[发明专利]一种用于油污程度的识别方法和系统

权利要求书

1.一种用于油污程度的识别方法，其特征在于，包括：

S1：获取包含待识别油污程度的初始图片，并将所述初始图片转换为灰度图；

S2：基于方向的谷形检测获取所述灰度图中的油污纹理特征，对所述油污纹理特征进行二值图像细化获取油污纹理图形；

S3：利用深度学习识别获得油污纹理库中与所述油污纹理图形相似的纹理图形，根据所述纹理库中的所述纹理图形的油污程度标引获得所述初始图片的油污程度。

2.根据权利要求1所述的用于油污程度的识别方法，其特征在于，所述步骤S2中对所述油污纹理特征进行二值图像细化获取油污纹理图形具体包括：对所述油污纹理特征依次进行Otsu滤波，限制对比度，膨胀腐蚀和迭代细化算法，获得所述油污纹理图形。

3.根据权利要求2所述的用于油污程度的识别方法，其特征在于，所述限制对比度的方式采用对比度受限的自适应直方图均衡算法。

4.根据权利要求3所述的用于油污程度的识别方法，其特征在于，所述迭代细化算法采用zhang suen细化算法。

5.根据权利要求1所述的用于油污程度的识别方法，其特征在于，所述步骤S3之前还包括：利用深度学习训练进行所述油污纹理图形相似度的归类并构建所述油污纹理库，对所述油污纹理库中的油污程度进行标引。

6.根据权利要求5所述的用于油污程度的识别方法，其特征在于，所述深度学习为基于密集卷积网络的深度学习，所述深度学习训练模型为densenet121模型。

7.根据权利要求1所述的用于油污程度的识别方法，其特征在于，所述油污纹理特征包括油污纹理的走向、长度和密集程度。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被计算机处理器执行时实施权利要求1至7中任一项所述的方法。

9.一种用于油污程度的识别系统，其特征在于，包括：

预处理单元：配置用于获取包含待识别油污程度的初始图片，并将所述初始图片转换为灰度图；

油污纹理图形获取单元：配置用于基于方向的谷形检测获取所述灰度图中的油污纹理特征，对所述油污纹理特征进行二值图像细化获取油污纹理图形；以及

油污程度判断单元：配置用于利用深度学习识别获得油污纹理库中与所述油污纹理图形相似的纹理图形，根据所述纹理库中的所述纹理图形的油污程度标引获得所述初始图片的油污程度。

10.根据权利要求9所述的一种用于油污程度的识别系统，其特征在于，还包括油污纹理库构建单元：配置用于利用深度学习训练进行所述油污纹理图形相似度的归类构建油污纹理库，对所述油污纹理库中的油污程度进行标引。