本发明涉及图像处理。更具体地，本发明涉及一种基于图像处理的液压穿轴器运行状态监测方法。
背景技术：
1、基于图像处理的液压穿轴器运行状态监测方法通过现代计算机视觉和智能算法，显著提高了液压系统的可靠性和维护效率。该方法的核心在于实时捕获液压穿轴器的图像数据，通常通过高清摄像头或热成像设备进行。首先，这一方法能够实现实时监测。监测系统连续获取图像，并对其进行处理，以检测穿轴器的运行状态。图像处理算法能迅速分析捕获的图像，识别出任何不正常的外观特征，如裂纹、磨损或腐蚀等，这些都是潜在的故障迹象。其次，通过应用机器学习和图像分析技术，该系统能够进行故障识别和分类。例如，使用卷积神经网络（cnn）等深度学习模型，可以训练出有效的分类器，识别出不同类型的损坏或异常情况。
2、相关技术中，例如公开号为cn117307566a的中国专利申请文件，公开了一种液压穿轴器，本发明通过将整个液压系统集成在一起，便于后续使用和携带。
3、目前在对液压穿轴器的运行进行监测时，因为在异常初期，热感应图像的变化极小，所以难以使用超像素算法将正常与异常的位置精准的区分，因此导致无法精准的对运行状态进行监测，无法达到实时监测及时预警，增加了人工检查的时间和成本，降低了整体生产效率，也可能会对工作造成损失或安全隐患。
技术实现思路
1、本发明提供一种基于图像处理的液压穿轴器运行状态监测方法，旨在解决相关技术中难以使用超像素算法将正常与异常的位置精准的区分，因此导致无法精准的对运行状态进行监测，无法达到实时监测及时预警，增加了人工检查的时间和成本，降低了整体生产效率的问题。
2、在第一方面中，本发明提供了基于图像处理的液压穿轴器运行状态监测方法，包括：采集液压穿轴器的热感应图像，并灰度化处理，得到灰度图像；对于所述灰度图像中任一像素点，计算出该像素点的变化程度，所述变化程度反映了连续时间内该像素点的灰度值的变化大小；以所述灰度图像中任一像素点为中心建立窗口，计算出该像素点的监测特征量，计算公式为：
3、，式中，表示第像素点的监测特征量，表示第像素点对应窗口中的第个像素点的梯度值，表示窗口内的梯度方差，表示像素点对应窗口中的第个像素点的变化程度，表示窗口内像素点的个数，表示标准归一化函数；对所述灰度图像进行分块，对于任一分块，选取该分块内监测特征量最大的像素点为种子点，根据种子点与其邻域内像素点的监测特征量的差值大小，对像素点集群划分，并计算集群a的异常程度，计算公式为：
4、；式中，表示集群a的像素点个数，表示集群a的像素点的监测特征量的最大值，表示集群a的像素点的监测特征量的最小值；根据集群的异常程度的大小，确定异常位置，以对运行状态监测。
5、其效果在于：根据液压穿轴器在工作时温度会平滑上升的特性，计算出液压穿轴器在图像中各像素点的监测特征量，并根据监测特征量找出液压穿轴器异常的精准位置，提高了监测效率和准确性。
6、进一步的，根据集群的异常程度的大小，确定异常位置，包括：响应于所述集群的异常程度大于第一阈值，将该集群确定为异常集群，进行报警提示，并确定所述异常集群内像素点的位置为异常位置。
7、其效果在于：确定异常集群后，可以获取液压穿轴器上表现异常的精准位置，提高了监测效果。
8、进一步的，计算出该像素点的变化程度，包括：采集当前时刻的液压穿轴器的热感应图像，并获取当前时刻之前的连续多张热感应图像，计算出该像素点的灰度值在连续多张热感应图像的变化大小，作为该像素点的变化程度。
9、其效果在于：获取当前时刻之前的连续多张热感应图像，能够精准的计算出像素点的灰度值的变化情况。
10、进一步的，计算出该像素点的变化程度，计算公式为：
11、；式中，表示第像素点的变化程度，表示第个像素点的灰度值，表示当前时刻的热感应图像的第像素点的灰度值，表示时刻的热感应图像的第像素点的变化程度，表示多张热感应图像的总数量。
12、进一步的，根据种子点与其邻域内像素点的监测特征量的差值大小，对像素点集群划分，包括：判断种子点与其邻域内像素点是否为同集群；响应于所述种子点a的监测特征量与其邻域内像素点b的监测特征量之间的差值的绝对值小于第二阈值，则将种子点a和像素点b划分为同集群。
13、其效果在于：通过上述方法，可以快速的将近似的集群划分为同集群，提高了监测的效率。
14、进一步的，对像素点集群划分，还包括：对于任意两个种子点，当两个种子点判断区域重叠时，则计算两个集群的种子点的判断值；响应于所述两个集群的种子点的判断值小于第三阈值，则将两个集群记为同集群。
15、其效果在于：通过简单的方法能够将相似的集群进行合并，提高了运算效率。
16、进一步的，判断种子点与其邻域内像素点是否为同集群，判断公式为：
17、式中，表示种子点a的邻域像素点b的判断值，表示种子点a的监测特征量，表示种子点a的邻域像素点b的监测特征量。
18、进一步的，还包括：根据所述异常集群的数量确定报警等级，所述报警等级分为高等级和低等级。
19、进一步的，根据所述异常集群的数量确定报警等级，包括：响应于所述异常集群的数量大于第一预设值，则报警等级确定为高等级；响应于所述异常集群的数量小于第一预设值，则报警等级确定为低等级。
20、有益效果：通过检测运行状态采集的液压穿轴器的热感应图像，根据液压穿轴器在工作时的特性（温度会平滑上升）计算得到像素点的监测特征量，之后根据监测特征量判断像素点集群，将像素点集群进行划分，之后根据集群的特征得到集群的异常程度。能够根据集群判断异常同时得到异常的精准位置。通过实时监测和及时预警，减少了计划外停机时间，从而提升整体生产效率，避免了对整体生产效率造成损失或安全隐患。
1.一种基于图像处理的液压穿轴器运行状态监测方法，其特征在于，包括：
2.根据权利要求1所述的基于图像处理的液压穿轴器运行状态监测方法，其特征在于，根据集群的异常程度的大小，确定异常位置，包括：
3.根据权利要求1所述的基于图像处理的液压穿轴器运行状态监测方法，其特征在于，计算出该像素点的变化程度，包括：
4.根据权利要求3所述的基于图像处理的液压穿轴器运行状态监测方法，其特征在于，计算出该像素点的变化程度，计算公式为：
5.根据权利要求1所述的基于图像处理的液压穿轴器运行状态监测方法，其特征在于，根据种子点与其邻域内像素点的监测特征量的差值大小，对像素点集群划分，包括：
6.根据权利要求5所述的基于图像处理的液压穿轴器运行状态监测方法，其特征在于，对像素点集群划分，还包括：
7.根据权利要求1所述的基于图像处理的液压穿轴器运行状态监测方法，其特征在于，判断种子点与其邻域内像素点是否为同集群，判断公式为：
8.根据权利要求2所述的基于图像处理的液压穿轴器运行状态监测方法，其特征在于，还包括：
9.根据权利要求8所述的基于图像处理的液压穿轴器运行状态监测方法，其特征在于，根据所述异常集群的数量确定报警等级，包括：
