[發(fā)明專利]基于人工智能的氣密性檢測多氣孔識別方法與系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011256596.3
• 申請日: 2020-11-11
• 公開（公告）號: CN112270674A
• 公開（公告）日: 2021-01-26
• 發(fā)明（設(shè)計）人: 鐘競;曾忠英
• 申請（專利權(quán)）人: 鐘競
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/136;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，具體涉及一種基于人工智能的氣密性檢測多氣孔識別方法與系統(tǒng)。該方法將采集的多幀圖像輸入第一神經(jīng)網(wǎng)絡(luò)進行關(guān)鍵點檢測，得到關(guān)鍵點坐標差；由關(guān)鍵點坐標差和檢測槽中氣泡的初始最大離散寬度所建立的氣泡離散度模型得到氣泡的最大離散寬度；結(jié)合氣泡的最大離散寬度、離散寬度的預(yù)設(shè)閾值和獲取的氣泡數(shù)量，判斷疑似多氣孔存在；根據(jù)氣泡的特征進行分類，當氣泡類別的數(shù)量大于或等于2時，確定多氣孔存在，且氣泡類別的數(shù)量即為氣孔數(shù)量。根據(jù)氣泡的最大離散寬度和氣泡的數(shù)量，初始判斷多氣孔存在，再結(jié)合氣泡的特征進行分類，進一步檢驗多氣孔存在的準確性，能夠減少氣孔數(shù)量識別的誤差，使得氣密性檢測結(jié)果更加準確。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，具體涉及一種基于人工智能的氣密性檢測多氣孔識別方法與系統(tǒng)。

背景技術(shù)

傳統(tǒng)的發(fā)動機氣密性檢測方法一般采用浸泡法，即將器件放置于適量水的檢測槽中，根據(jù)水深和浸泡的時間來應(yīng)對各級IP防水等級測試。目前對于氣密性檢測過程中，通過檢測單氣孔產(chǎn)生的氣泡，進而判斷氣密性檢測結(jié)果。

發(fā)明人在實踐中，發(fā)現(xiàn)上述現(xiàn)有技術(shù)存在以下缺陷：在檢測的過程中，器件在極為靠近的位置可能存在兩個或者兩個以上的氣孔，并且這些氣孔也會由于出現(xiàn)泄露情況產(chǎn)生氣泡，然而由于氣孔的位置過近或者前后覆蓋，常常在氣密性檢測過程中被認為是同一個氣孔產(chǎn)生的，從而使檢測結(jié)果存在較大的誤差。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明的目的在于提供一種基于人工智能的氣密性檢測多氣孔識別方法與系統(tǒng)，所采用的技術(shù)方案具體如下：

第一方面，本發(fā)明實施例提供了一種基于人工智能的氣密性檢測多氣孔識別方法，該方法包括以下具體步驟：

將采集的多幀圖像輸入第一神經(jīng)網(wǎng)絡(luò)進行關(guān)鍵點檢測，得到關(guān)鍵點坐標差，所述關(guān)鍵點為檢測槽中橫隔板的角點；

根據(jù)由所述關(guān)鍵點坐標差和所述檢測槽中氣泡的初始最大離散寬度所建立的氣泡離散寬度模型得到氣泡的最大離散寬度；

當所述氣泡的最大離散寬度大于離散寬度的預(yù)設(shè)閾值時，則確定疑似多氣孔存在；當所述氣泡的最大離散寬度小于或等于所述離散寬度的預(yù)設(shè)閾值，且所述氣泡數(shù)量大于氣泡數(shù)量閾值時，則確定疑似多氣孔存在；

根據(jù)氣泡的特征進行分類，當氣泡類別的數(shù)量大于或等于2時，確定多氣孔存在，且所述氣泡類別的數(shù)量即為氣孔數(shù)量。

所述氣泡的初始最大離散寬度的獲取方法，包括：

將所述圖像輸入第二神經(jīng)網(wǎng)絡(luò)得到氣泡的二值圖像；

將所述二值圖像通過邊緣檢測算法得到氣泡的邊緣點坐標；

計算所述邊緣點坐標中橫坐標的最大差值，即為所述氣泡的初始最大離散寬度。

所述氣泡離散度模型為：

其中，w為所述氣泡的最大離散寬度；d為所述關(guān)鍵點坐標差；α和γ分別為影響氣泡離散度的因子，是常數(shù)；μ為氣泡平均離散寬度。

所述根據(jù)氣泡的特征進行分類的方法，包括：

根據(jù)所述邊緣點坐標通過聚類算法，得到單個氣泡的分布圖像；

將所述單個氣泡的分布圖像進行匹配，得到所述氣泡的類別。

所述聚類算法包括：

利用歐式距離計算相鄰氣泡的邊緣點坐標之間的最小距離；

當所述最小距離的一半大于距離閾值時，進行聚類。