[發明專利]基于人工智能的液體晃動檢測方法與系統

在審

• 申請號: 202011342211.5
• 申請日: 2020-11-26
• 公開（公告）號: CN112465770A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 林國橋;劉啟平;丁群芬
• 申請（專利權）人: 鄭州邁拓信息技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T7/269;G06T7/90;G06K9/32;G01N21/84
• 代理公司: 鄭州芝麻繪智知識產權代理事務所(普通合伙) 41191
• 代理人: 李玲玲

1.一種基于人工智能的液體晃動檢測方法，其特征在于，該方法包括：

將采集的背景圖像和液體圖像作差，得到變化圖像,所述背景圖像為器件放入液體前的靜態圖像，所述液體圖像為所述器件放入所述液體后的動態圖像；

根據所述變化圖像的灰度共生矩陣，得到所述灰度共生矩陣的能量；

分析所述變化圖像得到梯度圖像，根據所述梯度圖像的梯度共生矩陣，得到所述梯度共生矩陣的能量；

獲取所述變化圖像中氣泡的ROI區域；

根據所述ROI區域的梯度共生矩陣，得到所述ROI區域的梯度共生矩陣的能量；

根據所述ROI區域的梯度共生矩陣的能量和所述ROI區域的面積占比得到所述模型修正系數；

結合由所述灰度共生矩陣的能量、所述梯度共生矩陣的能量和所述液體的密度所構建的初始液體晃動評分模型和所述模型修正系數得到液體晃動程度；所述液體晃動程度與所述灰度共生矩陣的能量、所述梯度共生矩陣的能量呈負相關關系，所述液體晃動程度與所述液體的密度呈正相關關系。

2.如權利要求1所述的方法，其特征在于，所述初始液體晃動評分模型為：

其中，Num為所述初始液體晃動程度；ρ_液表示所述液體的密度；α為所述灰度共生矩陣能量的權重系數；β為所述梯度共生矩陣能量的權重系數；En_P為所述灰度共生矩陣的能量；En_Q為所述梯度共生矩陣的能量。

3.如權利要求1所述的方法，其特征在于，所述模型修正系數的獲取方法為：

其中，k為所述模型修正系數；W為所述變化圖像的寬；H為所述變化圖像的高；w_m為所述第m個所述ROI區域的寬；h_m為第m個所述ROI區域的高，n為所述ROI區域的數量；為所述ROI區域的梯度共生矩陣的能量。

4.如權利要求1所述的方法，其特征在于，所述氣泡的ROI區域是利用幀差疊加和閾值分割的方法得到的。

5.如權利要求1所述的方法，其特征在于，所述液體晃動程度是將所述初始液體晃動程度與模型修正系數相乘得到的。

6.一種基于人工智能的液體晃動檢測系統，其特征在于，該系統包括：

圖像處理單元，用于將采集的背景圖像和液體圖像作差，得到變化圖像,所述背景圖像為器件放入液體前的靜態圖像，所述液體圖像為所述器件放入所述液體后的動態圖像；

第一能量獲取單元；用于根據所述變化圖像的灰度共生矩陣，得到所述灰度共生矩陣的能量；

第二能量獲取單元，用于分析所述變化圖像得到梯度圖像，根據所述梯度圖像的梯度共生矩陣，得到所述梯度共生矩陣的能量；

區域獲取單元，用于獲取所述變化圖像中氣泡的ROI區域；

第三能量獲取單元，用于根據所述ROI區域的梯度共生矩陣，得到所述ROI區域的梯度共生矩陣的能量；

修正系數獲取單元，用于根據所述ROI區域的梯度共生矩陣的能量和所述所述ROI區域的面積占比得到模型修正系數；

晃動程度檢測單元，用于結合由所述灰度共生矩陣的能量、所述梯度共生矩陣的能量和所述液體的密度所構建的初始液體晃動評分模型和所述模型修正系數得到液體晃動程度；所述液體晃動程度與所述灰度共生矩陣的能量、所述梯度共生矩陣的能量呈負相關關系，所述液體晃動程度與所述液體的密度呈正相關關系。

7.如權利要求6所述的系統，其特征在于，所述晃動程度檢測單元中所述初始液體晃動評分模型為：

其中，Num為初始液體晃動程度；ρ_液表示所述液體的密度；α為所述灰度共生矩陣能量值的權重系數；β為所述梯度共生矩陣能量值的權重系數；En_P為所述灰度共生矩陣的能量值；En_Q為所述梯度共生矩陣的能量。