针对铁谱图像磨粒识别中异类信息综合利用率较低的问题, 提出多层次信息融合的铁谱图像磨粒识别方法。首先, 在铁谱图像二值化分割的基础上进行二值滤波, 结合彩色铁谱图的R、G、B三分量, 实现铁谱图像的彩色滤波。其次, 以实际采集的磨粒图像样本为例, 提取滤波后二值图像的形态特征, 以及滤波后彩色图像的颜色特征; 在特征层利用PCA对异类特征进行维数约简, 并结合SVM和k-fold交叉验证, 实现形态特征和颜色特征的特征层融合; 在决策层将异类特征的SVM概率输出结果作为D-S证据理论的基本概率分配函数, 实现形态特征和颜色特征的决策层融合。通过与形态学滤波结果对比, 验证了本文提出滤波方法的优越性; 其次, 不同层次的信息融合结果表明, 与单独使用颜色特征和形态特征相比, 异类信息融合后可实现优势互补, 有效提高故障磨粒的识别准确率。

针对油液监测中铁谱磨粒图像分割阈值难以选取的问题, 本文提出一种基于差商的自适应铁谱图像分割算法。首先, 将铁谱磨粒灰度图像转换成三维灰度直方图, 并对其进行切片分析; 然后, 引入Newton插值多项式, 将不同切片所得的频数作为切片灰度-频数曲线的插值点, 基于差商构造第一类可接受函数和第二类可接受函数, 结合实验数据确定两类误差, 选取同时满足两类误差的最小灰度值作为分割阈值; 最后, 用本文方法对不同类型的磨粒图像以及添加高斯噪声和椒盐噪声后图像分别进行分割实验, 并与经典的迭代阈值法、Otsu算法、最大熵法进行了比较。实验结果表明, 本文方法受噪声干扰较小, 误检率和漏检率整体优于其他3种算法。对分割所得的磨粒图像进行特征提取, 并利用支持向量机进行识别, 本文方法对3种故障磨粒识别准确率最高, 达到82.86%, 虽在运行时间上无明显优势, 但综合性能最优, 能满足油液监测过程中铁谱图像自适应分割的需求。