CN109115417B - 一种基于连通域判断的压力容器气密性检测方法 - Google Patents
一种基于连通域判断的压力容器气密性检测方法 Download PDFInfo
- Publication number
- CN109115417B CN109115417B CN201810764772.0A CN201810764772A CN109115417B CN 109115417 B CN109115417 B CN 109115417B CN 201810764772 A CN201810764772 A CN 201810764772A CN 109115417 B CN109115417 B CN 109115417B
- Authority
- CN
- China
- Prior art keywords
- pressure
- image
- air
- images
- delta
- 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
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
Abstract
本发明公开了一种基于连通域判断的压力容器气密性检测方法,包括如下步骤:步骤1:设压力容器原气压值为P0,T时间后气压值为P1,当P1‑P0≤Δ时,Δ为压差阈值,则表示未加压;当P1‑P0>Δ时,则表示正在加压,气密性试验开始;步骤2:取气密性试验开始后的视频的n帧图像,n=t*f,其中t为试验时长,f为视频帧率:记n帧图像为I1,I2,...,In,对Ii,i=1,2,…,n进行灰度化,得到对应的灰度图Gi;步骤3:考虑到气泡的连续性,统计n帧连通图像Fj中连通域数量wj大于k的连通图像Fj的数量Q,若Q大于阈值T,则认为存在漏气情况。本发明的有益效果是:本发明基于连通域判断,结合气泡大小,数量,动态的特性,可以准确判断压力容器是否存在漏气情况。
Description
技术领域
本发明属于特种设备安全监检领域,具体是一种基于连通域判断对浸水法中压力容器气密性进行检测的方法。
背景技术
压力容器是存储气体或液体的一种常见设备,属于特种设备范畴。存在质量隐患的压力容器除了产品本身功能会受到影响外,严重时还会引起火灾、爆炸等危险事件,因此压力容器在生产过程中进行气密性试验是确保质量的重要环节。
国内多数压力容器生产厂家使用浸水法进行气密性检测,传统方法通过人工观察水中气泡的情况来确定压力容器的气密性,但是长时间的不间断检测易造成检测人员的眼睛疲劳影响检测精度,导致出现“漏气未检”的情况,同时压力容器生产厂家通常采用计件制,易出现工人主观少检或放弃检验的情况,存在“少检漏检”的问题。
所以利用计算机视觉技术来对水中气泡进行检测,同时,结合浸水法来对压力容器的气密性进行检测存在较高的可行性和实际意义。Johnsson F(瑞典,ChalmersUniversity ofTechnology,2004)等利用计算机视觉技术对二维流化床中气泡的大小、速率、空隙率进行研究分析。Busciglio A(意大利,University of Palermo,2009)等在研究气固两相流体中气泡行为时,结合图像处理技术,对气泡的大小、速率进行了检测。O.Zielinski(德国,University of Oldenburg,2010)等将光流法应用于水中气泡的检测,并通过实验分析了可行性。王红一(天津大学,2010)等对气液两相流场中气泡的上升过程进行了研究,使用高速摄像机拍摄了不同直径的漏气点所产生的气泡在上升过程中连续图像,通过计算机视觉技术,对气泡的参数(包括速度、加速度、半径、面积等)进行了测量。邵建斌(西安理工大学,2011)提出了一种基于形态学理论的分水岭算法,对掺气水流图像进行气泡提取,同时提出了由反色,图像灰度调整和低通滤波构成的气泡图像预处理策略。刘伟(东北电力大学,2013)基于数字图像处理技术针对水中气泡图像进行图像增强研究。通过Matlab仿真实验,比较了几种阈值分割的效果,为获取气泡形状特征提供了有效算法。吴春龙(浙江理工大学,2013)提出了一套基于PLC控制的气密性自动检测系统,并将基于光流理论的Hom-Schunck图像处理算法应用于气液两相流场中气泡的识别与跟踪,实现了对压力容器漏气点气泡的检测与识别。甘建伟(西华大学,2015)提出一种基于FPGA的气泡边缘检测图像处理系统。以FPGA为核心,采用Sobel边缘检测算法获取气泡边缘特征,并通过Matlab实验验证了可行性。
上述文献中提到的计算机视觉检测技术,对水中气泡进行了初步研究,但仍然存在许多不足:
1)多数算法的实验条件理想化,没有对环境因素的干扰进行考虑,对于外形类似气泡的杂质不能很好的排除;
2)有些算法则在计算量和时间复杂度上较高,如基于光流法的气泡识别算法,在气泡较少和速度上升较慢以及没有其他干扰的情况下,算法确实具有良好的可行性和可靠性。但在检测算法计算时间偏长,气泡较多的情况下,不可能达到实时检测的要求。
3)这些方法中的摄像头都是透过检测池水槽侧面玻璃对压力容器进行拍摄的,每次只能对单一压力容器进行检测,侧重于理论研究,记录气泡产生的过程,分析气泡产生的条件和发展过程。而现实压力容器生产环境中是一个批次的多只压力容器一起送入检测池,并排放置,同时进行浸水法检测的。所以,从侧面拍摄气泡的检测算法无法应用于实际场景。
发明内容
为实现客观高效的压力容器气密性检测,以气泡冒出的动态特性、连续性和数量为依据,为克服现有方法的不足,本发明提出一种基于连通域判断的压力容器气密性检测方法。
本发明的技术方案如下:
一种基于连通域判断的压力容器气密性检测方法,其特征在于,包括如下步骤:
步骤1:设压力容器原气压值为P0,T时间后气压值为P1,当P1-P0≤Δ时,Δ为压差阈值,则表示未加压;当P1-P0>Δ时,则表示正在加压,气密性试验开始;
步骤2:取气密性试验开始后的视频的n帧图像,n=t*f,其中t为试验时长,f为视频帧率:记n帧图像为I1,I2,...,In,对Ii,i=1,2,…,n进行灰度化,得到对应的灰度图Gi;
步骤2.1:取G1进行初始化,建立背景模型,使用G2...Gn更新背景模型,得到前景图像M2...Mn;
步骤2.2:对M2...Mn进行二值化,得到二值图B2...Bn;
步骤2.3:对图像B2…Bn进行形态学运算,从而得到连通图像Cj,其中Jj={Lju|u=1,2,...,vj},j=2,3,…,n,Jj表示连通图像Cj中连通域的集合,其中X为结构元素,Lju为Jj中的第u个连通区域,vj为Jj中的连通区域个数,运算符为腐蚀操作,运算符为膨胀操作;
步骤2.4:Nju为连通区域Lju的像素点个数,将所有满足TL<Nju<TU的连通域Lju保留,不满足的剔除,连通图像Cj经剔除后得到Fj,以及Fj的连通域集合Dj={Ljv|v=1,2,...,wj},其中Ljv为Dj中的第v个连通区域,wj为Dj中的连通区域个数,TL为气泡区域像素点数的下界,TU为气泡区域像素点数的上界;
步骤3:考虑到气泡的连续性,统计n帧连通图像Fj中连通域数量wj大于k的连通图像Fj的数量Q,若Q大于阈值T,则认为存在漏气情况。
本发明的有益效果是:本发明基于连通域判断,结合气泡大小,数量,动态的特性,可以准确判断压力容器是否存在漏气情况。
附图说明
图1为实施例中加压开始的原视频图像;
图2为对I100经灰度处理后得到的图像;
图3为图2经过VIBE算法处理得到的前景图像;
图4为图3经过二值化图像;
图5为开运算模板;
图6为图4经过形态学运算后的连通图像;
图7为图6经过大小筛选后的图像;
图8为确定的漏气图像。
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气密性检测方法的具体实施方式。
一种基于计算机视觉的压力容器气密性检测方法,具体包括如下步骤:
步骤1:设压力容器原气压值为P0,T时间后气压值为P1,当P1-P0≤Δ时,Δ为压差阈值,则表示未加压;当P1-P0>Δ时,则表示正在加压,气密性试验开始;
步骤2:取气密性试验开始后的视频的n帧图像,n=t*f,其中t为试验时长,f为视频帧率:记n帧图像为I1,I2,...,In,对Ii,i=1,2,…,n进行灰度化,得到对应的灰度图Gi;在本实施例中,原视频图像分辨率为640*480,划定了600*220大小的ROI,视频帧率为30,考虑到压力容器加压后保压时长需在1分钟以上,所以t=60s,n=1800,原视频图像如图1所示,对I100经灰度处理后所得的灰度图G100如图2所示;
步骤2.1:取步骤2中G1进行初始化,建立背景模型,使用G2...Gn更新背景模型,得到前景图像M2...Mn;在本实施例中;使用VIBE背景建模算法,其四个参数分别为N=20,min=20,R=20,前景图像M100如图3所示;
步骤2.2:对M2...Mn进行二值化,得到二值图B2...Bn;在本实施例中设定127为阈值进行二值化,所得到的二值图B2如图4所示;
步骤2.3:对图像B2…Bn进行形态学运算,从而得到连通图像Cj,其中Jj={Lju|u=1,2,...,vj},j=2,3,…,n,Jj表示连通图像Cj中连通域的集合,其中X为结构元素,Lju为Jj中的第u个连通区域,vj为Jj中的连通区域个数,运算符为腐蚀操作,运算符为膨胀操作;即先通过腐蚀操作去除小块噪点,再通过膨胀操作将气泡区域连接填充。在本实施例中,结构元素模板X为如图5所示的3*3正方形,每个连通区域即代表一个疑似气泡,所得的连通图像C100如图6所示;
步骤2.4:Nju为连通区域Lju的像素点个数,将所有满足TL<Nju<TU的连通域Lju保留,不满足的剔除,连通图像Cj经剔除后得到Fj,以及Fj的连通域集合Dj={Ljv|v=1,2,...,wj},其中Ljv为Dj中的第v个连通区域,wj为Dj中的连通区域个数,TL为气泡区域像素点数的下界,TU为气泡区域像素点数的上界;在本实施例中原图像分辨率为640*480,根据气泡的大小,TL=10,TU=100,使用cvfindcontours函数,获取连通域轮廓,对于01二值图像,轮廓的零阶矩m00即为连通域的面积即Nju。F100为C100经过大小筛选后的图像,F100如图7所示;
步骤3:考虑到气泡的连续性,统计n帧连通图像Fj中连通域数量wj大于k的连通图像Fj的数量Q,若Q大于阈值T,则认为存在漏气情况。在本实施例中k=2,T=1000。得到Q=1460>T,判定该压力容器存在漏气。如图8所示该压力容器存在漏气。
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 (1)
1.一种基于连通域判断的压力容器气密性检测方法,其特征在于,包括如下步骤:
步骤1:设压力容器原气压值为P0,T时间后气压值为P1,当P1-P0≤Δ时,Δ为压差阈值,则表示未加压;当P1-P0>Δ时,则表示正在加压,气密性试验开始;
步骤2:取气密性试验开始后的视频的n帧图像,n=t*f,其中t为试验时长,f为视频帧率:记n帧图像为I1,I2,...,In,对Ii,i=1,2,…,n进行灰度化,得到对应的灰度图Gi;
步骤2.1:取G1进行初始化,建立背景模型,使用G2...Gn更新背景模型,得到前景图像M2...Mn;
步骤2.2:对M2...Mn进行二值化,得到二值图B2...Bn;
步骤2.3:对图像B2…Bn进行形态学运算,从而得到连通图像Cj,其中Jj={Lju|u=1,2,...,vj},j=2,3,…,n,Jj表示连通图像Cj中连通域的集合,其中X为结构元素,Lju为Jj中的第u个连通区域,vj为Jj中的连通区域个数,运算符“Θ”为腐蚀操作,运算符为膨胀操作;
步骤2.4:Nju为连通区域Lju的像素点个数,将所有满足TL<Nju<TU的连通域Lju保留,不满足的剔除,连通图像Cj经剔除后得到Fj,以及Fj的连通域集合Dj={Ljv|v=1,2,...,wj},其中Ljv为Dj中的第v个连通区域,wj为Dj中的连通区域个数,TL为气泡区域像素点数的下界,TU为气泡区域像素点数的上界;
步骤3:考虑到气泡的连续性,统计n帧连通图像Fj中连通域数量wj大于k的连通图像Fj的数量Q,若Q大于阈值T,则认为存在漏气情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810764772.0A CN109115417B (zh) | 2018-07-12 | 2018-07-12 | 一种基于连通域判断的压力容器气密性检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810764772.0A CN109115417B (zh) | 2018-07-12 | 2018-07-12 | 一种基于连通域判断的压力容器气密性检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109115417A CN109115417A (zh) | 2019-01-01 |
CN109115417B true CN109115417B (zh) | 2020-01-14 |
Family
ID=64862120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810764772.0A Active CN109115417B (zh) | 2018-07-12 | 2018-07-12 | 一种基于连通域判断的压力容器气密性检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109115417B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553085B (zh) * | 2020-04-30 | 2022-09-06 | 上海理工大学 | 一种基于hog+svm的流场气泡图像压力识别算法 |
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 |
CN115326297B (zh) * | 2022-10-11 | 2023-04-07 | 江苏明锋食品有限公司 | 一种注水手套气密性检测方法 |
CN116993715B (zh) * | 2023-09-18 | 2023-12-19 | 山东庆葆堂生物科技有限公司 | 一种玻璃瓶气密性检测方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61148338A (ja) * | 1984-12-24 | 1986-07-07 | Hitachi Ltd | 検査装置 |
JP2004361085A (ja) * | 2003-05-30 | 2004-12-24 | Toshiba Corp | 外観検査装置 |
CN103216731B (zh) * | 2013-05-08 | 2015-02-04 | 西安理工大学 | 一种管道泄漏判定方法及其系统 |
CN105389814B (zh) * | 2015-11-03 | 2017-12-08 | 浙江工业大学 | 一种用于气密性试验的气泡检测方法 |
CN106802215A (zh) * | 2015-11-20 | 2017-06-06 | 沈阳新松机器人自动化股份有限公司 | 一种水管漏水检测装置及检测方法 |
JP6639896B2 (ja) * | 2015-12-18 | 2020-02-05 | ダイハツ工業株式会社 | 気密性検査装置 |
CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
CN107705288B (zh) * | 2017-09-04 | 2021-06-01 | 武汉工程大学 | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 |
-
2018
- 2018-07-12 CN CN201810764772.0A patent/CN109115417B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109115417A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109115417B (zh) | 一种基于连通域判断的压力容器气密性检测方法 | |
CN109029861B (zh) | 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 | |
CN107782733B (zh) | 金属表面缺陷的图像识别无损检测装置及方法 | |
CN105976352B (zh) | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 | |
CN113284109B (zh) | 管道缺陷识别方法、装置、终端设备及存储介质 | |
CN111539927B (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测方法 | |
CN116612106A (zh) | 一种基于yolox算法的光学元件表面缺陷检测方法 | |
CN107993219A (zh) | 一种基于机器视觉的船板表面缺陷检测方法 | |
KR20140107981A (ko) | 선체 검사분석 시스템 및 선체 검사분석 방법 | |
CN114719749B (zh) | 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统 | |
CN109115418B (zh) | 一种基于区域划分的压力容器气密性检测方法 | |
CN111161263A (zh) | 一种包装平整度检测方法、系统、电子设备和存储介质 | |
CN111932490B (zh) | 一种用于工业机器人的视觉系统抓取信息提取方法 | |
CN112727705A (zh) | 风力发电机组桨叶监测探伤方法 | |
CN112610905A (zh) | 一种基于图像识别和红外热成像技术的海上平台管线气体泄漏识别方法 | |
TWI396832B (zh) | Liquid level identification method | |
CN114359149A (zh) | 基于实时图像边缘增强的坝岸险情视频检测方法及系统 | |
CN104794475B (zh) | 一种光子晶体光纤的端面结构特征提取方法 | |
CN114022435A (zh) | 基于机器视觉的管路泄漏识别系统建立方法 | |
CN111340765B (zh) | 一种基于背景分离的热红外图像倒影检测方法 | |
CN113052828A (zh) | 基于人工智能的钢包渣线结渣清理时间预测方法及系统 | |
WO2005008223A3 (en) | Methods for defect detection and process monitoring based on sem images | |
CN113781513B (zh) | 一种电厂供水管道泄漏检测方法及系统 | |
CN115082850A (zh) | 基于计算机视觉的模板支架安全风险识别方法 | |
Jeon et al. | Multi-point measurement of structural vibration using pattern recognition from camera image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |