基于Robert 算子改進算法提取軸瓦磨損特征的研究

劉文濱 丁傳廣 于 超 王 靜

（浪潮集團有限公司，濟南 250000）

發動機軸瓦磨損是常見的發動機設備故障。通過分析磨損區域與磨損程度，可以推斷發動機故障形式與故障源。因此，對于軸瓦磨損區域的圖像識別與磨損特征的提取是發動機故障診斷的一個重要技術。

軸瓦磨損的分析中，需要提取磨損特征，并對磨損信息進行數值化，以便用于專家系統與人工智能系統的分析。圖像識別技術是磨損痕跡提取的重要方式，因此如何選用不同的圖像識別方法是提取軸瓦磨損的關鍵。

1 軸瓦磨損圖像特征提取方法

軸瓦磨損分析的目的是分析軸瓦的受力狀態，因此可以通過磨損痕跡確認軸瓦的受力位置、受力面積以及受力程度，進而推斷出發動機運行狀態。通過圖像處理提取軸瓦磨損的磨損參數，是現代磨損分析的一種有效方法。一般通過提取磨損特征為人工智能提供分析數據，以便判斷磨損形式，因此圖像處理的效果是后續分析的關鍵。磨損圖像特征提取為圖像提取的一種特例。絕大多數圖像處理方法都能提取一部分軸瓦磨損圖像特征，但每種方法提取特征的有效性不盡相同。在提取圖像特征的算法中，現有的圖像處理方法通常會采用增強算法計算磨損區域的灰度像素比值，以突出磨損的區域、位置等特征量[1]。這種方法是常用的且非常有效的。現在常用的圖像特征提取的算法包括Hough 圖像變換[2]、微分算子法[3]、拉普拉斯算子[4]以及Canny 邊緣檢測法[5]等。

1.1 Hough 圖像變換

Hough 圖像變換是提取輪廓邊界特征法的經典方法之一[2]，基本思想是利用像素點線之間的對偶性，將圖像的邊緣像素連接形成區域的封閉邊界。其中，廣義的Hough 變換是通過對圖像曲線邊界的變換算法推廣到檢測任意圖像形狀區域的外邊界，并通過均化周圍像素灰度值來確定不規則區域的中心。因此，Hough 圖像變換檢測得到的圖像邊緣具有較好的邊界形狀復雜適應性，但精度不會很高，是此算法的缺點。

1.2 微分算子法

微分算子法為經典的邊緣提取方法，基本思想是根據灰度值的變化量判斷區域的邊界。此方法突出了灰度值變化的作用，因此對圖像運用導數算子，將圖像的導數算子運算值稱作邊界強度，通過邊界強度設置閾值提取邊界點集。其中，一階導數算子是最簡單也是最實用的微分算子。

對每一個像素進行以上運算，運算量較大，因此常用小區域模板卷積進行近似運算，但計算量依然較大。后續的算法優化中，依次出現Sobel 算子[1]、Robert 算子以及Prewitt 算子，但此類算法的本質相同，不同點在于Prewitt 算子是加權平均算子，對噪聲有抑制作用，對噪聲的抑制同樣會降低梯度值的敏感性。所以，Prewitt 算子對邊緣的定位不太準確，甚至不如Robert 算子精確。

1.3 拉普拉斯算子

拉普拉斯高斯算子是一種二階導數算子，將在邊緣二階梯度圖像產生零交叉時的位置具有同向同性的特點，因此能對任何走向的界限和線條進行銳化，是相對微分算子的最大優點。

1.4 Canny 邊緣檢測法

Canny 邊緣檢測是一種比較新的邊緣檢測算子，具有很好的邊緣檢測性能，在圖像處理中得到了越來越廣泛的應用。Canny 邊緣檢測算法的優點在于使用兩種不同的閾值分別檢測強邊緣和弱邊緣，且當弱邊緣和強邊緣位置差符合一定誤差時才將弱邊緣包含在輸出圖像中。因此，如何界定強弱邊緣的誤差成為此算法的關鍵。

1.5 Robert 算子檢測方法

Robert 算子是一種梯度算子。運用交叉的差分表示梯度，是一種利用局部差分算子尋找邊緣的算子，對于具有陡峭的低噪聲的圖像效果最好。Robert 算子檢測方法對具有陡峭的低噪聲的圖像處理效果較好，但是Robert 算子提取的結果比較粗糙，因此定位不是很準確。但是，Robert 算子檢測方法具有自己的特點，即相對同等精度的其他算法，計算量要小得多。同時，此算法對于磨損邊界提取效果只是在位置精度有所下降，磨損區域范圍特征提取相當精確。

軸瓦磨損特征最主要的特征量是磨損位置和磨損程度。所涉及的圖像識別量是磨損邊界識別和磨損區域的灰度值。在磨損區域的圖像處理中，灰度值的大小與磨損形式和磨損程度沒有直接聯系，在邊緣位置的精確要求上并不高。因此，相對于其他算法，Robert 算子是軸瓦磨損圖像特征提取前處理非常理想的算法。

2 基于Robert 算子提取磨損特征的方法

針對實際中軸瓦磨損層度與周圍磨損區域的分析與運用，提出一種在Robert 算子基礎上改進的位置判斷方法，以便快速提取磨損特征。

步驟1：計算消除因子。選取通過Robert 算子的算法提取邊界像素集，得到集合PL。提取磨損區域的邊界，采用以邊界像素的平均值為常數kP，記為消除因子kP。

式中：PL為所提取的磨損圖像的邊緣像素集。

步驟2：使用消除因子kP將圖像像素比值化。將圖像像素值與kP相比，并將比值單獨自行進行n次方相乘，放大磨損區域的像素比值，同時消除非磨損區域的像素比值，形成新的像素點

將所有各像素比值進行求和，將和值作為磨損層度大小的判斷值。

依次類推，可以得到縱軸的各區域的累加值Gyj。

得到軸瓦磨損圖像的矩陣特征的元素為：

將X軸和Y軸上的各段疊加值作為矩陣元素形成特征矩陣，進而得到圖像的磨損矩陣A、橫向磨損向量B和縱向磨損向量C。

只要各個線域劃分得足夠細，磨損特征矩陣A可以清晰表達磨損的形狀與位置。磨損特征向量B和特征向量C可以作為神經網絡系統進行特征判斷的向量。

3 磨損特征

磨損特征主要標定磨損的類型、程度與位置，為后續數值化處理磨損提供依據。在所有軸瓦的磨損特征表述中，像素直方圖、灰度圖等為詳細的磨損數值特征，但數據較大，難以及時處理或在機械學習中實現在線泛化。因此，對于特征的壓縮和另類等同特征為主要研究對象。

提取曲線將軸瓦各種典型磨損進行特征提取，作為磨損判斷的專家數據庫數據。通過分析所提取軸瓦磨損特征矩陣，判斷磨損類型。

4 例證

根據基于Robert 算子提取磨損特征的方法提取磨損特征矩陣A、磨損特征向量B和特征向量C，將磨損特征向量B和特征向量C以曲線的形式放在灰度圖的邊緣，所得結果如圖1 所示。相比于灰度圖，磨損特征向量B和特征向量C將兩維的面數據變為一維數列，可以在表示灰度圖的同時為其他分析方法（如機械學習、人工智能）提供相應的分析數據。通過直觀分析圖1 可知，新的灰度值處理方法所得結果可以有效表示軸瓦磨損圖像的灰度特征。

5 結語

（1）圖像特征提取是在Robert 算子算法的基礎上進行改進，充分利用了Robert 算子陡峭的低噪聲圖像處理效果，同時后續的算法對于結果的精度沒有特別要求，因此避免了Robert 算子結果計算不準確的問題。

（2）經過提取圖像特征的磨損特征向量B和特征向量C分別代表了磨損區域、強度在兩個正交方向上的投影，因此可以快速估計磨損的位置與磨損區域的大小。因為軸瓦磨損的區域與軸瓦磨損的形式具有一一對應關系，所以可以通過特征向量B和特征向量C初步判斷軸瓦磨損的形式。

（3）相比于灰度圖，磨損特征向量B和特征向量C將兩維的面數據變為一維的數列，可以在表示灰度圖的同時為其他分析方法提供相應的分析數據。