序（二）
Preface

20世纪70年代中期，铁谱（Ferrography）分析技术问世。它巧妙地利用一个以特殊参数设计的永磁场，实现了机械设备液态工作介质中微米级磨损产物的有序分离和采集。工作原理并不深奥，器件结构也不复杂，但它让所有从事摩擦学研究和应用的学者及工程师们，第一次借助光学和电子显微镜，直接观测到以其粒度大小谱状排列的各种磨损产物。从对其形态和表面等图像细节观测中，获取更丰富的摩擦学信息，弥补了其他检测技术的缺项。

20世纪80年代，铁谱技术进入发展快车道，并与原子发射光谱、红外光谱、理化分析、颗粒计数等传统检测技术组成油液监测系统。20世纪90年代，在信息技术发展高潮的推动下，对油液监测系统中的数字型信息，开发了数据库和基于大样本采集、适用数学模型回归的诊断软件，尤其在流程工业、交通运输等行业，得到了广泛的生产应用。

然而，铁谱技术一直存在着短板，那就是对它独具能力所获取磨粒图像的数字化自动识别和处理方法。磨粒分析面对的是磨粒群，而不是单体磨粒。这个过程基本应是：单体磨粒的识别—磨损类型的归类—特征磨粒的计数—产生机理的分析—摩擦学状态的评估。在美国试验材料协会（American Society for Testing and Materials, ASTM）制定的铁谱技术操作的标准中，规定了以上磨粒分析的内容并提供将其填写入表的标准样式。而这个过程至今仍由分析人员手工完成，成为实现以上过程的瓶颈。为此国内外学者和工程技术人员多年来开展了寻求实现磨粒自动识别和图像型信息处理方法与技术的研究和开发，并取得了一些成果。

本书作者武通海教授和他的团队，面对这个前沿课题，持之以恒地采用最新图像分析方法和信息处理技术进行科技攻关。如今，集多年成果之大成，撰写出这本专著。其中，多尺度磨粒链形态学分割方法，以纹理、形貌等四属性提取磨粒二维、三维空间特征及参数，磨粒表面的重建，以熵、相关性、惯性矩等七特征对磨粒类型辨识，知识指导的相似磨粒卷积神经网络（CNN）辨识模型，典型失效磨粒分层识别策略等，不但具有学术价值，而且富有可操作性，值得摩擦学研究学者和运用摩擦学监测技术的工程师们认真阅读和借鉴。

当前，世界已进入数智时代。正如本书书名所题，实现人工智能的磨粒图像识别及基于磨粒群体的数据解析，已为时不远。铁谱技术将在摩擦学研究和机械装备的状态监测中，继续发挥出它独有的作用。