(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211387433.8 (22)申请日 2022.11.07 (71)申请人 长江勘测规划设计 研究有限责任公 司 地址 430010 湖北省武汉市江岸区解 放大 道1863号 (72)发明人 梁波　乐零陵　刘亚青　崔磊　 朱钊　谌睿　 (74)专利代理 机构 武汉开元知识产权代理有限 公司 42104 专利代理师 张钰　陈家安 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/50(2006.01) G06T 7/73(2017.01)G06V 10/764(2022.01) G06N 3/08(2006.01) (54)发明名称 一种利用 机器视觉识别测量两轴振动幅值 和频率的方法 (57)摘要 本发明采用的技术方案是： 一种利用机器视 觉识别测量两轴振动幅值和频率的方法， 包括以 下步骤： 在特定时间段， 按照设定的采样频率， 获 取待测量对象在多个时刻 的若干张不同角度的 图像并进行融合； 所述待测量对象为水电站机电 设备； 对不同时刻的融合后的图像中的待测量对 象进行标记， 获得待测量对象在不同时刻的坐标 位置； 根据待测量对象在不同时刻的坐标位置和 采样频率， 计算得到待测量对象在特定时间段的 两轴振动幅值和频率。 本发明可对单个、 局部、 乃 至视域内的部件的振摆状态进行高精度识别和 测量， 从而实现无传感器、 无接触、 实时在线的振 摆状态监测， 保证工程安全、 设备安全、 运行安 全。 权利要求书2页 说明书12页 附图2页 CN 115511880 A 2022.12.23 CN 115511880 A 1.一种利用机器视觉识别测量两轴振动幅值和频率的方法， 其特征在于： 包括以下步 骤： 在特定时间段， 按照设定的采样频率， 获取待测量对象在多个时刻的若干张不同角度 的图像并进行融合； 所述待测量对象为水电站机电设备； 对不同时刻的融合后的图像中的待测量对象进行标记， 获得待测量对象在不同时刻的 坐标位置； 根据待测量对象在不同时刻的坐标位置和采样频率， 计算得到待测量对象在特定时间 段的两轴振动幅值和频率。 2.根据权利要求1所述的一种利用机器视觉识别测量两轴振动幅值和频率的方法， 其 特征在于： 通过待测 量对象在特定时间段的两轴振动幅值和频率进行二 阶或高阶求导， 计 算得到待测量对象在垂直和水平两个方向上的各阶加速度。 3.根据权利要求2所述的一种利用机器视觉识别测量两轴振动幅值和频率的方法， 其 特征在于： 还包括以下步骤： 计算待测量对象在多个连续的特定时间段的两轴振动幅值、 频 率和加速度； 通过待测量对 象在多个连续的特定时间段的两轴振动幅值、 频率和加速度对 BP神经网络进行训练， 得到用于预测待测量对象两轴振动幅值、 频率和加速度变化趋势的 预测模型； 将待测量对象在当前特定时间段的两轴振动幅值、 频率和加速度输入 预测模型， 预测模型输出待测量对象在下一个特定时间段的两轴振动幅值、 频率和 加速度。 4.根据权利要求1所述的一种利用机器视觉识别测量两轴振动幅值和频率的方法， 其 特征在于： 通过设置于待测 量对象外侧的机器视觉光学系统， 获取待测 量对象在多个时刻 的若干张不同角度的图像； 所述机器视觉光学系统的标定相 机镜头对准待测对 象边缘； 待 测量对象在至少X轴和Y轴两个方向上的图像在标定相机的视域范围内； 所述标定相机的根 据预估的待测量对象的振动频率设置快门速度和感光速度。 5.根据权利要求1所述的一种利用机器视觉识别测量两轴振动幅值和频率的方法， 其 特征在于： 通过离散双正交小波变换对待测量对象在多个时刻的若干张不同角度的图像进 行融合。 6.根据权利要求1所述的一种利用机器视觉识别测量两轴振动幅值和频率的方法， 其 特征在于： 通过YOLO网络对不同时刻的融合后的图像中的待测量对象进行目标检测， 采用 矩形的目标框对待测量对象进 行标记， 所述目标框的坐标位置用于表征待测量对象边缘标 记点的坐标。 