一种基于图像处理的水润尾轴泄漏监测方法及系统与流程

本申请涉及轴承系统，具体涉及一种基于图像处理的水润尾轴泄漏监测方法及系统。

背景技术：

1、尾轴密封装置对尾轴进行密封，防止舷外水进入船内，保证船舶安全，其中水润尾轴在密封装置内采用水作为冷却介质及润滑剂，防止尾轴旋转过程中摩擦产生高温。

2、通常情况下存在少量冷却水泄漏，属正常情况。泄漏冷却水断流可能造成轴承干摩擦，影响轴承性能。泄漏量过大可能是尾轴密封性能不好，舷外水进入船内造成。因此冷却水泄漏断流或过大均为异常情况，需及时处理防止发生事故。

3、对于泄漏断流，通常在密封装置内植入温度探头，通过检测温度异常升高确认泄漏断流，该方法存在检测相对滞后，当温度异常升高时，尾轴干摩擦已持续一段时间，影响尾轴寿命。

4、对于密封装置性能退化造成的舷外水泄漏，目前暂无有效的检测方式，仅通过定期巡视实现。

技术实现思路

1、针对现有技术中存在的缺陷，本申请的目的在于提供一种基于图像处理的水润尾轴泄漏监测方法及系统，能够利用图形处理算法对尾轴泄漏图像进行识别判断尾轴泄漏情况，及时提示异常情况。

2、为达到以上目的，采取的技术方案是：

3、本申请第一方面提供一种基于图像处理的水润尾轴泄漏监测方法，包括：

4、在尾轴附近预设位置设置监测点，在监测点设置图像采集装置，利用图像采集装置，采集尾轴使用前的初始图像和尾轴使用中的泄漏图像；

5、将泄漏图像与初始图像进行比对得到差值图像，对差值图像依次进行高斯滤波、寻找强度梯度、以及非极大值抑制得到初步的边缘图像，所述边缘图像中包括所有水滴的图像；

6、计算初步的边缘图像的第一平均灰度和该图像中所有边缘的第二平均灰度，根据所述两个平均灰度处理得到低阈值；

7、对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度，根据所述第一平均灰度和所述第三平均灰度处理得到高阈值；

