用于数控剖锭机的设备异常检测方法与流程

1.本发明涉及数据处理技术领域，具体涉及一种用于数控剖锭机的设备异常检测方法。


背景技术：

2.数控剖锭机通过数字程序驱动机床运动对工件进行加工处理，其需要长时间的运行作业，为了保证设备的安全运行，需要实时的监测设备运行是否正常、状态是否稳定。传统方法进行设备异常检测时，需要耗费大量的人力成本和财力成本，在此基础上提出了基于智能化图像处理的设备异常检测方法，利用红外热成像技术实时监测设备的运行状态，由于机体在正常运行作业时，其产热和散热过程通常会保持动态平衡，因此可以通过分析设备运行中的温度变化，检测运行中的设备内部是否出现异常。
3.为了实现上述目的，本领域技术人员通过智能化图像处理的设备异常检测，在检测过程中通过红外热图像来判断设备运行是否异常，但是红外热图像对比度低、受噪声影响较大，故直接对采集的低质量红外热图像进行分析，无法保证设备异常检测结果的可信度。则需要对红外热图像进行去噪处理，提高红外热图像的质量。传统的图像去噪方法都存在着各自固有的缺陷，如均值滤波，其滤波窗口的尺寸固定，且尺寸大小凭经验选取，窗口尺寸较大时，不能很好的保护图像细节，窗口尺寸较小时，噪声去除效果较差。而通过均值处理时，窗口内各像素点的权值相同，使噪声像素点对均值的结果影响较大，令噪声的平滑效果较差。


技术实现要素：

4.为了解决现有技术中的不足，本发明提供一种用于数控剖锭机的设备异常检测方法，该方法通过改进均值滤波算法提高图像的去噪效果，先根据红外热图像内各像素点为噪声点和边缘点的概率，实现窗口的自适应选取，进而根据为噪声点的概率进行加权均值去噪，实现保护图像边缘的同时，提高去噪效果，最后对高质量的红外热图像进行分析，判断设备是否正常运行。从而能够提升对数控剖锭机的设备异常检测的准确性。
5.本发明的目的是提供一种用于数控剖锭机的设备异常检测方法，包括以下步骤：获取数控剖锭机红外热图像的灰度图；利用窗口对所述灰度图进行遍历；根据每个窗口内像素点灰度值的均值对所述窗口内的像素点进行分类；根据每个窗口内与中心像素点同类别的其他像素点的灰度值，获取每个窗口内中心像素点为噪声像素点的第一概率；将每个像素点在不同方向上的灰度梯度向量的加和作为每个像素点的热传导向量；根据每个窗口内与中心像素点同类别的每个像素点的热传导向量，获取每个窗口内中心像素点为噪声像素点的第二概率；根据每个窗口内中心像素点的第一概率和第二概率，获取每个窗口内中心像素点
为噪声像素点的综合概率；根据每个窗口内每个像素点的综合概率和灰度值获取每个窗口中心像素点为边缘像素点的概率；根据每个像素点为边缘像素点的概率和综合概率获取每个像素点的滤波窗口尺寸；根据每个像素点的滤波窗口尺寸对每个像素点进行均值滤波获取去噪后的灰度图；根据去噪后的灰度图的灰度均值判断数控剖锭机的设备运行是否异常。
6.在一实施例中，所述每个窗口内中心像素点为噪声像素点的第一概率是按照以下步骤获取：获取所述灰度图中灰度级从小至大排序的灰度级序列；将每个窗口内中心像素点所在类别中的其他像素点标记为中心类像素点；将灰度图中相邻灰度级的距离设为1，则分别获取灰度级序列中每个灰度级至第一个灰度级的距离；根据每个窗口内中心像素点对应灰度级至第一个灰度级的距离，以及所述窗口内每个中心类像素点对应灰度级至第一个灰度级的距离，获取每个窗口内中心像素点为噪声像素点的第一概率。
7.在一实施例中，所述每个窗口中心像素点为边缘像素点的概率是按照以下步骤获取：根据每个窗口中每个像素点为噪声像素点的综合概率和灰度值获取每个窗口内像素点重新分类的灰度阈值；根据每个窗口内像素点重新分类的灰度阈值对每个窗口内像素点划分为第一类像素点和第二类像素点；根据每个窗口中的每个第一类像素点的综合概率和灰度值，以及每个第二类像素点的综合概率和灰度值，获取每个窗口内中心像素点为边缘像素点的概率。
8.在一实施例中，获取去噪后的灰度图的过程中，还包括：利用每个滤波窗口内每个像素点的综合概率对每个滤波窗口内各像素点的灰度值进行加权，并通过求和获取每个滤波窗口内的灰度均值；依次利用每个滤波窗口内的灰度均值对所述滤波窗口内中心像素点的灰度值替换，获取去噪后的灰度图。
