(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 202210553566.1 (22)申请日 2022.05.20 (71)申请人 江苏风神空调集团股份有限公司 地址 226299 江苏省南 通市启东市城西小 花效工业区2号 (72)发明人 王丽丽　陆辉　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/66(2017.01) G06T 7/73(2017.01) G06V 10/26(2022.01) G06V 10/50(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/77(2022.01)F24F 11/39(2018.01) (54)发明名称 一种基于图像处理的空调滤芯质 量监测方 法 (57)摘要 本发明涉及一种基于图像处理的空调滤芯 质量监测方法， 属于空调滤芯质量监测技术领 域。 方法包括以下步骤： 根据各异常区域中各异 常像素点的灰度值和所述各异常区域中异常像 素点的分布 集中程度， 得到各目标无纺布表面图 像对应的各异常区域对应的纤维稀 疏度； 根据各 异常区域在对应的目标无纺布表面图像中的位 置， 得到各目标无纺布表面图像对应的各异常区 域的位置指标； 根据位置指标和 纤维稀疏度， 得 到各目标无纺布表面图像对应的各异常区域对 空调滤芯质量的影 响程度； 根据各异常区域对空 调滤芯质量的影 响程度， 对空调滤芯的质量进行 监测。 本发 明能够提高对空调滤芯质量监测的准 确性。 权利要求书2页 说明书9页 附图2页 CN 114841982 A 2022.08.02 CN 114841982 A 1.一种基于图像处 理的空调滤芯质量 监测方法， 其特 征在于， 该 方法包括如下步骤： 获取用于加工空调滤芯的连续多帧的活性炭无 纺布表面灰度图像； 根据各活性炭无纺布表面灰度图像对应的灰度直方图， 得到各活性炭无纺布表面灰度 图像对应的纤维均匀程度； 根据所述纤维均匀程度对各活性炭无纺布表面灰度图像进 行筛 选， 得到用于加工空调滤芯对应的各目标 无纺布表面图像； 根据所述各目标无纺布表面图像对应的灰度直方图， 得到各目标无纺布表面图像对应 的高斯混合模型； 根据所述高斯混合模型， 得到各目标无纺布表面图像对应的各异常像素 点； 对所述各异常像素点进行聚类， 得到各目标无纺布表面图像对应的各异常区域； 根据 所述各异常区域中各像素点坐标， 得到各目标无纺布表面图像对应的各异常区域的主成分 方向对应的特 征值； 根据所述主成分方向的特征值,得到各目标无纺布表面图像对应的各异常区域中异常 像素点的分布集中程度； 根据所述各异常区域中各异常像素点的灰度值和所述各异常区域 中异常像素点的分布 集中程度， 得到各目标无纺布表面图像对应的各异常区域对应的纤维 稀疏度； 根据所述各异常区域在对应的目标无纺布表面图像中的位置， 得到各目标无纺布表面 图像对应的各异常区域的位置指标； 根据所述位置指标和纤维稀疏度， 得到各目标无纺布表面图像对应的各异常区域对空 调滤芯质量的影响程度； 根据所述各异常区域对空调滤芯质量的影响程度， 对空调滤芯的 质量进行监测。 2.如权利要求1所述的一种基于图像处理的空调滤芯质量监测方法， 其特征在于， 所述 根据各活性炭 无纺布表面灰度图像对应的灰度直方图， 得到各活性炭 无纺布表面灰度图像 对应的纤维均匀 程度； 根据所述纤维均匀 程度对各活性炭无纺布表面灰度图像进行筛选， 得到用于加工空调滤芯对应的各目标 无纺布表面图像的方法， 包括： 根据各活性炭无纺布表面灰度图像对应的灰度直方图， 得到各活性炭无纺布表面灰度 图像对应的灰度直方图上最大纵坐标对应的灰度值； 根据各活性炭无纺布表面灰度图像对应的灰度直方图上各灰度值和各灰度值对应的 纵坐标， 得到所述灰度直方图上各灰度值在对应的活性炭 无纺布表面灰度图像上出现的概 率； 根据各活性炭无纺布表面灰度图像对应的灰度直方图上的各灰度值与对应的最大纵 坐标对应的灰度值之间的差异和所述灰度直方图上各灰度值在对应的活性炭无纺布表面 灰度图像上 出现的概 率， 得到活性炭无 纺布表面灰度图像对应的纤维均匀程度； 判断所述纤维均匀程度是否小于预设纤维均匀程度阈值， 若是， 将所述纤维均匀程度 对应的活性炭 无纺布表面灰度图像剔除， 将剔除之后剩余的活性炭无纺布表面灰度图像记 为目标无纺布表面图像。 3.如权利要求1所述的一种基于图像处理的空调滤芯质量监测方法， 其特征在于， 所述 根据所述各目标无纺布表面图像对应的灰度直方图， 得到各目标无纺布表面图像对应的高 斯混合模型； 根据所述高斯混合模型， 得到各目标无纺布表面图像对应的各异常像素点的 方法， 包括：权　利　要　求　书 1/2 页 2 CN 114841982 A 2利用EM算法拟合得到各目标 无纺布表面图像对应的一维高斯混合模型； 根据所述一维高斯混合模型， 得到各目标无纺布表面图像对应的一维高斯混合模型的 期望和方差； 根据所述期望和方差， 得到各目标 无纺布表面图像对应的预设 分割阈值； 判断所述各目标无纺布表面图像上各像素点灰度值是否大于预设分割阈值， 若是， 将 对应的像素点提取出来， 将所述各目标无纺布表 面图像上提取出来的像素点记为各目标无 纺布表面图像对应的各异常像素点。 4.如权利要求1所述的一种基于图像处理的空调滤芯质量监测方法， 其特征在于， 所述 对所述各异常像素点进行聚类， 得到各目标无纺布表面图像对应的各异常区域； 根据所述 各异常区域中各像素点坐标， 得到各目标无纺布表面图像对应的各异常区域的主成分方向 对应的特 征值的方法， 包括： 利用均值漂移聚类算法对所述各异常像素点进行密度聚类， 得到各目标无纺布表面图 像对应的多个类别； 根据所述各目标无纺布表面图像对应的各类别中各异常像素点的坐 标， 得到各目标无纺布表面图像对应的各类别对应的连通域； 将所述连通域记为各目标无 纺布表面图像对应的各异常连通 域； 利用PCA算法获得所述各异常连通域对应的第一主成分方向和第二主成分方向， 并得 到所述第一主成分方向对应的特 征值和所述第二主成分方向对应的特 征值。 5.如权利要求4所述的一种基于图像处理的空调滤芯质量监测方法， 其特征在于， 根据 如下公式计算各目标 无纺布表面图像对应的各异常区域中异常像素点的分布集中程度： 其中， Ga,b为第a个目标无纺布表面 图像对应的第b个异常区域中异常像素点的分布集 中程度， F1a,b为第a个目标无纺布表面图像对应的第b个异常区域对应的第一主成分方向对 应的特征值， F2a,b为第a个目标无纺布表 面图像对应的第b个异常区域对应的第二主成分方 向对应的特 征值。 6.如权利要求4所述的一种基于图像处理的空调滤芯质量监测方法， 其特征在于， 根据 如下公式计算各目标 无纺布表面图像对应的各异常区域对应的纤维稀疏度： 其中， Sa,b为第a个目标无纺布表面图像对应的第b个异常区域对应的纤维稀疏度， Ga,b 为第a个目标无纺布表面图像对应的第b个异常区域中异常像素点的分布集中程度,Fa,b为 第a个目标无纺布表面图像对应的第b个异常区域中异常像素点的数量， Ka,b,f为第a个目标 无纺布表面图像对应的第b个异常区域中第f个异常像素点对应的灰度值。权　利　要　求　书 2/2 页 3 CN 114841982 A 3