基于PBT框架的人工智能磨粒形状分析与识别技术研究.pdfVIP

2024NO.8（上）中国新技术新产品

高新技术

基于PBT框架的人工智能磨粒形状分析与识别

技术研究

1223

张靖东 林烨星 钟金钢 张冠文

（1.华南师范大学阿伯丁数据科学与人工智能学院，广东佛山528225；2.暨南大学物理与光电工程学院，广东广州

510632；3.广东省科学院测试分析研究所（中国广州分析测试中心），广东广州510070）

摘 要：本文针对大型机械设备润滑油磨粒分析识别领域中自动化识别难度大、准确率不高以及难以实际应用等

问题，基于人工智能模型框架（PyTorch-Base-Trainer，PBT）进行磨粒形状自动分析与识别研究。提取不同时期

与不同类型的典型磨粒图像作为训练模型的数据集，基于PBT构建磨粒形状自动化分析与识别的卷积神经网络模

型，反复训练模型，利用测试集数据检测模型性能。试验结果表明，基于PBT构建的磨粒形状自动化识别模型异

常磨粒最佳识别率为99.3%。本研究使人工智能与深度学习技术应用于磨粒分析识别领域，为磨粒分析自动化提

供参考。

关键词：磨粒分析；人工智能；PBT框架

中图分类号：TP 181 文献标志码：A

，（）。

润滑油磨粒是存在于润滑油中的微小磨损颗粒通常来以及回调函数Callback都会继承基类Engine类完成训

（、），

自机械设备在运行过程中金属表面的磨损。根据磨粒类型、练的迭代方法例如on_batch_beginon_batch_end用户

、，在回调函数的过程中可以对迭代方法进行输入/输出处理。

大小形状和数量能够得到关于设备磨损状况和故障模式

，

，、PBT是1个针对深度学习训练流程优化的框架改进了

的重要信息因此磨粒对设备健康监测预防性维护以及延

[1-4]（，

长设备寿命的作用十分重要。老一代KerasKeras是一种高层神经网络也是构建和训练

。、

以前分析润滑油中的磨粒的主要方法是由经验丰富的深度学习模型的有效工具其在TensorFlowMicrosoftCognitive

（

，、，Toolkit和Theano等应用程序编程接口ApplicationProgramming

专家利用肉眼识别不仅费时成本高而且分析结果易受

[4]，），

InterfaceAPI基础上提供了一种简化接口使深度学习模

主观