基于区域对比和随机森林的设备故障红外图像敏感区域提取

基金项目: (国家重点研发计划专题:罐区动力设备智能诊断及预测技术研究)%(国家自然科学基金项目:基于迁移学习的往复压缩机故障诊断机制及预测预警模型研究)

详细信息

Infrared Image ROI Extraction Based on Region Contrast and Random Forest

摘要: 基于红外图像的设备故障诊断需要从图像中选择敏感区域,由于红外图像具有干扰背景多、对比度低的特点,敏感区域提取过程中需要进行背景移除和图像分割,但常用的二值化分割算法在分割红外图像时易出现过分割问题.因此,本文提出了基于区域对比和随机森林的敏感区域提取方法.首先使用区域对比方法对红外图像进行显著性检测,以去除干扰背景;然后通过OTSU算法进行图像分割,实现敏感区域初步提取;最后结合随机森林分类结果对图像分割过程的阈值进行迭代优化,实现敏感区域的优化提取.经过转子实验台6种不同状态的红外图像数据验证,将本文方法提取出的故障敏感区域用于故障诊断时,分类的准确率提高了3.3个百分点,比人工选择的区域更加准确.
- 设备故障 /
- 红外图像 /
- 敏感区域提取 /
- 区域对比 /
- 随机森林

1.	叶正娟. 基于随机森林的财务异常数据提取方法. 淮阴师范学院学报(自然科学版). 2024(01): 13-19 . 百度学术
2.	严丹昭，陈晶，兰旺耀，廖一鹏. 基于表层温度深度学习的电缆接头绝缘劣化非接触式诊断. 红外技术. 2024(06): 712-721 . 本站查看
3.	阚永庚，邵莉，孙明权，阚建业. 基于边缘计算的大中型泵站电气设备故障红外图像识别. 水利技术监督. 2023(01): 28-31 . 百度学术
4.	杜玉昌. 基于差分隐私的网络图像敏感数据挖掘方法. 新乡学院学报. 2023(03): 30-33 . 百度学术
5.	陈婵娟. 基于机器学习的图像敏感信息检测方法. 信息与电脑(理论版). 2023(06): 85-87 . 百度学术
6.	穆广，张伟，王江淮. 基于红外图像的钢铁行业用电设备状态自动监测系统. 自动化与仪表. 2022(08): 62-66+77 . 百度学术