9.在一实施例中，所述每个像素点的滤波窗口尺寸是按照以下步骤获取：根据每个像素点为边缘像素点的概率和综合概率获取每个像素点对滤波窗口的选择概率；根据每个像素点对滤波窗口的选择概率获取每个像素点的滤波窗口尺寸。
10.在一实施例中，所述每个像素点的滤波窗口尺寸是按照以下步骤获取：当选择概率小于或等于对应的像素点，则滤波窗口尺寸为3
×
3；当选择概率大于，且小于对应的像素点，则滤波窗口尺寸为5
×
5；
当选择概率大于或等于对应的像素点，则滤波窗口尺寸为7
×
7。
11.在一实施例中，所述设备运行是否异常是按照以下步骤进行判断：通过每间隔一定时间获取数控剖锭机红外热图像的灰度图；获取相邻两个灰度图对应去噪后的灰度图的灰度均值的差值的绝对值；当灰度均值的差值的绝对值大于预设阈值，则判断数控剖锭机的设备运行出现异常。
12.在一实施例中，所述每个窗口内中心像素点为噪声像素点的第二概率是按照以下步骤获取：获取每个窗口内与中心像素点同类别的其他像素点的热传导向量的加和；根据每个窗口内中心像素点的热传导向量与中心像素点同类别的其他像素点的热传导向量加和的夹角，获取每个窗口内中心像素点为噪声像素点的第二概率。
13.本发明的有益效果是：本发明提供的一种用于数控剖锭机的设备异常检测方法，该方法通过处理采集运行中的数控剖锭机红外热图像，根据图像内各像素点为噪声点和边缘点的概率，实现窗口的自适应选取，进而根据为噪声点的概率进行加权均值去噪，获取高质量的红外热图像，最后通过对图像的数据分析，判断设备是否正常运行，避免了直接对采集的低质量红外热图像分析而无法保证设备异常检测结果的可信度；从而实现了对数控剖锭机的设备异常检测的准确性。
附图说明
14.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
15.图1为本发明的一种用于数控剖锭机的设备异常检测方法的实施例总体步骤的流程示意图。
具体实施方式
16.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。
17.本发明主要针对红外热图像对比度低、受噪声影响较大，故直接对采集的低质量红外热图像进行分析，无法保证设备异常检测结果的可信度。为此，本发明通过处理采集的运行中的数控剖锭机红外热图像，根据图像内各像素点为噪声点和边缘点的概率，实现窗口的自适应选取，进而根据为噪声点的概率进行加权均值去噪，获取高质量的红外热图像。最后通过对图像的数据分析，判断设备是否正常运行。
18.本发明由于数控剖锭机需要进行长时间的切割作业，而机体在正常运行时，其产
热和散热过程通常会保持动态平衡，因此通过红外热图像实时监控设备的温度变化，检测运行中的设备内部是否出现异常。
19.本发明使用改进的均值滤波对图像进行去噪处理，对于噪声像素点需要较大的窗口，减小噪声像素点在窗口内的数量占比，提高去噪效果，而对于边缘像素点，则需要较小的窗口，增加边缘像素点在窗口内的数量占比，提高边缘保护的效果。
20.本发明提供的一种用于数控剖锭机的设备异常检测方法，参见图1所示，包括以下步骤：s1、获取数控剖锭机红外热图像的灰度图；在本实施例中，通过在数控剖锭机附近固定安装红外热成像仪实时采集运行中数控剖锭机红外热图像。由于红外热图像受噪声影响较大，极大的降低了图像的质量，故直接对采集的红外热图像进行分析，无法保证设备异常检测结果的可信度。需要对红外热图像进行去噪处理，获得高质量图像。为了获取高质量的图像，先对红外热图像进行灰度化处理。然后统计采集的数控剖锭机红外热图像的灰度直方图。从小至大获取灰度直方图内的像素灰度级序列，其中n表示灰度直方图内的灰度级数量。
21.s2、获取每个窗口内中心像素点为噪声像素点的第一概率；利用窗口对所述灰度图进行遍历；根据每个窗口内像素点灰度值的均值对所述窗口内的像素点进行分类；根据每个窗口内与中心像素点同类别的其他像素点的灰度值，获取每个窗口内中心像素点为噪声像素点的第一概率；其中，所述每个窗口内中心像素点为噪声像素点的第一概率是按照以下步骤获取：获取所述灰度图中灰度级从小至大排序的灰度级序列；将每个窗口内中心像素点所在类别中的其他像素点标记为中心类像素点；将灰度图中相邻灰度级的距离设为1，则分别获取灰度级序列中每个灰度级至第一个灰度级的距离；根据每个窗口内中心像素点对应灰度级至第一个灰度级的距离，以及所述窗口内每个中心类像素点对应灰度级至第一个灰度级的距离，获取每个窗口内中心像素点为噪声像素点的第一概率。
22.在本实施例中，计算数控剖锭机红外热图像内各像素点为噪声像素点的概率，使用5
×
5的窗口在图像内从上至下、从左至右逐像素点遍历，根据窗口内各像素点灰度值的相似性判断中心像素点为噪声像素点的概率。此时5
×
5窗口尺寸的选取是为了防止窗口内数据量过少或者过多影响后续分析的准确性。
23.已知红外热图像表示物体的温度变化，故当窗口处于红外热图像中温度差较大的交汇区域处时，窗口内会存在两种温度下的像素点，其灰度值差异较大，影响窗口中心像素点在窗口内像素点灰度值的相似性上为噪声像素点的判断，因此需要先对窗口内的像素点进行分类，对同类像素点进行分析，分类方式如下：计算窗口内像素点的灰度均值为b，以b值为阈值将窗口内的像素点分为灰度值小于或等于b和灰度值大于b两类像素点，取窗口中心像素点所处类的像素点记为中心类像素
点，标记中心类像素点为；此时不管窗口是否处于图像内同一温度区域还是不同温度区域的交汇处，类像素点应为同一温度下的同类像素点。
24.由于热量的传导是从高温向低温传导，温度越高对应红外热图像内的像素点灰度值越大，故在灰度直方图上从左至右温度逐渐升高，即图像内温度相似的区域内像素点的灰度级在灰度直方图上相对聚集。
25.故令像素灰度级序列中相邻灰度级的距离为1，则分别获取每个灰度级至第一个灰度级的距离；从小至大各像素灰度级表示的距离为。若窗口中心像素点为正常点，则窗口内划分的同一温度下类像素点的像素灰度级间的距离较近，若窗口中心像素点为噪声点，则窗口内划分的同一温度下类像素点内中心像素点与非中心像素点的像素灰度级间的距离较远，其不受像素点本身灰度值大小的影响。由此可知，每个窗口中心像素点在灰度相似性上为噪声像素点的第一概率计算公式如下：式中，表示红外热图像内第y个像素点对应灰度级至第一个灰度级的距离，表示以第y个像素点为中心的窗口内类像素点中第z个非中心像素点对应灰度级至第一个灰度级的距离，两者的差异表示窗口内中心像素点与非中心像素点在灰度直方图上的距离；q表示窗口内类像素点中非中心像素点的数量；n-1表示最大灰度级与最小灰度级之间的距离，表示灰度直方图上的最大距离，其中，n表示灰度直方图内的灰度级数量；令的取值范围为[0,1]，m表示红外热图像内像素点的数量。表示窗口内中心像素点y在灰度相似性上为噪声像素点的第一概率；故的值越大，表示对应的像素点在灰度相似性上为噪声像素点的第一概率越大。
[0026]
s3、获取每个窗口内中心像素点为噪声像素点的第二概率；需要说明的是，热量的传导具有方向性，故窗口内类像素点的热传导方向相似，而噪声点会破坏图像内的热传导方向。为此，将每个像素点在不同方向上的灰度梯度向量的加和作为每个像素点的热传导向量；根据每个窗口内与中心像素点同类别的每个像素点的热传导向量，获取每个窗口内中心像素点为噪声像素点的第二概率；即为每个窗口内中心像素点在热传导方向上为噪声像素点的第二概率；具体的，每个窗口内中心像素点为噪声像素点的第二概率是按照以下步骤获取：获取每个窗口内与中心像素点同类别的其他像素点的热传导向量的加和；根据每个窗口内中心像素点的热传导向量与中心像素点同类别的其他像素点的热传导向量加和的夹角，获取每个窗口内中心像素点为噪声像素点的第二概率。
[0027]
在本实施例中，统计红外热图像内各像素点到其八邻域方向上的灰度梯度，计算
