潤滑油水分在線監測傳感器畸變圖像特征提取與表征方法研究

高英杰，范斌,，劉勇，張志強，陳文星，杜文亮

（1.內蒙古農業大學機電工程學院，內蒙古 呼和浩特 010018；2.特種車輛及其傳動系統智能制造國家重點實驗室，內蒙古 包頭 014030）

1 前言

潤滑油猶如人體的“血液”，是機械裝備安全可靠運行的保障，其在機械設備中起著潤滑機件、清除雜質、冷卻降溫、密封防漏、降噪減震的功能，然而合格的油品是保證機器正常工作的前提，但潤滑油在生產、存放、運輸及使用過程中會因種種原因導致水分侵入，使其性能發生改變，急劇地降低潤滑油的使用壽命。國外研究表明：在滑動軸承中，油中僅存在1wt%的水分就會使其額定使用壽命縮短近90%。因此，開展服役潤滑油的水分在線檢測研究，對及時監測機器設備的潤滑狀態、確保裝備的安全可靠運行具有重要意義。

為了克服離線水分檢測的缺點，國內外針對潤滑油的在線水分監測技術開展了大量研究，目前可以實現在線水分測量的方法主要有光譜射線法、微波衰減法、介電常數法等，然而這些方法都存在著一定的缺陷，如介電常數法易受油內微小金屬顆粒、總酸值影響，在實際測量中往往達不到滿意的效果；射線法存在人身安全風險，微波法極易受溫度影響，且兩者的檢測裝置成本高、維護困難，難以廣泛推廣。

為此，本文利用隨機介質致光學成像系統的畸變效應，研究了一種基于圖像畸變特征的潤滑油水分在線監測方法。為了快速有效地識別物體畸變圖像特征，提出一種物體形狀量化表征指數構建與提取方法，實現了潤滑油含水量的量化表征，該研究為潤滑油水分在線監測提供了新思路。

2 潤滑油水分在線監測原理

經典的形狀分析方法是研究隨機物體在平移、縮放及旋轉條件下的幾何特性變化，而本文所提出的方法是研究一個確定性物體在其所嵌入的環境或媒介引起的演化下的幾何特性，且圍繞物體的嵌入環境或媒介是隨機的。在這種情況下，介質的變化直接影響到物體的幾何特性，研究其形狀的變化規律，并與確定性物體的幾何特性相比較，從而監測和識別介質中的變化。

基于物體形狀的光學分析方法設計了一種潤滑油水分在線檢測傳感裝置，其由光源機構、流道機構、光學聚焦機構和圖像采集分析機構等組成，如圖1所示，具體結構如專利202010834976.4所述。

圖1 潤滑油水分檢測光學傳感裝置剖面圖

將已知固定結構物體（帶矩形通槽的薄板）放置在流道機構（形成薄的潤滑油介質）后成像，原始物體圖像會被作為畸變算子的液體介質所扭曲，如圖2所示，物體形狀發生畸變，由原來的矩形物體變為橢圓形，其長寬高以及顏色均發生明顯變化，而畸變物體圖像的變化將主要取決于潤滑油介質的光學特性，可以通過研究畸變物體圖像的形狀特征從而識別潤滑油介質中的水分含量。

圖2 物體圖像畸變過程

3 物體圖像畸變特征提取與表征

3.1 畸變物體圖像分割算法

圖像分割是物體圖像畸變特征提取的前提，分割效果直接影響參數的準確性。分水嶺分割是一種強有力的圖像分割方法，其算法運算速度快、易于并行設計，然而其對噪聲極其敏感，直接應用水分嶺算法易出現嚴重的過分割現象，為此，本文采用基于梯度邊緣檢測與標記分水嶺算法相結合的方法對畸變物體圖像進行分割處理。

（1）圖像梯度計算。對圖像進行分水嶺變換之前，使用梯度幅值圖像對原圖像進行預處理會使分割結果更加準確。Sobel算子的3×3卷積模板在更大程度上平滑了輸出圖像，使得圖像對噪聲的敏感性降低，相較于其他算子效果較好，本文采用Sobel算子對畸變物體的灰度圖像卷積來獲取梯度幅值圖像，如圖3所示。

圖3 畸變梯度幅值圖像

（2）灰度級形態學操作。針對本研究的畸變物體圖像，目標物體是相對較亮的區域，背景對應于暗的區域，選擇灰度級形態學操作來尋找畸變物體的內外標識符，從而避免了直接對梯度幅值圖像使用分水嶺算法產生過度分割問題。

采用指定半徑為3的平面圓盤結構作為結構元b，對畸變圖像進行灰度級形態學操作，尋找畸變物體的內外標識符，操作過程如圖4所示，其輸入圖像為灰度圖像，輸出圖像為去噪濾波圖像，具體過程為：①用平的結構元b對畸變灰度圖像f進行腐蝕處理；②以圖像f為模板，使用開操作對腐蝕圖像進行形態學上的灰度級重構；③對開運算重建后的圖像進行灰度膨脹處理；④對步驟2與步驟3所得圖像同時進行取補，分別作為預標記圖像與模板圖像，執行閉運算重建操作，最終得到形態學濾波操作結果圖像（圖5（a））。

圖4 灰度級形態學操作

（3）分水嶺變換。使用imregionalmax函數提取圖5（a）中的局部區域極大值，白色即為標記的目標區域。在圖5（a）中，使用最大類間方差法找到圖片的合適閾值，對圖像進行二值化操作。為了細化背景標記，使用歐式距離變換，值為0的像素即為背景標記。在獲得內外部標記符后，利用極小值標定技術糾正梯度圖像，使圖像局部最小值只出現在標記處后進行分水嶺變換，最終獲得畸變物體的分割圖像（圖5（b））。

圖5 畸變物體圖像分割結果

3.2 畸變圖像多維度形狀特征構建

形狀特征是圖像特征中的一種重要視覺特征，為了加快分析速度、有效區分物體圖像特征，提出一種物體形狀量化表征指數構建與提取方法，構建徑向偏差參數（RD）作為表征指數來對畸變特征進行詳細分析，減少了對物體內部點的分析，大大提高了計算速度，并能提供物體形狀及輪廓信息。

畸變物體形狀特征參數RD提取過程為：（1）讀取圖片，對圖片進行改進分水嶺分割處理；（2）在分割結果圖像中尋找中心坐標值，繪制水平與垂直中心線，并在圖像幾何中心繪制外固定圓，徑向偏差RD定義為畸變物體邊界上的點與外固定圓上對應點的距離，如圖6為直線為45°時的提取過程；（3）遍歷x軸分別尋找直線與畸變物體邊界和外固定圓的交點坐標，計算RD值。

圖6 圖像形狀特征提取算法

本文所構建的形狀特征參數RD提供了物體形狀的邊界特征信息，有助于對物體圖像特征進行比較識別，通過分析不同潤滑油水含量的畸變物體圖像RD值可以實現潤滑油水分在線檢測。

4 實驗研究

在實驗室配置不同含水量的標準潤滑油油樣，利用所設計裝置進行在線模擬實驗，獲得不同含水量油樣的畸變物體圖像，本次實驗材料為L-CKD320重負荷齒輪潤滑油。

4.1 畸變圖像多維度形狀特征對比分析

圖7為實驗所獲得的不同含水量畸變物體總邊界的徑向偏差RD變化曲線。從圖中可以看出，當直線取在0°（360°）和180°附近區間時，曲線數據出現顯著分層，證明在此處的RD值可以作為畸變物體的特征參量來區分不同的潤滑油含水量。為了準確識別已知結構物體的畸變特性，取直線在180°時的徑向偏差RD180作為畸變物體圖像的特征參數。

圖7 畸變物體形狀總邊界RD值曲線

4.2 實驗結果

實驗獲得了含水量為0wt%、0.1wt%、0.2wt%、0.3wt%、0.4wt%、0.5wt%、0.6wt%、0.7wt%、0.8wt%、0.9wt%及1.0wt%共11個油樣的畸變物體圖像數據，每個油樣分別進行了六次重復實驗，分別對實驗圖片提取RD180參量，并取其均值，其結果如表1所示。

表中數據顯示，隨著油樣的含水量不斷增加，從畸變物體圖像中提取的徑向偏差RD180參量為逐漸下降趨勢。用表1所得數據減去原始油樣（0wt%）的特征值（86.0），獲得RD180參量的實際變化狀況，取絕對值后，再對其進行分析。

表1 畸變物體圖像的參量RD180變化數據

使用F(x)=exp(sqrt(5*x))函數對處理后的徑向偏差RD180數據進行賦值，并對潤滑油含水量與賦值徑向偏差RD180進行線性擬合，其結果如圖8所示，得到兩者的線性關系式為y=-22922.25+205720.221x，其R2為0.9805。

圖8 徑向偏差RD180線性擬合圖

5 結語

為了實現潤滑油的水分在線檢測，本文提出一種基于物體圖像形狀畸變特征的量化表征指數構建與提取方法，并開展在線模擬實驗，研究表明：（1）本文提出的梯度邊緣檢測與標記分水嶺集成算法，可實現畸變圖像特征的快速分割與提取，為量化指標構建奠定基礎。（2）構建的畸變圖像多維度形狀特征—徑向偏差RD，可初步實現不同含水量等級的有效量化與表征。（3）試驗研究表明多維度形狀特征中，RD180指標對潤滑油水分含量變化較敏感，且與含水量存在顯著線性相關性，可作為水分含量在線檢測的最優參數。