pi对应的梯度幅值；G(P0)表示第一线性邻域窗口内中心像素点P09根据目标像素点沿主要梯度方向的光照情况进一步评估像素;口除中心像素点外其余像素点总数量的一半，有p=2表示线性邻域窗口的总长;性邻域窗口中第j个像素点Pj对应的梯度幅值；I(P0)表示第二线性邻域窗口内中心像素点P0的梯度幅值；p表示第二线性邻域窗口除中心像素点外其余像素点总数量的一半。同样[0036]至此获取了任一像素点的第一线性邻域窗口对应的二进制序列以及第二线性邻域窗口对应的二进制序列，其中第一线性邻域窗口对应的二进制序列也可记为梯度序列，像素点的梯度一致性评分以及灰度一致性评分获取各聚类簇Canny边缘检测算法的自适应;[0041]上述步骤对极大值抑制后的所有像素点基于梯度特征以;;其中St表示第t个聚类簇中所有像素点的梯度一致性评分；M表示第t个聚类簇中表示第t个聚类簇中第m个像素点Pm的灰度值；表示第t个聚类簇中所有像素点的灰度均区域并获取磨损区域的纹理特征以及几何特征得到特征向量，人工标注标签得到样本集；[0046]首先基于步骤S3的改进双阈值的Canny边缘检测算法获取轴承外圈的边缘图像；中前景与背景分别指磨损区域以及未磨损区域；算法的输入还包括边权重以及平滑项权有纹理特征以及几何特征进行标准化处理，第n个磨损区域对应的纹理特征以及几何特征析轴承磨损严重的成因以防止同地区其余风电设备发生同样严重磨损情况导致设备故障，[0051]本发明通过在Canny边缘检测算法中引入基于主要梯度方向和主要磨损方向的自成自适应阈值，