CN106169079B - 一种基于计算机视觉的压力容器数量识别方法 - Google Patents

Abstract

本发明公开了一种基于计算机视觉的压力容器数量识别方法。它包括如下步骤：在浸水法气密性试验开始充气加压前，使用摄像头拍摄并获取检测池水面图像，对图像进行预处理，统计直方图波峰数量，对图像进行二值化处理，再获取图像的压力容器轮廓，基于Hough变换对图像中的轮廓进行直线识别得到线段集合，聚类并合并线段集合中的短线段，排除干扰线段，统计属于压力容器上下边缘的线段数量，计算压力容器的数量。本发明的优点是：本发明的基于计算机视觉的压力容器数量识别方法，它利用多个计算机视觉算法，在气压浸水法气密性检测过程中能够有效排除气密性试验场地多样性的干扰，利用计算机视觉技术和算法，准确识别出压力容器数量。

Description

一种基于计算机视觉的压力容器数量识别方法

技术领域

本发明属于图像处理技术领域，具体涉及一种在气压浸水法气密性检测过程中，利用计算机视觉技术对压力容器数量进行准确识别的基于计算机视觉的压力容器数量识别方法。

背景技术

近年来，压力容器生产企业逐年增加，压力容器产量也不断增大，为了提高在生产过程中的检测检验效率，国内外研究者、工程师针对压力容器生产过程中的各个检验环节开发了各种各样的检测检验系统、设备或装置，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为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，国内大多数压力容器生产厂家都使用气压浸水法检测。气压浸水法不但简单易行，而且观察气泡即可检测气体泄漏情况，同时定位泄漏位置。具体操作一般为：通过传送带将待测压力容器送入检测池，压力容器瓶口连接充气口，向压力容器内部充气，达到检测标准规定的压强后，检测人员肉眼观察检测池水面是否有气泡产生，若无气泡产生，则认为压力容器气密性合格；否则，认为压力容器有漏气，气密性不合格。

然而，压力容器生产企业通常采用计件制，为了提高效率，易出现工人主观少检或放弃检验的情况。这种“少检漏检”的情况将导致压力容器质量存在安全隐患。因此，在气压浸水法检测前，对检测池中的压力容器数量和检测批次规定的数量进行比对就非常必要。

发明内容

针对现有技术中存在的上述问题，本发明的目的在于提供一种在气压浸水法气密性检测过程中，利用计算机视觉技术对压力容器数量进行准确识别的基于计算机视觉的压力容器数量识别方法。

所述的一种基于计算机视觉的压力容器数量识别方法，其特征在于包括以下步骤：

步骤1：在浸水法气密性试验开始充气加压前，使用摄像头正对检测池水面拍摄，获取检测池水面图像；

步骤2：对检测池水面图像进行灰度化、直方图均衡化和中值滤波操作；

步骤3：先统计步骤2中预处理后图像的直方图中波峰数量，对于不同直方图波峰数量采取不同二值化方法对检测池水面图像进行二值化操作，得到二值图像；

步骤4：使用基于步骤3的二值图像的压力容器轮廓提取方法，获取检测池水面图像中的压力容器轮廓；

步骤5：基于Hough变换对步骤4的二值图像中的轮廓进行直线识别，得到线段集合L＝{l_i|i＝1,2,…,n}，n表示线段数量；

步骤6：聚类并合并步骤5线段集合L中的线段，得到相对较长的新的线段集合L；

步骤7：排除干扰线段，通过统计属于压力容器上下边缘的线段数量，计算出压力容器的数量。

所述的一种基于计算机视觉的压力容器数量识别方法，其特征在于步骤3中进行二值化操作具体为：

步骤3.1：获取检测池水面图像的灰度分布直方图，以每5个像素值为一个灰度级，一共51个灰度级L_i,i＝1,2,…,51，统计各个灰度级的像素数量，分别记为N₁,N₂......N₅₁；

步骤3.2：当存在N_x满足式(1)或式(2)或式(3)：

N_x＞N_x+1＞...＞N_x+4&&N_x＞N_x-1＞...＞N_x-4,5≤x≤47 (1)

N_x＞N_x+1＞...＞N_x+4&&N_x＞N_x-1＞...＞N₁,x＜5 (2)

N_x＞N_x-1＞...＞N_x-4&&N_x＞N_x+1＞...＞N₅₁,x＞47 (3)

