申请/专利权人：吉林大学;林赐云

申请日：2023-12-12

公开（公告）日：2024-03-19

公开（公告）号：CN117726832A

主分类号：G06V10/58

分类号：G06V10/58;G01N21/25;G06V10/77

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明属于机油检测领域，为了解决机油检测过程中准确性低、检测时间长的缺陷，本发明提出了一种基于高光谱的汽车机油劣化程度快速的检验方法。该方法利用高光谱成像技术，使用高光谱相机对机油样本进行图像采集，通过黑白校正去除由于暗电流的存在造成的干扰，通过最小噪声分离方法去噪去除噪声的影响，利用PCA主成成分分析将高光谱立方体数据进行降维，去除冗余信息，分析降维后的光谱信息，将劣化的机油筛选出来。

主权项：1.一种基于高光谱的汽车机油劣化快速检测方法，其特征在于：S1、采集不同条件下劣化的机油样本，对采集到的数据进行预处理和降维，建立数据库；S101、采用黑白校正去除暗电流的影响以及校准传感器对不同波长光的响应，确保高光谱图像能够准确反映被拍摄物体的真实光谱特性；黑白校正方法具体为如下： 其中R表示最终获得的高光谱反射率图像，S表示直接采集得到的原始高光谱样本图像，D表示系统暗电流存在情况下的参考图像，W表示标准白板的参考图像；S102、采用最小噪声分离法对高光谱图像数据进行去噪，通过高通滤波器模板对数据X进行分离，得到噪声XN与信号XS，则有：X＝XN+XS通过最大化信号协方差与噪声协方差得比值，得到变换矩阵V； 式中，YN和YS分别为变换后数据的噪声和信号，CN和CS分别为数据的噪声和信号的协方差，此优化问题可等价为： 式中，C表示数据的总体协方差，C＝CovX，C＝CN+CS；根据拉格朗日乘子法最优解为：CV＝λCNV取前d个最大特征值对应的特征向量，构建转换矩阵为：V＝[V1,V2...,Vd]S103、采用PCA降维去除高光谱数据中冗余信息，假设有M个样本，HM×N×L为每个样本高光谱数据，其中M,N代表单个波段图像的长度，L代表总的波段数目；Xi＝X1,X2…,XL，代表不同得波段图像；首先对所有波段去均值，重新得到一组新的特征： 求其协方差矩阵： 其中，每个协方差按照下式计算： 按照下式求C的特征值与特征向量：Cu-λu＝0选择最大的前k个特征值与其对应的k个特征向量，将这k个特征向量当作新的投影轴，得到降维后的新的k维特征；对于每一个样本，他的新的特征可由下式计算： S2、利用高光谱相机拍摄待检测汽车中取出的机油；S3、将拍摄的高光谱数据进行图像预处理；S4、对步骤三预处理后的高光谱数据运用PCA降维，得到3个主成分数据；S5、将得到的三个主成分波段图像中含有机油样本的每个像素点的光谱曲线与数据库中的数据进行对比分析。

全文数据：

权利要求：

百度查询： 吉林大学;林赐云 一种基于高光谱的汽车机油劣化快速检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD