[發明專利]一種密封設備氣密性的人工智能檢測方法和檢測系統

在審

• 申請號: 202011158946.2
• 申請日: 2020-10-26
• 公開（公告）號: CN112308828A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 王堅;曹智梅
• 申請（專利權）人: 王堅
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G06K9/38;G06K9/62;G06N3/04;G06N3/08;G01M3/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種密封設備氣密性的人工智能檢測方法，其特征在于，包括如下步驟：

步驟一：首先獲取多幀密封設備在氣密性檢測裝置中進行氣密性檢測時的圖像；

然后將相鄰兩幀圖像做差，得到差分圖像；

最后對差分圖像進行二值化處理，并將二值化處理后的圖像疊加，得到疊加圖像；將疊加圖像中像素值非0的連通域作為密封設備在氣密性檢測裝置中所產生氣泡運動區域；

步驟二：在對密封設備進行氣密性檢測的過程中對其進行圖像采集和光照強度檢測，得到實時檢測圖像和光照強度；

步驟三：識別實時檢測圖像中的氣泡，得到中心點與氣泡運動區域中心點距離最小的氣泡，將該氣泡的面積作為實時檢測圖像的氣泡特征屬性；

步驟四：獲取實時檢測圖像的清晰度等級；

步驟五：根據實時檢測圖像的氣泡特征屬性、光照強度和清晰度調整采集相機的光圈。

2.根據權利要求1所述的密封設備氣密性的人工智能檢測方法，其特征在于，獲取實時檢測圖像清晰度等級的方法為：

獲取實時檢測圖像的特征區域，并以特征區域為基準，對特征區域的兩側進行區域劃分，各區域的寬度為2w；

按照各區域與特征區域之間的位置關系對各區域進行權重分配，與特征區域距離越近權重越高；

根據各區域的清晰度和權重以及清晰度計算模型計算實時檢測圖像的清晰度等級；

設連通區域中心點的坐標為(X_center,Y_center)，所采集到的圖像高為H；則所述特征區域左上角端點的坐標為(X_center-w,H)，右上角端點的坐標為(X_center+w,H)，左下角端點的坐標為(X_center-w,0)，右下角端點的坐標為(X_center+w,0)；

實時檢測圖像清晰度計算模型為

Definition為實時檢測圖像的清晰度，f(Gray_i)為第i個區域的清晰度，Gray_i為第i個區域的灰度，N為實時檢測圖像所劃分區域的總數量，W_i為第i個區域的權重。

3.根據權利要求2所述的密封設備氣密性的人工智能檢測方法，其特征在于，所述f(Gray_i)采用Brenner梯度函數。

4.根據權利要求2所述的密封設備氣密性的人工智能檢測方法，其特征在于，識別實時檢測圖像中氣泡的方法為：

建立氣泡數據訓練集和氣泡識別神經網絡模型；所述氣泡數據訓練集中包括多張含有氣泡的圖像；

對氣泡數據訓練集中的圖像上的氣泡進行特征標注，采用標注后的圖像對所建立的氣泡識別神經網絡模型進行訓練，得到訓練后的氣泡識別神經網絡；

將采集到的實時檢測圖像輸入到訓練后的氣泡識別神經網絡模型，得到其中的氣泡。

5.根據權利要求1所述的密封設備氣密性的人工智能檢測方法，其特征在于，根據實時檢測圖像的氣泡特征屬性和圖像的清晰度調整采集相機光圈的方法為：

建立時序數據訓練集和時序判斷神經網絡模型；

采用數據訓練集訓練所述時序判斷神經網絡模型；

將計算出的氣泡特征屬性和圖像清晰度輸入到訓練后的時序判斷神經網絡模型，得到光圈的大小；

所述時序數據訓練集中包括多個氣泡特征屬性、光照強度、圖像清晰度以及與氣泡特征屬性、光照強度、圖像清晰度相對應的光圈大小；在訓練所述時序判斷神經網絡模型時，以氣泡特征屬性、光照強度和圖像清晰度為輸入，以對應的光圈大小為輸出。