8、利用双阈值检测法，根据所述高阈值和所述低阈值对初步的边缘图像进行优化得到最终的边缘图像；

9、对最终的边缘图像中的边缘数量进行统计得到该图像中水滴的数量，根据水滴的数量判断泄漏情况。

10、一些实施例中，所述方法还包括在尾轴附近设置背景板，所述图像采集装置和所述背景板相对设置；

11、所述监测点位于尾轴泄漏点下方附近。

12、一些实施例中，所述差值图像采用下述公式计算得到：

13、mi(x,y)＝|ii(x,y)-i0(x,y)|

14、其中，

15、mi(x,y)用于表示第i帧的差值图像；

16、ii(x,y)用于表示第i帧的泄漏图像；

17、i0(x,y)用于表示初始图像，初始图像为第0帧的泄漏图像；

18、i用于表示图像采集装置按照时间顺序采集的图像帧数；

19、x用于表示差值图像中的像素点的像素横坐标；

20、y用于表示差值图像中的像素点的像素纵坐标。

21、一些实施例中，采用canny算法对所述差值图像依次进行高斯滤波、寻找强度梯度、以及非极大值抑制得到初步的边缘图像。

22、一些实施例中，所述第一平均灰度采用下述公式计算得到：

23、

24、其中，

25、mpi用于表示第i帧的初步的边缘图像的第一平均灰度；

26、m用于表示初步的边缘图像的图像宽度；

27、n用于表示初步的边缘图像的图像高度；

28、gpi(x,y)用于表示第i帧的初步的边缘图像；

29、所述第二平均灰度采用下述公式计算得到：

30、

31、其中，

32、mei用于表示第i帧的初步的边缘图像的第二平均灰度；

33、n用于表示第i帧的初步的边缘图像中边缘像素点的个数。

34、一些实施例中，所述低阈值采用下述公式计算得到：

35、

36、其中，

37、σ2用于表示低阈值。

38、一些实施例中，所述对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度，具体包括如下步骤：

39、采用dbscan算法对初步的边缘图像进行聚类，以将该图像中存在连接关系的所有边缘像素点进行分类得到多个种类的边缘；

40、分别计算每种种类的边缘的平均灰度得到所述第三平均灰度；

41、所述第三平均灰度采用下述公式计算得到：

42、

43、其中，

44、用于表示第i帧初步的边缘图像中第j类边缘的平均灰度；

45、j用于表示边缘的类别数；

46、nj用于表示第j类边缘的边缘像素点个数；

47、gi(xk,yk)用于表示第i帧初步的边缘图像中第k个像素点的像素坐标；

48、xk用于表示所述第k个像素点的x轴像素坐标；

49、yk用于表示所述第k个像素点的y轴像素坐标。

50、一些实施例中，所述高阈值采用下述公式计算得到：

51、

52、其中，

53、σ1用于表示高阈值。

54、一些实施例中，所述根据水滴的数量判断泄漏情况，具体包括如下步骤：

55、在水滴的数量不大于第一阈值时，判断泄漏断流；

56、在水滴的数量大于第一阈值且不大于第二阈值时，判断正常滴漏；第一阈值小于第二阈值；

57、在水滴的数量大于第二阈值时，判断舷外水泄漏。

58、一种基于图像处理的水润尾轴泄漏监测系统，应用所述的基于图像处理的水润尾轴泄漏监测方法。

59、本申请提供的技术方案带来的有益效果包括：

60、通过计算初步的边缘图像的第一平均灰度和该图像中所有边缘的第二平均灰度，根据所述两个平均灰度处理得到低阈值，以及通过对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度，根据所述第一平均灰度和所述第三平均灰度处理得到高阈值，最后利用高低阈值对初步的边缘图像优化得到最终的边缘图像，通过提出新的高低阈值计算方式，得到更清晰准确的边缘图像，从而能从边缘图像中采集到更准确的水滴数量，提高泄漏检测精度。

技术特征：

1.一种基于图像处理的水润尾轴泄漏监测方法，其特征在于，包括：

2.如权利要求1所述的基于图像处理的水润尾轴泄漏监测方法，其特征在于，所述方法还包括在尾轴附近设置背景板，所述图像采集装置和所述背景板相对设置；

3.如权利要求1所述的基于图像处理的水润尾轴泄漏监测方法，其特征在于，所述差值图像采用下述公式计算得到：

4.如权利要求1所述的基于图像处理的水润尾轴泄漏监测方法，其特征在于，采用canny算法对所述差值图像依次进行高斯滤波、寻找强度梯度、以及非极大值抑制得到初步的边缘图像。

5.如权利要求3所述的基于图像处理的水润尾轴泄漏监测方法，其特征在于，所述第一平均灰度采用下述公式计算得到：

6.如权利要求5所述的基于图像处理的水润尾轴泄漏监测方法，其特征在于，所述低阈值采用下述公式计算得到：

7.如权利要求6所述的基于图像处理的水润尾轴泄漏监测方法，其特征在于，所述对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度，具体包括如下步骤：

8.如权利要求7所述的基于图像处理的水润尾轴泄漏监测方法，其特征在于，所述高阈值采用下述公式计算得到：

9.如权利要求1所述的基于图像处理的水润尾轴泄漏监测方法，其特征在于，所述根据水滴的数量判断泄漏情况，具体包括如下步骤：

10.一种基于图像处理的水润尾轴泄漏监测系统，其特征在于，应用如权利要求1到9中任一项所述的基于图像处理的水润尾轴泄漏监测方法。

技术总结
本申请公开了一种基于图像处理的水润尾轴泄漏监测方法及系统，涉及轴承系统技术领域，包括在利用图像采集装置采集尾轴使用前后的初始图像和的泄漏图像；将泄漏图像与初始图像比对得到差值图像后，对其预处理得到初步的边缘图像；计算初步的边缘图像的第一平均灰度和该图像中所有边缘的第二平均灰度，并得到低阈值；对初步的边缘图像进行聚类得到该图像中每种种类的边缘的第三平均灰度，根据第一平均灰度和第三平均灰度处理得到高阈值；利用高低阈值对初步的边缘图像优化得到最终的边缘图像；对最终的边缘图像中的边缘数量进行统计得到水滴数量。本申请能够利用图形处理算法对尾轴泄漏图像进行识别判断尾轴泄漏情况，及时提示异常情况。

技术研发人员：胡芳禹,罗南杭,杜恩武,韩瑜,王玮康,方靖荃,黄敏,宋思蒙
受保护的技术使用者：中国船舶集团有限公司第七一九研究所
技术研发日：
技术公布日：2024/1/15