则认为灰度级N_x处于灰度直方图波峰处；遍历N₁,N₂,…,N₅₁,累计处于灰度直方图波峰处的N_x的个数，记为K，其中x＝1,2,…,51；

步骤3.3：当K＝2时，使用OTSU进行二值化操作；当K＝3时，使用双阈值二值化操作；当K为其他值时，统一使用灰度均值进行二值化操作；

所述的一种基于计算机视觉的压力容器数量识别方法，其特征在于步骤4中获取压力容器轮廓具体方法为：

步骤4.1：采用2×2的结构元素对二值图像进行开运算处理；

步骤4.2：使用式(4)的边缘提取算子对二值图像进行轮廓提取；

步骤4.3：若当前像素点与G的卷积结果不为零，则该像素点为边缘像素点；若当前像素点与G的卷积结果为零，则该像素点为背景像素点。

所述的一种基于计算机视觉的压力容器数量识别方法，其特征在于步骤6中新线段集合L的取得过程为：

步骤6.1：计算每条线段l_i的斜率；

步骤6.2：根据斜率对集合L中的线段进行聚类，得到m个线段子集L_i，i＝1,2,…,m，使其同时满足式(5)、(6)、(7)和(8)：

L_i∩L_j＝φ,i≠j,i＝1,2,…,m,j＝1,2,…,m (6)

L_i＝{l_ij|i＝1,2,…,m；j＝1,2,…,m_i} (7)

式中,l_ij表示子集L_i中的第j条线段；m_i表示子集L_i中的线段数；s_ij表示子集L_i中第j条线段的斜率，j＝1,2,…,m_i；s_iq表示子集L_i中第q条段线的斜率，q＝1,2,…,m_i；max表示取较大值；

步骤6.3：合并线段，具体为：若子集L_i中的任意两条线段l_ij与l_iq在同一条直线上，则将这两条线段合并为一条新的线段，记为l_new，l_new的两个端点分别为l_ij和l_iq四个端点中距离最远的两个端点；将l_new归入集合L_i中，同时将l_ij与l_iq从子集L_i中移除；

步骤6.4：重复步骤6.3，直至无线段可以合并；

步骤6.5：将所有新的L_i进行并集操作，得到新的线段集合L。

所述的一种基于计算机视觉的压力容器数量识别方法，其特征在于步骤7中压力容器的数量计算具体方法如下：

步骤7.1：将既不满足式(9)也不满足式(10)的线段从L中剃除，得到新的线段集合L′，其中，k_i表示线段集合L中的线段l_i对应的斜率，k₀表示事先根据摄像头的位置标定出的待检测压力容器的上下边缘在图像中的斜率；

max(|k_i|,|k₀|)＝0 (10)

步骤7.2：将满足式(11)的线段从L′中剃除，得到新的线段集合L″，其中，Len_i表示线段集合L′中的线段l_i对应的像素长度，Len₀表示事先根据摄像头的位置标定出的待检测压力容器的上下边缘在图像中的像素长度；

Len_i＜Len₀ (11)

步骤7.3：则集合L″中的线段数量的一半即为压力容器的数量。

本发明的优点是：本发明的基于计算机视觉的压力容器数量识别方法，它利用多个计算机视觉算法，在气压浸水法气密性检测过程中能够有效排除气密性试验场地多样性的干扰，利用计算机视觉技术和算法，准确识别出压力容器数量。

附图说明

图1为本发明的的流程图；

图2为压力容器图经过步骤3OTSU二值化处理后的图像；

图3为压力容器图经过步骤3双阈值二值化处理后的图像；

图4为本发明的实施例选取的压力容器图像；

图5为图4经过步骤4.1处理的压力容器图像；

图6为图4经过步骤4.2处理的压力容器图像；

图7为图4经过步骤5处理的压力容器图像；

图8为图4经过步骤6处理的压力容器图像。

具体实施方式

下面结合实施例来详细阐述本发明的基于计算机视觉的压力容器数量识别方法，但本发明的保护范围并不仅限于此。

如图1所示，本发明的基于计算机视觉的压力容器数量识别方法，其具体包括如下步骤：

步骤1：在浸水法气密性试验开始充气加压前，使用摄像头正对检测池水面拍摄，通过摄像头获取检测池水面图像；

步骤2：对步骤1)得到的检测池水面图像进行灰度化、直方图均衡化和中值滤波等预处理操作；

步骤3：先计算步骤2图像预处理后直方图中波峰的数量，对于不同直方图波峰数量采取不同的二值化方法对检测池水面图像进行二值化操作，得到二值图像，具体为：

步骤3.1：获取检测池水面图像的灰度分布直方图，以每5个像素值为一个灰度级，一共51个灰度级L_i,i＝1,2,…,51，统计各个灰度级的像素数量，分别为N₁,N₂......N₅₁。

步骤3.2：当存在N_x满足式(1)或式(2)或式(3)：

N_x＞N_x+1＞...＞N_x+4&&N_x＞N_x-1＞...＞N_x-4,5≤x≤47 (1)

N_x＞N_x+1＞...＞N_x+4&&N_x＞N_x-1＞...＞N₁,x＜5 (2)

N_x＞N_x-1＞...＞N_x-4&&N_x＞N_x+1＞...＞N₅₁,x＞47 (3)

则认为灰度级N_x处于灰度直方图的波峰处。遍历N_x,x＝1,2,…,51,累计处于直方图波峰处的N_x的个数，记为K，其中x＝1,2,…,51；

步骤3.3：当K＝2时，使用OTSU进行二值化操作，经累计处于直方图波峰处K＝2的某钢瓶的原始图像使用OTSU二值化操作后结果如图2所示；

当K＝3时，使用双阈值二值化，取两个波峰顶部所对应的灰度值，较大灰度值记为t₁，较小灰度值记为t₂；经累计处于直方图波峰处K＝3的某钢瓶的原始图像使用双阈值二值化后结果如图3所示；

当K为其他值时(这种情况较少见，一般压力容器照片为双峰型和三峰型)，统一使用灰度均值进行二值化；

步骤4：使用基于二值图像的压力容器轮廓提取方法，获取如图4所示的检测池水面图像中的压力容器轮廓，压力容器轮廓图如图6所示，其具体为：

步骤4.1：采用2×2的结构元素对二值图像进行开运算处理，得到压力容器二值图如图5所示；

步骤4.2：使用式(4)的边缘提取算子对二值图像进行轮廓提取；

从二值图像的第一行第一列开始，逐行逐列逐像素使用算子G对每个像素点做卷积和运算，对于图像最外层边缘的像素使用复制边缘像素的方法，在图像外圈加一个像素，用于计算原图像最外层边缘的卷积值；

步骤4.3：若当前像素点与G的卷积结果不为零，则将当前像素点的值置为0；若当前像素点与G的卷积结果为零，则将当前像素点的值置为255；

步骤5：基于Hough变换对图像中的轮廓进行直线识别，得到线段集合L＝{l_i|i＝1,2,…,n}，n表示线段数量，如图7所示，此刻压力容器轮廓用粗短线段标出；

步骤6：聚类并合并线段集合L中的线段，即对原来那个集合L进行操作并更新，得到相对步骤5的线段更长的新的线段集合L，具体为：

步骤6.1：计算每条线段l_i的斜率；

步骤6.2：根据斜率对新的线段集合L中的线段进行聚类，得到m个线段子集L_i，i＝1,2,…，m,使其同时满足式(5)、(6)、(7)和(8)：

L_i∩L_j＝φ,i≠j,i＝1,2,…,m,j＝1,2,…,m (6)

L_i＝{l_ij|i＝1,2,…,m；j＝1,2,…,m_i} (7)

式中，l_ij表示子集L_i中的第j条线段；m_i表示子集L_i中的线段数；s_ij表示子集L_i中第j条线段的斜率，j＝1,2,…,m_i；s_iq表示子集L_i中第q条段线的斜率，q＝1,2,…,m_i；max表示取较大值；

步骤6.3：合并线段，具体为：若子集L_i中的任意两条线段l_ij与l_iq在同一条直线上，l_ij∈L_i,l_iq∈L_i,j＝1,2,…,m_i,q＝1,2,…,m_i,j≠q,则将这两条线段合并为一条新的线段，记为l_new，l_new的两个端点分别为l_ij和l_iq四个端点中距离最远的两个端点；将l_new归入集合Li中，同时将l_ij与l_iq从子集L_i中移除；

步骤6.4：重复步骤6.3，直至无线段可以合并，然后转到步骤6.5；

步骤6.5：将所有新的L_i进行并集操作，得到新的线段集合L；如图8所示，此刻用深色粗线段标出的就是对图7中同一直线上短线段合并后的结果；

步骤7：排除干扰线段，干扰线段包括环境中的线段，比如水泥地的边界，不是钢瓶边缘的线段，则需要去掉，再通过统计属于压力容器上下边缘的线段数量，计算得出压力容器的数量，具体为：

步骤7.1：将既不满足式(9)也不满足式(10)的线段从L中剃除，得到新的线段集合L′，其中k_i表示线段集合L中的线段l_i对应的斜率，k₀表示事先根据摄像头的位置标定出的待检验压力容器的上下边缘在图像中的斜率；

|max(k_i,k₀)|＝0 (10)

步骤7.2：将满足式(11)的线段从L′中剃除，得到新的线段集合L″，其中，Len_i表示线段集合L′中的线段l_i对应的像素长度，Len₀表示事先根据摄像头的位置标定出的待检测压力容器的上下边缘在图像中的像素长度；

Len_i<Len₀ (11)

步骤7.3：则集合L″中的线段数量的一半即为压力容器的数量，如图8所示，排除干扰后剩下8条线段，即有4个钢瓶。

本说明书实施例所述的内容仅仅是对本发明构思实现形式的举例，本发明的保护范围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想到的等同技术手段。

Claims (1)

1.一种基于计算机视觉的压力容器数量识别方法，其特征在于包括以下步骤：

步骤1：在浸水法气密性试验开始充气加压前，使用摄像头正对检测池水面拍摄，获取检测池水面图像；

步骤2：对检测池水面图像进行灰度化、直方图均衡化和中值滤波操作；

步骤3：先统计步骤2中预处理后图像的直方图中波峰数量，对于不同直方图波峰数量采取不同二值化方法对检测池水面图像进行二值化操作，得到二值图像进行二值化操作具体为：

步骤3.1：获取检测池水面图像的灰度分布直方图，以每5个像素值为一个灰度级，一共51个灰度级L_i,i＝1,2,…,51，统计各个灰度级的像素数量，分别记为N₁,N₂......N₅₁；

步骤3.2：当存在N_x满足式(1)或式(2)或式(3)：

N_x＞N_x+1＞...＞N_x+4&&N_x＞N_x-1＞...＞N_x-4,5≤x≤47 (1)

N_x＞N_x+1＞...＞N_x+4&&N_x＞N_x-1＞...＞N₁,x＜5 (2)

N_x＞N_x-1＞...＞N_x-4&&N_x＞N_x+1＞...＞N₅₁,x＞47 (3)

则认为灰度级N_x处于灰度直方图波峰处；遍历N₁,N₂,…,N₅₁,累计处于灰度直方图波峰处的N_x的个数，记为K，其中x＝1,2,…,51；

步骤3.3：当K＝2时，使用OTSU进行二值化操作；当K＝3时，使用双阈值二值化操作；当K为其他值时，统一使用灰度均值进行二值化操作；

步骤4：使用基于步骤3的二值图像的压力容器轮廓提取方法，获取检测池水面图像中的压力容器轮廓，获取压力容器轮廓具体方法为：

步骤4.1：采用2×2的结构元素对二值图像进行开运算处理；

步骤4.2：使用式(4)的边缘提取算子对二值图像进行轮廓提取；

步骤4.3：若当前像素点与G的卷积结果不为零，则该像素点为边缘像素点；若当前像素点与G的卷积结果为零，则该像素点为背景像素点；

步骤5：基于Hough变换对步骤4的二值图像中的轮廓进行直线识别，得到线段集合L＝{l_i|i＝1,2,…,n}，n表示线段数量；

步骤6：聚类并合并步骤5线段集合L中的线段，得到相对较长的新的线段集合L，新线段集合L的取得过程为：

步骤6.1：计算每条线段l_i的斜率；

步骤6.2：根据斜率对集合L中的线段进行聚类，得到m个线段子集L_i，i＝1,2,…,m，使其同时满足式(5)、(6)、(7)和(8)：

L_i∩L_j＝φ,i≠j,i＝1,2,…,m,j＝1,2,…,m (6)

L_i＝{l_ij|i＝1,2,…,m；j＝1,2,…,m_i} (7)

式中,l_ij表示子集L_i中的第j条线段；m_i表示子集L_i中的线段数；s_ij表示子集L_i中第j条线段的斜率，j＝1,2,…,m_i；s_iq表示子集L_i中第q条段线的斜率，q＝1,2,…,m_i；max表示取较大值；

步骤6.3：合并线段，具体为：若子集L_i中的任意两条线段l_ij与l_iq在同一条直线上，则将这两条线段合并为一条新的线段，记为l_new，l_new的两个端点分别为l_ij和l_iq四个端点中距离最远的两个端点；将l_new归入集合L_i中，同时将l_ij与l_iq从子集L_i中移除；

步骤6.4：重复步骤6.3，直至无线段可以合并；

步骤6.5：将所有新的L_i进行并集操作，得到新的线段集合L；

步骤7：排除干扰线段，通过统计属于压力容器上下边缘的线段数量，计算出压力容器的数量，压力容器的数量计算具体方法如下：

步骤7.1：将既不满足式(9)也不满足式(10)的线段从L中剃除，得到新的线段集合L′，其中，k_i表示线段集合L中的线段l_i对应的斜率，k₀表示事先根据摄像头的位置标定出的待检测压力容器的上下边缘在图像中的斜率；

max(|k_i|,|k₀|)＝0 (10)

步骤7.2：将满足式(11)的线段从L′中剃除，得到新的线段集合L″，其中，Len_i表示线段集合L′中的线段l_i对应的像素长度，Len₀表示事先根据摄像头的位置标定出的待检测压力容器的上下边缘在图像中的像素长度；

Len_i＜Len₀ (11)

步骤7.3：则集合L″中的线段数量的一半即为压力容器的数量。