CN105389814B - 一种用于气密性试验的气泡检测方法 - Google Patents
一种用于气密性试验的气泡检测方法 Download PDFInfo
- Publication number
- CN105389814B CN105389814B CN201510737179.3A CN201510737179A CN105389814B CN 105389814 B CN105389814 B CN 105389814B CN 201510737179 A CN201510737179 A CN 201510737179A CN 105389814 B CN105389814 B CN 105389814B
- Authority
- CN
- China
- Prior art keywords
- mrow
- bubble
- msub
- circle
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/06—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point by observing bubbles in a liquid pool
- G01M3/10—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point by observing bubbles in a liquid pool for containers, e.g. radiators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种用于气密性试验的气泡检测方法,它包括以下步骤:摄像机拍摄、图像进行帧间差分法比较、帧差像素的坐标点进行聚类分析、帧差图像NewDiffImg的得到、形心距离方差法分析、半径和圆度误差值进行比较,泄漏率的得到等。本发明与现有技术相比,存在如下有益效果:本发明是利用计算机视觉技术对压力容器气密性试验中的气泡进行检测,它直接用摄像机对图像进行采集,其操作简单,而相对光纤探头、电子探针等高昂设备对物理参数进行采集,成本大大降低,其对于外形类似气泡的杂质能很好的排除,图像采用时从检测池水面拍摄,能定位漏气位置,提高其检测结果的准确性。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种用于气密性试验的气泡检测方法。
背景技术
近年来,压力容器生产企业逐年增加,钢瓶产量也不断增大,为了提高在生产过程中的检测检验效率,国内外研究者、工程师开发了各种各样的检测检验系统、设备或装置用于钢瓶生产过程中的各个检验环节,如在线硬度检测系统、在线超声检测系统、自动化水压外测法试验系统等,这些系统或装置降低了人员因素对检测结果的影响,有效地提高了检测效率、准确率并降低了生产成本。
在气密性检测环节中,国内外专家学者围绕着钢瓶气密性试验展开了重点研究。气密性检测根据原理不同,大致可以分为两类:一类是将钢瓶浸入检测池中,并在钢瓶内部充入一定量气体,通过肉眼观察钢瓶表面有无气泡来判断是否漏气;另一类是通过压力传感器,来记录充气钢瓶内部气压变化情况,从来判断是否泄漏。常见的方法有浸水气泡法、涂抹气泡法、化学气体示踪法、压力变化法等。
目前,国内外企业大多采用浸水气泡检测法。浸水气泡检测法是检验钢瓶气密性最直接和最有效的手段,但传统的浸水气泡检测法完全依靠人工进行,试验数据的采集依靠眼看、手记,从而存在读数客观性不强、试验过程无法再现等众多的缺点。到了90年代,由于计算机的广泛应用,使得浸水气泡检测装置自动化程度大大提高。出现了计算机自动控制气泡检测装置,使得钢瓶气密性试验的工作效率和试验结果的精度大大提高。
很多人在浸水气泡法的基础上,结合现代光学和图像处理技术,研究了很多水中气泡的检测算法,希望以此来判别密闭容器的泄漏。主要原理是利用气体的物理化学特性来检测气密性,采用各种摄像头传感器和电子探头取代人眼来检测气泡。
王铁峰(三相循环流化床中气泡上升速度的实验研究[D].清华大学,2000)开发了一种新型的光纤探头多相流气泡测试系统,应用此系统研究了三相循环流化床中不同径向位置气泡的上升速度分布、气泡上升速度均值的径向布以及操作条件对这两种分布的影响,然而该文献只是研究了三相循环流化床中气泡的行为规律以及气泡参数,并没有实质性地提出气泡检测方案;John R.Chaplin(Bubble Size Measurements in BreakingWaves Using Optical Fiber Phase Detection Probes[J].Univ.of New South Wales,2010)利用光纤相位检测探针进行了波浪中气泡尺寸测量的研究,光纤探头法的原理是利用气相和液相反射回的光线因为光强产生光强差,再将这一光强信号转换成电信号,利用计算机进行判断是否产生气泡,以此得出密闭容器是否泄漏,该方案对仪器精密度要求很高,而且液体中杂质会对光强产生影响,对检测结果的影响较大;吴春龙(基于光流法的气密性检测装置研究[J].