[发明专利]基于遗忘因子型经验模态分解的污渍检测分析方法及应用

权利要求书

1.基于遗忘因子型经验模态分解的污渍检测分析方法，其特征在于，包括：

提出遗忘因子型图像/视频经验模态分解方法；

通过单向整定遗忘因子筛选若干内模函数，进而分析该内模函数与污渍属性/成因的相关性；

提取内模函数特征，实时确定对应污渍属性/成因的清洁方案；

所述遗忘因子型图像/视频经验模态分解方法，包括：获取污渍附着面数字化图像/视频，若为曲面信息，则生成曲面V(x，y，z)或V(x，y，z，k)信号；若为平面信息，则生成平面V(x，y)或V(x，y，k)信号，其中，V代表像素点(x，y，z)或(x，y)坐标处的数值，k代表视频帧数；然后对V在(x，y，z)空间或(x，y)平面内的所有极值点通过积分来获得分解结果；

内模函数的筛选方法包括：

(i)找到原始信号V在(x，y，z)空间或(x，y)平面内的所有极值点；

(ii)拟合出极大值点和极小值点的包络面E_max和E_min，并求出上、下包络面的加权平均值M＝αE_max+(1-α)E_min，在V中减去M生成H＝V-M，所述α∈(0，1)为遗忘因子；

(iii)判断H是否为内模函数；如果不是，则以H代替V，重复步骤(i)和(ii)直到H满足判据，则H为需要提取的内模函数；

(iv)每得到一阶内模函数，就从原始信号V中扣除H；

(v)重复步骤(i)到(iv)，直到信号最后剩余部分n_r，就只是单调序列或者常值序列，经过上述分解，原始信号V分解成一系列内模函数H_i以及剩余部分的线性叠加：V＝∑_iH_i+n_r，阶次i＝1，2，3…。

2.如权利要求1所述的基于遗忘因子型经验模态分解的污渍检测分析方法，其特征在于，若所述信号在空间内或平面没有极值点但有拐点，则通过对数据微分一次或多次求得极值，然后再通过积分来获得分解结果。

3.如权利要求1所述的基于遗忘因子型经验模态分解的污渍检测分析方法，其特征在于，通过可见光或不可见光传感器，获取污渍附着面数字化图像/视频，生成平面V(x，y)或曲面V(x，y，z)的表达式。

4.如权利要求1所述的基于遗忘因子型经验模态分解的污渍检测分析方法，其特征在于，步骤(iii)中，所述判断H是否为内模函数的条件为：参考待清洁材料表面原色，判断信号极值点的数量与零点数相等或相差一，以及信号的由极大值点定义的上包络和由极小值点定义的下包络的局部均值为零；如果满足上述条件，则为内模函数；否则不是内模函数。

5.如权利要求1所述的基于遗忘因子型经验模态分解的污渍检测分析方法，其特征在于，所述内模函数与污渍属性/成因的相关性分析检测方法包括：整定α使不同时间尺度数据特征成分被分解到一个内模函数，并至少将污渍属性/成因、附着面属性与不同时间尺度数据特征进行相关性分析，从而将污渍属性/成因与各个可信的内模函数H_i相关联，阶次i＝1，2，3…；所述污渍属性/成因包括影响污渍形成的季节、温度、湿度、光照、风速中的一种或多种；其被分解后得到季节、温度、湿度、光照、风速不同时间尺度数据特征。

6.如权利要求5所述的基于遗忘因子型经验模态分解的污渍检测分析方法，其特征在于，所述提取内模函数特征，实时确定对应污渍属性/成因的清洁方案的具体步骤包括：针对每一个H_i和剩余项n_r，并考虑污渍属性/成因；确定清洗剂、研磨剂、毛刷的材料类型；根据每一个H_i的振动模态特征，综合确定清洁头的转速、压力、路径。

7.如权利要求1-5任一项公开的所述基于遗忘因子型经验模态分解的污渍检测分析方法在工业器件清洁中的应用。