介绍了一种具有分割方法和两级分类策略的自动铁谱分析模型。为了从彩色铁谱图像中获取磨损颗粒,在三通道图像中采用自适应Otsu阈值来解决颗粒分割中的颜色模糊问题。通过将粒子参数分为形状参数和形态参数,提出了一种两级识别策略。一是对摩擦、切削、球状颗粒进行分类,参照形状参数的模糊接近程度。在第二级,形状接近的粒子用不可察觉的纹理和反向传播神经网络(BPNN)进行分类。这些目标参数是通过将主成分分析应用到七个纹理特征中构建的,并输入到基于 BPNN 的模型中,以对疲劳和严重滑动粒子进行分类。为了训练 BPNN,将 100 多张铁谱图像一起采样,从而对粒子识别进行标准铁谱分析。识别性能对摩擦、切割和球形颗粒的准确度超过 90%,而对严重滑动和疲劳颗粒的准确度约为 80%。