7.根据权利要求1所述的一种利用机器视觉识别测量两轴振动幅值和频率的方法， 其 特征在于： 通过Y OLO网络对特定时间段内第一时刻的融合后的图像中的待测量对象进 行目 标检测， 采用矩形的目标框对待测量对象进行标记； 采用Meanshift目标追踪方法， 根据当 前时刻的融合后的图像的目标框， 计算得到下一时刻的融合后的图像的目标框； 所述 目标 框的坐标位置用于表征待测量对象边 缘标记点的坐标。 8.根据权利要求6或7所述的一种利用机器视觉识别测量两轴振动幅值和频率的方法， 其特征在于： 基于所有时刻的待测量对象边缘标记点的坐标， 采用下式计算待测量对象在x 方向和y方向的振动幅值 和 ：权　利　要　求　书 1/2 页 2 CN 115511880 A 2式中， n表示一个特定时间段内的时刻数； ∆xkn表示第kn个时刻待测对象在x方向的振 动值，∆ykn第kn个时刻待测对象在y方向的振动值； xkn 和xkn‑1分别标识kn时刻和kn ‑1时刻 识别出的待测目标的中心标记点的横坐标， ykn 和ykn‑1分别标识kn时刻和kn ‑1时刻识别出 的待测目标的中心标记点的纵坐标； 采用下式计算待测量对象在x方向和y方向的振动频率fx和fy： zxkn表示待测量对象在第kn个 时刻是否在x方向产生振动； zykn表示待测量对象在第kn 个时刻是否在y方向产生振动； ∆xkn ≠0表示k时刻目标对象在x方向产生了振动， ∆ykn ≠ 0表示k时刻目标对象在 y方向产生了振动， 此 时zxkn的值为1， 否则其值为0； 以1min为单位， 将待测对象在该时段内产生振动的次数相加， 即为频率。 9.根据权利要求6或7所述的一种利用机器视觉识别测量两轴振动幅值和频率的方法， 其特征在于： 通过YOLO网络对融合后的图像中的待测量对象进行目标检测的过程包括： 采 用融合后的图像作为Y OLO网络的输入图像， YOLO 网络将检测为待测量对象 的边缘标记点作 为候选区域； 在YOLO网络输出层的位置上直接返回到预定义的候选区域及其类别， 然后将 输入图像分成平均分为均等大小的单元格， 如果作为视觉特征标志物的待测量对象的边缘 标记点落在单元格当中， 则该单元格用于预测待测量对 象； 如果判定单元格中存在待测量 对象， 则该单元格的置信度分数等于预测框与真实框的交互比； 如果判定单元格中不存在 该目标， 则其置信分数置零； 保留置信度分数最大的单元格并删除其余的单元； 保留的单元 格包含有若干个候选区域， 根据候选区域的坐标计算得到预测的边界框， 作为采用矩形 的 目标框对待测量对象进行 标记。 10.根据权利要求7所述的一种利用机器视觉识别测量两轴 振动幅值和频率的方法， 其 特征在于： 采用Meanshift目标追踪方法， 通过当前时刻的融合后的图像的目标框， 计算得 到下一时刻的融合后的图像的目标框的过程包括： 定义核函数为空间中任一点到某一中心 之间欧氏距离的单调函数； 将当前时刻的融合后的图像的目标框的大小设置为核函数的带 宽； 将每个时刻融合后的图像中所有像素值平均分为若干个区间， 形成每个时刻融合后的 图像相应的若干个特征值； 计算每个区间根据值域的大小分别对应的特征值； 计算每个特 征值的概率； 在下一时刻融合后的图像中寻找可能包含待测量对 象的候选目标框， 并将候 选目标框质心坐标作为核函数 的中心坐标， 对该候选目标框计算特征概率密度分布； 根据 候选目标框的特征概率密度分布， 计算候选目标框与当前时刻目标框的相似度， 得到候选 目标框的Meanshift向量； 将当前时刻中目标框的中心 位置作为搜索窗口的中心， 不断迭代 所述Meanshift向量， 找到相似度最大的候选目标框， 作为下一时刻的目标框 。权　利　要　求　书 2/2 页 3 CN 115511880 A 3