[发明专利]基于自动光学检测技术的切丝机智能维护方法和系统

权利要求书

1.一种基于自动光学检测技术的切丝机智能维护方法，其特征在于包括以下步骤：

获取切丝机目标部件的原始图像，对所述原始图像进行预处理，得到预处理后的图像；

将预处理后的图像进行图像分割处理，得到目标图像区域数据；

对目标图像区域数据进行抽象降维处理，提取出目标图像区域数据的关键特征的特征量，将所述关键特征的特征量建立为样本特征集和目标集；

通过所述样本特征集和目标集建立检测切丝机各个部件的故障检测模型，通过故障检测模型对待测样本进行故障检测，得到故障检测结果；

通过故障检测结果结合切丝机的原始评估结果，对切丝机进行多层级健康度评估，得到各层级健康度评估结果；

通过故障检测结果和健康度评估结果进行整合，得到切丝机的智能维护方案。

2.根据权利要求1所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，所述获取切丝机目标部件的原始图像通过成像设备获取，所述成像设备为红外相机、红外热成像仪和扫描仪中的任意一种。

3.根据权利要求2所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，所述获取切丝机目标部件的原始图像的具体步骤包括：

选取适合目标部件的采光元件，通过采光元件从切丝机所处环境中采集对应的光线；

基于采集到的光线类型，选用相对应的成像设备的图像传感器对光线进行采集，并将采集到的光线转化成图像模拟信号；

将所述图像模拟信号转换为数字图像信息，所述数字图像信息即为所述原始图像。

4.根据权利要求1所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，所述对所述原始图像进行预处理的方法为：

对原始图像进行图像增强和去噪处理，得到预处理后的图像，图像增强处理采用空间域增强法和频域增强法中的任意一种；图像去噪处理采用加权均值滤波、中值滤波、高斯滤波、和维纳滤波中的任意一种。

5.根据权利要求4所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，所述将预处理后的图像进行图像分割处理，采用阈值分割算法、基于几何特征的分割算法、模板匹配算法或基于压缩感知的分割算法中的任意一种。

6.根据权利要求5所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，所述对目标图像区域数据进行抽象降维处理，提取出目标图像区域数据的关键特征的特征量，将所述关键特征的特征量建立为样本特征集和目标集具体步骤为：

对目标图像区域数据进行抽象降维处理，去除冗余信息，得到一个或者多个关键特征的特征量，其中，抽象降维处理采用区域特征提取算法、灰度特征提取算法、轮廓特征提取算法、基于相位一致性的特征提取算法中的任意一种；

将所述关键特征的特征量和相应的图像状态标签进行关联，得到一个或多个目标量；

将关键特征的特征量建立成样本特征集，将目标量建立成目标集。

7.根据权利要求6所述的基于自动光学检测技术的切丝机智能维护方法，其特征在于，通过所述样本特征集和目标集建立检测切丝机各个部件的故障检测模型，通过故障检测模型对待测样本进行故障检测，得到故障检测结果具体为：

将所述样本特征集和所述目标集进行机器学习，通过样本特征集和目标集中表征故障存在与否的目标变量建立故障识别模型；通过样本特征集和目标集中表征故障多类模式的目标变量建立故障分类模型；通过样本特征集和目标集中表征故障严重性程度的等级型或数值型的目标变量建立故障评估模型；

通过故障识别模型检测待测样本是否存在故障；

通过故障分类模型检测出待测样本存在的几种故障模式，并对故障模式进行分类，得到表征故障模式的分类结果；

通过故障评估模型对分类结果进行量化评估，得到表征故障严重性的预测结果。