浙江理工大学,2013)研究了一种基于光流法的气泡图像检测算法,探讨了光流的梯度算法,包括全局约束和局部约束算法,根据光流法的条件,通过实验,研究了图像滤波及图像分割技术,最后将采集到的气泡图像数据进行处理,得到了二值化的气泡图像,对比分析了气泡产生的条件和发展过程,但是该文献也指出,用光流法检测算法计算时间偏长,需要改进,且在复杂背景和照射灯光光流不稳定情况下检测结果不稳定;陈宝远(BOPET薄膜中气泡的检测及识别方法研究[D].哈尔滨理工大学,2015)提出了一种基于LVQ神经网络的BOPET薄膜气泡的检测与识别方法,该算法对采集到的薄膜图像进行处理得到薄膜疵 点轮廓,提取长宽比、圆形度、形状复杂性及伸长度4个特征值,输入至已经训练好的基于LVQ神经网络的气泡识别系统中识别气泡并确定其位置与面积,但该方法需要先对待检测场景中的气泡进行特征值的提取,为了使检测结果精准,需要提取大量气泡图像的特征值进行训练,且针对不同检测池中出现的气泡,由于物理化学特性的改变,需要重新训练神经网络,这将耗费大量时间和成本;发明专利(公开号:CN102335476A,名称:一种气泡检测装置)阐述了一种气泡检测装置,使用超声波气泡检测方式,该装置结构复杂,稳定性低,仅用于输液泵、输液器产品的气泡检测;发明专利(公开号:CN01823139X,名称:光气泡检测系统)阐述了一种气泡检测系统,包括样品盒和光传感器,利用光的折射确定传输通过的样品盒中是否存在气泡,该方法不适用于气密性试验,因为检测池中杂质对检测结果产生干扰,且钢瓶本身会遮挡光的传播,所以无法检测被遮挡区域存在的气泡;发明专利(申请号:201310370361.0,名称:一种气液两相流气泡体积检测装置及检测方法)阐述了一种气液两相流气泡体积检测装置及检测方法,单路红外检测对管实现泡状流条件下气泡大小的检测,通过对累计脉冲个数统计实现气泡体积计量,该装置主要用于电解制氧的气液两相环境中检测气泡,但是在气-液-固三相的气密性检测池中,电压信号变化不稳定,检测效果并不理想。
综上所述,当前的气泡检测方法中,仍存在一定的不足:(1)已有方案中,很大部分都采用光纤探头、电子探针等高昂设备对物理参数进行采集,这使得检测成本过高;(2)已有方案中,多数没有考虑到周围环境有干扰的情况,对于外形类似气泡的杂质不能很好的排除;(3)已有方案中,多数采用侧面拍摄检测池,记录气泡产生的过程,着重于理论研究,分析气泡产生的条件和发展过程,算法的实时检测 性能不佳,而且由于侧面拍摄,很难定位漏气位置。
发明内容
为了克服上述现有检测方法中存在的问题,本发明提供一种用于气密性试验的气泡检测方法,它是利用计算机视觉技术对压力容器气密性试验中的气泡进行检测。
本发明采用的技术方案为:
所述的一种用于气密性试验的气泡检测方法,其特征在于包括以下步骤:
步骤1:用摄像机正对未进行气密性试验时的检测池水面拍摄,从摄像机中取得视频帧F0,进行预处理后得到图像BackFrame,并将其作为背景帧;随后将压力容器放入检测池中并充气加压进行气密性试验检测;
步骤2:从摄像机中取得视频当前帧F1,进行预处理,得到图像Img1;
步骤3:继续从摄像机中取得视频下一帧F2,进行预处理,得到图像Img2;
步骤4:对图像Img1和Img2进行帧间差分法比较,得到帧差图像DiffImg(x,y),计算公式如式(1):
其中T为检测阈值,T∈[10,15];在DiffImg(x,y)中,若满足point(x,y)=255的坐标点的数量小于20,返回步骤2;否则认为有较多帧差点存在,可能有气泡出现,继续步骤5,x∈[0,W],y∈[0,H],W和H分别为DiffImg(x,y)图像的宽度和高度;
步骤5:对帧差图像DiffImg(x,y)中的所有帧差像素的坐标点进行 聚类分析,使用DBScan算法,丢弃孤立点,得到n个点集S1、S2......Sn;
步骤6:对S1、S2......Sn中的每个点集Si,1≤i≤n使用最小外接圆包围,得到n个圆形闭包区域R1、R2......Rn作为检测区域;
步骤7:在检测区域R1、R2......Rn的坐标范围内,对图像Img2和背景帧BackFrame进行帧间差分法处理,得到帧差图像NewDiffImg;
步骤8:对图像NewDiffImg中的连通区域进行轮廓提取,得到m个轮廓坐标点集D1、D2......Dm;