这些梯度向量的加和为，用其表示各像素点的热传导向量。由此可知，每个窗口内中心像素点为噪声像素点的第二概率的计算公式如下：式中，表示红外热图像内第y个像素点为窗口内中心像素点的热传导向量，表示以第y个像素点为中心的窗口内类像素点中的非中心像素点的热传导向量之和，表示窗口中心像素点热传导向量与窗口内类像素点中非中心像素点热传导向量和的夹角，其夹角越小说明窗口内类像素点的热传导方向越相似，为噪声像素点的概率越小，180表示向量最大夹角，令的取值范围为[0,1]，m表示红外热图像内像素点的数量。表示窗口内中心像素点y在热传导方向上为噪声像素点的第二概率，故的值越大，表示对应的像素点在热传导方向上为噪声像素点的第二概率越大。
[0028]
s4、获取每个像素点为噪声像素点的综合概率；根据每个窗口内中心像素点的第一概率和第二概率，获取每个窗口内中心像素点为噪声像素点的综合概率；依次获取每个像素点为噪声像素点的综合概率；在本实施例中，红外热图像内各像素点为噪声像素点的综合概率计算公式如下：式中，表示窗口内中心像素点y在灰度相似性上为噪声像素点的第一概率；表示窗口内中心像素点y在热传导方向上为噪声像素点的第二概率；其两者的取值范围均为[0,1]，m表示红外热图像内像素点的数量；表示窗口内中心像素点y为噪声像素点的综合概率，主要通过利用每个像素点在灰度相似上和传导方向上为噪声的概率，相对应给两者赋予同样的权重为0.5来综合考虑每个像素点为噪声的概率；故越大，像素点为噪声的概率越大，其取值范围为[0，1]。
[0029]
s5、获取每个像素点为边缘像素点的概率；根据每个窗口内每个像素点的综合概率和灰度值获取每个窗口中心像素点为边缘像素点的概率；依次获取每个像素点为边缘像素点的概率；
其中，所述每个窗口中心像素点为边缘像素点的概率是按照以下步骤获取：根据每个窗口中每个像素点为噪声像素点的综合概率和灰度值获取每个窗口内像素点重新分类的灰度阈值；根据每个窗口内像素点重新分类的灰度阈值对每个窗口内像素点划分为第一类像素点和第二类像素点；根据每个窗口中的每个第一类像素点的综合概率和灰度值，以及每个第二类像素点的综合概率和灰度值，获取每个窗口内中心像素点为边缘像素点的概率。
[0030]
需要说明的是，边缘像素点的窗口内存在两种温度下的像素点，这两类像素点之间的灰度值差异较大。由于噪声的影响导致像素点灰度值的可信度降低，开始的窗口内像素点分类存在一定的误差，因此需要对窗口内的像素点重新分类。各5
×
5窗口内像素点分类的灰度阈值计算公式如下：式中，表示红外热图像内以第y个像素点为中心的5
×
5窗口内第x个像素点为噪声像素点的概率，t表示以第y个像素点为中心的5
×
5窗口内像素点的数量，表示以第y个像素点为中心的5
×
5窗口内第x个像素点的灰度值；m表示红外热图像内像素点的数量；表示各像素点的权值；当像素点为噪声像素点的概率越大，说明该像素点灰度值的可信度越低，故该像素点灰度值的权值越小，其加权均值为对应窗口内去除噪声影响下的灰度阈值。
[0031]
由此将各窗口内的像素点根据其对应灰度阈值分为两类，一种是灰度值小于的第一类像素点记为，另一种是灰度值大于或等于的第二类像素点记为。故各窗口中心像素点为边缘像素点的概率计算公式如下：式中，和分别表示红外热图像内以第y个像素点为中心的5
×
5窗口内和类像素点中第和第个像素点为噪声像素点的概率；和分别表示以第y个像素点为中心的窗口内和类像素点第和第个像素点的灰度值；和分别
表示以第y个像素点为中心的窗口内和类像素点的数量；故表示窗口内类像素点的噪声概率灰度加权均值，表示窗口内类像素点的噪声概率灰度加权均值；两均值的差异越大，表示窗口内存在两种温度像素点的概率越大，即窗口中心像素点为边缘像素点的概率越大。而两均值之差比上两均值之和，可以减少高温区域边缘灰度差异相较于低温区域边缘灰度差异较大的影响，并使的取值范围为[0，1]；表示窗口内中心像素点y为边缘像素点的概率，故的值越大，对应像素点为边缘像素点的概率越大。
[0032]
至此，获得红外热图像内各像素点为噪声像素点的综合概率集合和去除噪声影响后为边缘像素点的概率集合，分别为和，其中m表示红外热图像内的像素点数量，并且和的取值范围为[0,1]。
[0033]
s6、根据每个像素点为边缘像素点的概率和综合概率获取每个像素点的滤波窗口尺寸；其中，所述每个像素点的滤波窗口尺寸是按照以下步骤获取：根据每个像素点为边缘像素点的概率和综合概率获取每个像素点对滤波窗口的选择概率；根据每个像素点对滤波窗口的选择概率获取每个像素点的滤波窗口尺寸。
