[发明专利]一种水泵叶轮异常识别方法

权利要求书

1.一种水泵叶轮异常识别方法，其特征在于，该方法包括以下步骤：

采集待检测水泵叶轮的叶轮图像，对所述叶轮图像进行灰度化得到叶轮灰度图；

使用Canny算子对于叶轮灰度图提取边缘，对得到的边缘像素点进行去噪，得到去噪边缘图像；利用霍夫圆检测得到曲线数量，将所述曲线数量作为聚类的类别数量，对去噪边缘图像中的边缘像素点进行聚类，得到多个类别；以每个类别中的聚类中心点作为重要性点；以每个重要性点构建一个形状上下文，得到每个重要性点对应的形状上下文区域，将形状上下文区域从小到大依次标记，每个重要性点对应的区域边缘像素点数量序列；根据任意两个重要性点对应的区域边缘像素点数量序列的内积构建风格矩阵；

计算待检测水泵叶轮的叶轮图像对应的风格矩阵和无损水泵叶轮的叶轮图像对应的风格矩阵的矩阵差异；当矩阵差异大于等于预设差异值时，待检测水泵叶轮异常。

2.根据权利要求1所述的一种水泵叶轮异常识别方法，其特征在于，所述利用霍夫圆检测得到曲线数量，包括：

使用霍夫圆检测检测出水泵叶轮中间的圆形部分的中心圆轴的圆心点和中心圆轴的半径；以该中心圆轴的圆心点为新的圆心点，以2倍的中心圆轴的半径为新的半径，得到一个新圆环；获取所述新圆环交于去噪边缘图像上每条边缘点的交点数量，作为曲线数量。

3.根据权利要求1所述的一种水泵叶轮异常识别方法，其特征在于，所述以每个类别中的聚类中心点作为重要性点，包括：

获取各类别的聚类中心点和水泵叶轮中间的圆形部分的中心圆轴的圆心点，得到聚类中心点和圆心点的连线，得到移动方向；使聚类中心点一直保持在边缘像素点上，向圆心点移动，每次移动更新聚类中心点时，再次得到更新后的聚类中心点到中心圆心点的移动方向；聚类中心点每移动一次，计算其密度聚类，设定聚类圆形大小为半径为5的圆形，统计聚类圆形中边缘像素点的数量，通过欧式距离计算聚类中心点和中心圆轴的圆心点的距离，当聚类中心点朝向圆心点的方向无法移动，且此时聚类中心点无论如何移动，两者之间的距离都不再变短时，停止聚类；计算每个聚类中心点位置得到的聚类圆形内部的边缘像素点的数量；选择边缘像素点的数量最大的聚类中心点，作为重要性点。

4.根据权利要求1所述的一种水泵叶轮异常识别方法，其特征在于，所述根据任意两个重要性点对应的区域边缘像素点数量序列的内积构建风格矩阵，包括：

所述风格矩阵为：

其中，为风格矩阵；为第1个重要性点对应的区域边缘像素点数量序列；为第2个重要性点对应的区域边缘像素点数量序列；为第D个重要性点对应的区域边缘像素点数量序列。

5.根据权利要求1所述的一种水泵叶轮异常识别方法，其特征在于，所述将所述曲线数量作为聚类的类别数量，对去噪边缘图像中的边缘像素点进行聚类，得到多个类别，包括：

利用DBSCAN聚类算法对去噪边缘图像中的边缘像素点进行聚类，得到多个类别，类别的数量为曲线数量。