步骤9:对每个轮廓坐标点集Di,i=1,2,...,m使用形心距离方差法分析,具体为:根据其中Qi为Di轮廓的闭包区域面积,得到轮廓图像的形心再计算轮廓Di上每个点到形心的距离1≤j≤ki,ki为轮廓Di的坐标点数量,pij(x,y)为轮廓Di上的第j个坐标点;计算轮廓Di上所有点到形心距离的平均半径和圆度误差值
步骤10:将形心距离方差法得到的平均半径和圆度误差值与参考值d、θ进行比较,若满足且则图像NewDiffImg中坐标点集Di的轮廓接近圆形,坐标点集Di所属的检测区域Ru,1≤u≤n为可能的气泡区域;否则跳至步骤2继续,其中d、θ根据摄像机分辨率、镜头焦距、摄像机与检测池水面距离,以及实际情况中目标气泡的大小范围共同确定;
步骤11:将步骤10中的检测区域Ru的圆心坐标Ou加入坐标数 组Z中进行累计;
步骤12:重复步骤2~步骤10的过程,当坐标数组Z中,有10个以上坐标点Ou,在半径小于radius的圆形邻域Round内,则认为该圆形邻域Round中出现了漏气点,其中radius为参考值,需要根据摄像机分辨率、镜头焦距、摄像机与检测池水面距离共同确定;
步骤13:在步骤12确定的圆形邻域Round内根据式(2)计算泄漏率:
其中,Ls表示泄漏率,f表示漏孔处气泡形成的频率,Ts表示检测环境中实际温度,Pa表示气泡内的压强,σ表示液体表面张力,Db表示气泡的直径,T表示检测标准温度,Ps表示气泡内的标准气压。
所述的一种用于气密性试验的气泡检测方法,其特征在于步骤1、步骤2和步骤3中所述预处理包括对图像进行灰度处理、中值滤波去噪处理。
所述的一种用于气密性试验的气泡检测方法,其特征在于步骤1、步骤2和步骤3中取得视频帧F0、取得视频当前帧F1及取得视频下一帧F2的时间间隔相同。
所述的一种用于气密性试验的气泡检测方法,其特征在于步骤1、步骤2和步骤3中取得视频帧F0、取得视频当前帧F1及取得视频下一帧F2的时间间隔为0.5s。
所述的一种用于气密性试验的气泡检测方法,其特征在于步骤6中最小外接圆算法如下:
步骤6.1:遍历Si中所有的点p1,p2......pv,计算pi,1≤i≤v与其它 所有点pj,1≤j≤v,j≠i的距离返回其中距离最大的两个点,记为p′和p″;
步骤6.2:将连接点p′和p″的线段LineA设为圆Circle的直径,线段LineA的中点O(x,y)为圆心,LineA的长度的二分之一为半径r;
步骤6.3:计算pi,1≤i≤v到圆心O(x,y)的距离 如果距离dist2均小于等于圆Circle的半径r,则该圆Circle即为点集Si的最小外接圆,返回结果;否则,找出使得距离dist2最大的点,记为PntC,以LineA的两个端点和点PntC三点定圆,其圆心仍标记为O(x,y),重复步骤6.3。
所述的一种用于气密性试验的气泡检测方法,其特征在于步骤10所述的一种用于气密性试验的气泡检测方法,其特征在于步骤10中2.5<d<7.5,θ<0.8,优选d=5,θ=0.5。
所述的一种用于气密性试验的气泡检测方法,其特征在于步骤12中radius≤5,优选radius=3。
本发明通过采用上述技术,与现有技术相比,存在如下有益效果:本发明是利用计算机视觉技术对压力容器气密性试验中的气泡进行检测,它直接用摄像机对图像进行采集,其操作简单,而相对光纤探头、电子探针等高昂设备对物理参数进行采集,成本大大降低,其对于外形类似气泡的杂质能很好的排除,图像采用时从检测池水面拍摄,能定位漏气位置,提高其检测结果的准确性。
附图说明
图1为用于气密性试验的气泡检测方法的流程图;
图2为步骤1得到的背景帧;
图3为步骤2得到的视频帧;
图4为步骤3得到的视频帧;
图5为步骤4得到的帧差图像;
图6为步骤5中DBScan算法示意图;
图7为步骤6得到的检测区域图像;
图8为步骤7得到的帧差图像;
图9为步骤9形心方差法示意图。
具体实施方式
下面结合说明书附图对本发明进行进一步的说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
如图1所示,本发明的一种用于气密性试验的气泡检测方法,包括如下步骤:
步骤1:用摄像机正对未进行气密性试验时的检测池水面拍摄(本例中摄像机拍摄视角为72°,视频分辨率640*480、摄像机镜头与检测池水面距离为1m);在T0时刻,从摄像机中取得视频帧F0,进行预处理后得到灰度图像BackFrame作为背景帧,如图2所示;其预处理包括对图像进行灰度处理、中值滤波去噪处理等;随后将压力容器放入检测池中并充气加压进行气密性试验检测;
步骤2:在步骤1完成的0.5秒之后的T1时刻,从摄像机中取得视频帧F1,如图3所示,对视频帧F1进行预处理,得到灰度图像Img1;预处理过程同步骤1;
步骤3:在步骤2完成的0.5秒之后的T2时刻,从摄像机中取得视频帧F2,如图4所示,对视频帧F2进行预处理,得到灰度图像Img2;预处理过程同步骤1;
步骤4:对图像Img1和Img2进行帧间差分法比较,即对两张图像 中相同坐标位置的像素点灰度值进行比对,如公式(1):
其中T为检测阈值,由于变化区域需要与背景图像进行进一步的处理从而分割出运动区域,经试验,对T值选值10至15可适应一般检测需求;在DiffImg(x,y)中,若满足point(x,y)=255的坐标点的数量小于20,返回步骤2;否则认为有较多帧差点存在,可能有气泡出现,继续步骤5;x∈[0,W],y∈[0,H],W和H分别为DiffImg(x,y)图像的宽度和高度,得到的帧差图像如图5所示;
步骤5:对帧差图像DiffImg(x,y)中的所有帧差像素的坐标点进行聚类分析,使用DBScan算法,(如图6所示,为DBScan算法示意图,DBScan算法的二个参数:扫描半径eps和最小包含点数minPts根据本例摄像机参数和实验场景设为eps=8,minPts=20),丢弃孤立点,得到算法生成的类簇集合,即n个点集S1、S2……Sn;
步骤6:对S1、S2……Sn中的每个点集Si,1≤i≤n使用最小外接圆包围,得到n个圆形闭包区域R1、R2……Rn作为检测区域,得到的检测区域图像如图7所示,所述最小外接圆算法如下:
步骤6.1:遍历Si中所有的点p1,p2……pv,计算pi,1≤i≤v与其它所有点pj,1≤j≤v,j≠i的距离返回其中距离dist1最大的两个点p′,p″;
步骤6.2:将连接p′和p″两个点的线段LineA设为圆Circle的直径,线段LineA的中点O(x,y)为圆心,LineA的长度的二分之一为半径r;
步骤6.3:计算pi,1≤i≤v到圆心O(x,y)的距离 如果距离dist2均小于等于圆Circle的半径r, 则该圆Circle即为点集Si的最小外接圆,返回结果;否则,找出使得距离dist2最大的点,设为点PntC,以LineA的两个端点和点PntC三点定圆,其圆心仍标记为O(x,y),重复步骤6.3;
步骤7:在检测区域R1、R2……Rn的坐标范围内,对图像Img2和背景帧BackFrame进行帧间差分法处理,得到帧差图像NewDiffImg,该帧差图像如图8所示;
步骤8:对图像NewDiffImg中的连通区域进行轮廓提取,得到m个轮廓坐标点集D1、D2……Dm;
步骤9:对每个轮廓坐标点集Di,i=1,2,...,m使用形心距离方差法分析,形心方差法示意图如图9所示,具体为:根据 其中Qi为Di轮廓的闭包区域面积,得到轮廓图像的形心再计算轮廓Di上每个点到形心的距离1≤j≤ki,ki为轮廓Di的坐标点数量,pij(x,y)为轮廓Di上的第j个坐标点;计算轮廓Di上所有点到形心距离的平均半径和圆度误差值
步骤10:将形心距离方差法得到的平均半径和圆度误差值与参考值d、θ进行比较,若满足且则图像NewDiffImg中坐标点集Di的轮廓接近圆形,坐标点集Di所属的检测区域Ru,1≤u≤n为可能的气泡区域;否则跳至步骤2继续,其中d、θ根据摄像机分辨率、镜头焦距、摄像机与检测池水面距离,以及实际情况中目标气泡的大小范围共同确定,一般2.5<d<7.5,θ<0.8,本发明实施例中d、θ根据本例摄像机参数和实验场景取d=5,θ=0.5,可 较准确地检测出气泡;
步骤11:将步骤10中的检测区域Ru的圆心坐标Ou加入坐标数组Z中进行累计;
步骤12:重复步骤2~步骤10的过程,当坐标数组Z中,有10个以上坐标点Ou,在半径小于radius的圆形邻域Round内,则认为该圆形邻域Round中出现了漏气点,其中radius为参考值,需要根据摄像机分辨率、镜头焦距、摄像机与检测池水面距离共同确定,一般radius≤5;根据本例摄像机参数和实验场景取radius=3;
步骤13:在步骤12确定的圆形邻域Round内根据式(2)计算泄漏率:
其中,Ls表示泄漏率,f表示漏孔处气泡形成的频率,Ts表示检测环境中实际温度,Pa表示气泡内的压强,σ表示液体表面张力,Db表示气泡的直径,T表示检测标准温度,Ps表示气泡内的标准气压。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (7)
1.一种用于气密性试验的气泡检测方法,其特征在于包括以下步骤:
步骤1:用摄像机正对未进行气密性试验时的检测池水面拍摄,从摄像机中取得视频帧F0,进行预处理后得到图像BackFrame,并将其作为背景帧;随后将压力容器放入检测池中并充气加压进行气密性试验检测;
步骤2:从摄像机中取得视频当前帧F1,进行预处理,得到图像Img1;
步骤3:继续从摄像机中取得视频下一帧F2,进行预处理,得到图像Img2;
步骤4:对图像Img1和Img2进行帧间差分法比较,得到帧差图像DiffImg(x,y),计算公式如式(1):
<mrow>
<mi>D</mi>
<mi>i</mi>
<mi>f</mi>