[0034]
在本实施例中，每个像素点对滤波窗口的选择概率计算公式如下：式中，表示红外热图像内第y个像素点为噪声像素点的综合概率，其值越大，像素点所需窗口尺寸越大；表示第y个像素点为边缘像素点的概率；其值越大，像素点所需窗口尺寸越小；表示第y个像素点对滤波窗口的选择概率，故越大，像素点所需窗口尺寸越大；m表示红外热图像内像素点的数量。
[0035]
所述每个像素点的滤波窗口尺寸是按照以下步骤获取：当选择概率小于或等于对应的像素点，则滤波窗口尺寸为3
×
3；当选择概率大于，且小于对应的像素点，则滤波窗口尺寸为5
×
5；当选择概率大于或等于对应的像素点，则滤波窗口尺寸为7
×
7。
[0036]
在本实施例中，设定的滤波窗口尺寸类型分别为3
×
3、5
×
5、7
×
7，是根据历史数
据而选择的，操作者可以根据实际情况确定滤波窗口尺寸。故赋予的像素点3
×
3的窗口，赋予的像素点5
×
5的窗口，赋予的像素点7
×
7的窗口。
[0037]
s7、根据每个像素点的滤波窗口尺寸对每个像素点进行均值滤波获取去噪后的灰度图；获取去噪后的灰度图的过程中，还包括：利用每个滤波窗口内每个像素点的综合概率对每个滤波窗口内各像素点的灰度值进行加权，并通过求和获取每个滤波窗口内的灰度均值；依次利用每个滤波窗口内的灰度均值对所述滤波窗口内中心像素点的灰度值替换，获取去噪后的灰度图。
[0038]
在本实施例中，获取红外热图像内各像素点的自适应窗口尺寸和为噪声像素点的概率，由于为噪声像素点的概率越大，该像素点灰度值的可信度越低，故红外热图像改进的均值滤波去噪公式为：式中，j表示窗口尺寸类型，分别表示像素点的对应窗口尺寸为3
×
3、5
×
5、7
×
7。表示红外热图像内以第y个像素点为中心的对应的j类型窗口内第x个像素点为噪声像素点的概率，表示以第y个像素点为中心的对应的j类型窗口内的像素点数量，表示以第y个像素点为中心的对应的j类型窗口内第x个像素点的灰度值，表示以第y个像素点为中心的对应的j类型窗口内各像素点的权值，m表示红外热图像内像素点的数量。当像素点为噪声像素点的概率越大，说明该像素点灰度值的可信度越低，故该像素点灰度值的权值越小；表示每个滤波窗口内的灰度均值。
[0039]
最后，使用噪声概率加权后的灰度均值替换对应窗口内原始中心像素点灰度值，完成红外热图像的去噪处理，获取去噪后的灰度图，即为高质量数控剖锭机红外热图像。
[0040]
s8、根据去噪后的灰度图的灰度均值判断数控剖锭机的设备运行是否异常。
[0041]
所述设备运行是否异常是按照以下步骤进行判断：通过每间隔一定时间获取数控剖锭机红外热图像的灰度图；获取相邻两个灰度图对应去噪后的灰度图的灰度均值的差值的绝对值；当灰度均值的差值的绝对值大于预设阈值，则判断数控剖锭机的设备运行出现异常。
[0042]
在本实施例中，根据获取去噪后的灰度图，由于数控剖锭机设备位置固定，红外热
成像仪拍摄位置和角度固定，因此可通过人工框选出数控剖锭机内部的切割伺服电机在红外热图像中的位置，每间隔10分钟，统计一次红外热图像内切割伺服电机区域内的像素灰度均值，计算一天内设备正常运行时，统计的相邻两灰度均值的差值的绝对值，取这组数据的均值为k，以1.5k为阈值，若间隔10分钟采集的两次红外热图像内切割伺服电机区域内的像素灰度均值的差值的绝对值大于1.5k，则判断设备运行出现异常，立即进行停机检查。
[0043]
本发明提供的一种用于数控剖锭机的设备异常检测方法，该方法通过处理采集运行中的数控剖锭机红外热图像，根据图像内各像素点为噪声点和边缘点的概率，实现窗口的自适应选取，进而根据为噪声点的概率进行加权均值去噪，获取高质量的红外热图像，最后通过对图像的数据分析，判断设备是否正常运行，避免了直接对采集的低质量红外热图像分析而无法保证设备异常检测结果的可信度；从而实现了对数控剖锭机的设备异常检测的准确性。
[0044]
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。