<mi>f</mi>
<mi>Im</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<msub>
<mi>Img</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>Img</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>></mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>255</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<msub>
<mi>Img</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>Img</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo><</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中T为检测阈值,T∈[10,15];在DiffImg(x,y)中,若满足point(x,y)=255的坐标点的数量小于20,返回步骤2;否则认为有较多帧差点存在,可能有气泡出现,继续步骤5,x∈[0,W],y∈[0,H],W和H分别为DiffImg(x,y)图像的宽度和高度;
步骤5:对帧差图像DiffImg(x,y)中的所有帧差像素的坐标点进行聚类分析,使用DBScan算法,丢弃孤立点,得到n个点集S1、S2......Sn;
步骤6:对S1、S2......Sn中的每个点集Si,1≤i≤n使用最小外接圆包围,得到n个圆形闭包区域R1、R2......Rn作为检测区域;
步骤7:在检测区域R1、R2......Rn的坐标范围内,对图像Img2和背景帧BackFrame进行帧间差分法处理,得到帧差图像NewDiffImg;
步骤8:对图像NewDiffImg中的连通区域进行轮廓提取,得到m个轮廓坐标点集D1、D2......Dm;
步骤9:对每个轮廓坐标点集Di,i=1,2,...,m使用形心距离方差法分析,具体为:根据其中Qi为Di轮廓的闭包区域面积,得到轮廓图像的形心再计算轮廓Di上每个点到形心的距离1≤j≤ki,ki为轮廓Di的坐标点数量,pij(x,y)为轮廓Di上的第j个坐标点;计算轮廓Di上所有点到形心距离的平均半径和圆度误差值
步骤10:将形心距离方差法得到的平均半径和圆度误差值与参考值d、θ进行比较,若满足且则图像NewDiffImg中坐标点集Di的轮廓接近圆形,坐标点集Di所属的检测区域Ru,1≤u≤n为可能的气泡区域;否则跳至步骤2继续,其中d、θ根据摄像机分辨率、镜头焦距、摄像机与检测池水面距离,以及实际情况中目标气泡的大小范围共同确定;
步骤11:将步骤10中的检测区域Ru的圆心坐标Ou加入坐标数组Z中进行累计;
步骤12:重复步骤2~步骤10的过程,当坐标数组Z中,有10个以上坐标点Ou,在半径小于radius的圆形邻域Round内,则认为该圆形邻域Round中出现了漏气点,其中radius为参考值,需要根据摄像机分辨率、镜头焦距、摄像机与检测池水面距离共同确定;
步骤13:在步骤12确定的圆形邻域Round内根据式(2)计算泄漏率:
<mrow>
<msub>
<mi>L</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&pi;fT</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mi>a</mi>
</msub>
<mo>+</mo>
<mn>4</mn>
<mi>&sigma;</mi>
<mo>/</mo>
<msub>
<mi>D</mi>
<mi>b</mi>
</msub>
<mo>)</mo>
</mrow>
<msubsup>
<mi>D</mi>
<mi>b</mi>
<mn>3</mn>
</msubsup>
</mrow>
<mrow>
<mn>6</mn>
<msub>
<mi>TP</mi>
<mi>s</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Ls表示泄漏率,f表示漏孔处气泡形成的频率,Ts表示检测环境中实际温度,Pa表示气泡内的压强,σ表示液体表面张力,Db表示气泡的直径,T表示检测标准温度,Ps表示气泡内的标准气压。
2.根据权利要求1所述的一种用于气密性试验的气泡检测方法,其特征在于步骤1、步骤2和步骤3中所述预处理包括对图像进行灰度处理、中值滤波去噪处理。
3.根据权利要求1所述的一种用于气密性试验的气泡检测方法,其特征在于步骤1、步骤2和步骤3中取得视频帧F0、取得视频当前帧F1及取得视频下一帧F2的时间间隔相同。
4.根据权利要求1所述的一种用于气密性试验的气泡检测方法,其特征在于步骤1、步骤2和步骤3中取得视频帧F0、取得视频当前帧F1及取得视频下一帧F2的时间间隔为0.5s。
5.根据权利要求1所述的一种用于气密性试验的气泡检测方法,其特征在于步骤6中最小外接圆算法如下:
步骤6.1:遍历Si中所有的点p1,p2......pv,计算pi,1≤i≤v与其它所有点pj,1≤j≤v,j≠i的距离返回其中距离最大的两个点,记为p′和p″;
步骤6.2:将连接点p′和p″的线段LineA设为圆Circle的直径,线段LineA的中点O(x,y)为圆心,LineA的长度的二分之一为半径r;
步骤6.3:计算pi,1≤i≤v到圆心O(x,y)的距离如果距离dist2均小于等于圆Circle的半径r,则该圆Circle即为点集Si的最小外接圆,返回结果;否则,找出使得距离dist2最大的点,记为PntC,以LineA的两个端点和点PntC三点定圆,其圆心仍标记为O(x,y),重复步骤6.3。
6.根据权利要求1所述的一种用于气密性试验的气泡检测方法,其特征在于步骤10中2.5<d<7.5,θ<0.8。
7.根据权利要求1所述的一种用于气密性试验的气泡检测方法,其特征在于步骤12中radius≤5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510737179.3A CN105389814B (zh) | 2015-11-03 | 2015-11-03 | 一种用于气密性试验的气泡检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510737179.3A CN105389814B (zh) | 2015-11-03 | 2015-11-03 | 一种用于气密性试验的气泡检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105389814A CN105389814A (zh) | 2016-03-09 |
CN105389814B true CN105389814B (zh) | 2017-12-08 |
Family
ID=55422063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510737179.3A Active CN105389814B (zh) | 2015-11-03 | 2015-11-03 | 一种用于气密性试验的气泡检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105389814B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6790401B2 (ja) * | 2016-03-24 | 2020-11-25 | 住友電気工業株式会社 | 光ファイバ検査装置、光ファイバ製造装置、及び光ファイバ製造方法 |
CN106169079B (zh) * | 2016-06-30 | 2019-04-30 | 浙江工业大学 | 一种基于计算机视觉的压力容器数量识别方法 |
JP6441400B2 (ja) * | 2017-03-21 | 2018-12-19 | リョービ株式会社 | ダイカスト製品の検査システム、ダイカスト製品の検査方法 |
CN109115417B (zh) * | 2018-07-12 | 2020-01-14 | 浙江工业大学 | 一种基于连通域判断的压力容器气密性检测方法 |
CN109029861B (zh) * | 2018-07-12 | 2020-01-07 | 浙江工业大学 | 一种基于背景建模与质心聚类的压力容器气密性检测方法 |
CN109115418B (zh) * | 2018-07-12 | 2020-01-07 | 浙江工业大学 | 一种基于区域划分的压力容器气密性检测方法 |
CN111041076B (zh) * | 2018-10-11 | 2023-09-26 | 深圳华大生命科学研究院 | 气泡检测方法及系统、基因测序仪、计算机可读存储介质 |
CN109493339B (zh) * | 2018-11-20 | 2022-02-18 | 北京嘉恒中自图像技术有限公司 | 一种基于内窥镜成像的铸件内表面气孔缺陷检测方法 |
CN109238581A (zh) * | 2018-11-30 | 2019-01-18 | 贵州电网有限责任公司 | 一种载气瓶气路接口快速检漏装置及其操作方法 |
CN109598739B (zh) * | 2018-12-14 | 2019-07-26 | 广州海洋地质调查局 | 一种水体中渗漏气泡数目的统计方法及处理终端 |
CN109523549B (zh) * | 2018-12-26 | 2021-07-27 | 浙江工业大学 | 一种用于压力容器气密性试验的漏气区域检测方法 |
CN110579319B (zh) * | 2019-10-08 | 2021-01-08 | 中北大学 | 一种基于准分布式检测液漏的光纤传感器及检测方法 |
CN110514360B (zh) * | 2019-10-23 | 2020-02-11 | 湖南楚一机电有限公司 | 一种用于浓度传感器快速密封检测系统及其方法 |
CN111414938B (zh) * | 2020-03-04 | 2023-06-20 | 中国计量大学 | 一种板式换热器内气泡的目标检测方法 |
CN112325776A (zh) * | 2020-11-04 | 2021-02-05 | 陈艳 | 基于人工智能的不同液体浑浊度气泡轨迹检测方法及系统 |
CN113066076B (zh) * | 2021-04-12 | 2022-08-26 | 北京理工大学 | 胶管泄露检测方法、装置、设备及存储介质 |
CN113916456A (zh) * | 2021-09-06 | 2022-01-11 | 南京金陵特种设备安全附件检验中心 | 安全阀密封试验方法 |
CN113567058B (zh) * | 2021-09-22 | 2022-04-19 | 南通中煌工具有限公司 | 基于人工智能和视觉感知的光源参数调节方法 |
CN114261590B (zh) * | 2022-01-19 | 2023-09-22 | 佛山果硕智能科技有限公司 | 一种啤酒罐装后动态气泡分析的方法及装置 |
CN114878087B (zh) * | 2022-06-07 | 2023-04-25 | 江苏省特种设备安全监督检验研究院 | 一种基于人工智能的压力容器气密性的检测方法及装置 |
CN114998311A (zh) * | 2022-07-11 | 2022-09-02 | 江苏名欧精密机械有限公司 | 一种基于同态滤波的零件精密度检测方法 |
CN115290697B (zh) * | 2022-09-26 | 2022-12-27 | 南通众盈材料科技有限公司 | 一种聚氨酯生产异常识别方法 |
CN117094995B (zh) * | 2023-10-18 | 2024-02-06 | 中国恩菲工程技术有限公司 | 一种反应釜气体泄漏检测方法、装置、介质及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0499714B1 (en) * | 1991-02-22 | 1995-09-06 | Nordson Corporation | Method and apparatus for detecting bubbles in pressurized liquid dispensing systems |
CN102335476A (zh) * | 2011-07-26 | 2012-02-01 | 北京鑫禾丰医疗技术有限公司 | 一种气泡检测装置 |
CN103471502A (zh) * | 2013-08-22 | 2013-12-25 | 中国电子科技集团公司第四十八研究所 | 一种气液两相流气泡体积检测装置及检测方法 |
-
2015
- 2015-11-03 CN CN201510737179.3A patent/CN105389814B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0499714B1 (en) * | 1991-02-22 | 1995-09-06 | Nordson Corporation | Method and apparatus for detecting bubbles in pressurized liquid dispensing systems |
CN102335476A (zh) * | 2011-07-26 | 2012-02-01 | 北京鑫禾丰医疗技术有限公司 | 一种气泡检测装置 |
CN103471502A (zh) * | 2013-08-22 | 2013-12-25 | 中国电子科技集团公司第四十八研究所 | 一种气液两相流气泡体积检测装置及检测方法 |
Non-Patent Citations (2)
Title |
---|
Bubble Size Measurements in Breaking Waves Using Optical Fiber Phase Detection Probes;Blenkinsopp et al;《IEEE Journal of Oceanic Engineering》;20100430;第35卷(第2期);388-401 * |
基于光流法的气密性检测装置研究;吴春龙 等;《机电工程》;20130831;第30卷(第8期);947-951 * |
Also Published As
Publication number | Publication date |
---|---|
CN105389814A (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105389814B (zh) | 一种用于气密性试验的气泡检测方法 | |
CN105865424B (zh) | 一种基于非线性模型的多光谱遥感水深反演方法及装置 | |
ES2377147T3 (es) | Control no destructivo de productos siderúrgicos por ultrasonidos | |
CN110310262A (zh) | 一种用于检测轮胎缺陷的方法、装置及系统 | |
CN104458895A (zh) | 管道三维漏磁成像检测方法及系统 | |
CN111141653B (zh) | 一种基于神经网络的隧道渗漏速率预测方法 | |
CN108804740B (zh) | 基于集成改进ica-krr算法的长输管道压力监测方法 | |
CN114548278A (zh) | 基于深度学习的在役隧道衬砌结构缺陷识别方法及系统 | |
CN103940908B (zh) | 基于dbscan及互相关算法的超声检测装置及方法 | |
Posilović et al. | Flaw detection from ultrasonic images using YOLO and SSD | |
CN115345881B (zh) | 一种基于计算机视觉的路面病害检测方法 | |
CN112329588A (zh) | 一种基于Faster R-CNN的管道故障检测方法 | |
CN111896616B (zh) | 基于声发射-bp神经网络的气液两相流流型识别方法 | |
CN110297041A (zh) | 一种基于fcn与gru的3d编织复合材料缺陷检测方法 | |
CN111351860A (zh) | 基于Faster R-CNN的木材内部缺陷检测方法 | |
CN108052909A (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
Liu et al. | An intelligent defect detection approach based on cascade attention network under complex magnetic flux leakage signals | |
CN114722549B (zh) | 水下输气管道泄漏源动态参数反演方法、装置及介质 | |
Khan et al. | Flow Regime Identification in Gas-Liquid Two-Phase Flow in Horizontal Pipe by Deep Learning | |
CN116664558A (zh) | 一种钢铁表面缺陷检测方法、系统及计算机设备 | |
AU2020271967A1 (en) | Method for determining the geometry of a defect on the basis of non-destructive measurement methods using direct inversion | |
Yuksel et al. | A novel cascaded deep learning model for the detection and quantification of defects in pipelines via magnetic flux leakage signals | |
CN113469097B (zh) | 一种基于ssd网络的水面漂浮物多相机实时检测方法 | |
Ma et al. | Classification of damage types in liquid-filled buried pipes based on deep learning | |
CN109919215A (zh) | 基于聚类算法改进特征金字塔网络的目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |