CN109523549B - 一种用于压力容器气密性试验的漏气区域检测方法 - Google Patents

Abstract

本发明提出了一种用于压力容器气密性试验的漏气区域检测方法，能够自动检测出检测池内的压力容器位置以及数量，在气密性试验过程中，能够根据漏气气泡判定压力容器是否存在漏气情况且能给出具体的漏气区域位置。比起工人通过肉眼查看检测压力容器漏气情况极大的提高了效率，同时避免压力容器漏气所带来的安全隐患。

Description

一种用于压力容器气密性试验的漏气区域检测方法

技术领域

本发明涉及图像处理识别领域，具体是一种用于压力容器气密性试验的漏气区域检测方法。

背景技术

近年来，随着计算机视觉技术的不断发展和应用，日常生活和工业生产逐渐步入自动化。压力容器在工业中常用与存放压缩的气体或液体。对于这类需要充入高压气体或液体的压力容器而言，如果在使用过程中发生泄漏，将会造成安全隐患，严重时还会造成火灾、爆炸等严重后果。为了避免此类事故的发生，相关部门规定压力容器出厂前必须进行气密性检测。

针对压力容器的气密性试验，国内外专家学者展开了重点研究。其中与本发明较为接近的技术方案包括：BusciglioA等(Linear stability analysis ofgas-fluidizedbeds for the prediction of incipient bubbling conditions[J].ChemicalEngineering Journal,2010,157(2):489-500)在研究气固两相流体中气泡行为时，利用图像处理技术，对气泡大小、速率进行了检测。邵建斌等(基于分水岭算法的气泡图像分割[J].西安理工大学学报,2011,27(02):185-189)。吴春龙等(基于光流法的气密性检测装置研究[J].机电工程,2013,30(8):947-951)基于Hom-Schunck光流图像处理算法，设计了一套气密性检测装置，应用于气液两相流场中气泡的识别与跟踪，初步实现了对钢瓶漏气点气泡的检测，但其抗干扰能力较弱。甘建伟等(气泡边缘检测的FPGA图像处理系统的设计[J].中国农机化学报,2015,36(2):293-296)以FPGA为核心，结合System Generator软件，采用Sobel边缘检测算法获取气泡边缘特征，提出一种基于Sobel边缘检测算法的气泡检测方法，并通过matlab实验验证了可行性，但该方法不适用于直径较小的气泡检测场景，且抗干扰能力较差。游于训(基于机器视觉的板式换热器气密性检测方法研究[D].中国计量学院,2015)针对板式换热器的气密性检测问题，在背景差分算法的基础上，利用Tasi标定法对相机进行标定，对气泡二值图像进行分析得到气泡的质心坐标、像素面积和直径等参数，再结合PTV粒子测速算法和Hough变换测量水中运动气泡的速度和体积，但这种方法同样不适用于体积较小的气泡检测，且无法判断出漏气的具体位置。梁秀满等(基于Otsu图像分割的颗粒与气泡碰撞检测方法[J].中国矿业,2017,26(06):127-130)利用数学形态学方法和最大类间差法，分割出气泡疑似区域，再应该最小二乘法，将气泡拟合成圆对气泡位置进行检测，该方法对气泡检测效果较好，但同样不适用于对体积较小的气泡检测。

综上所述，对比目前所提出的设备气密性检测方案，主要的问题在于：(1)方案用于体积较大的气泡检测效果较好，但体积较小的气泡容易被忽视或被误认为噪点剔除；(2)方案普遍是针对气泡的体积或流速，而未提到对漏气具体区域的检测方案；(3)部分方案虽然对漏气点的气泡着较好的检测效果，但算法复杂度较高，达不到工业气密性检测所需的实时检测效果。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种用于压力容器气密性试验的漏气区域检测方法，在气密性试验过程中对压力容器进行检测并进一步对漏气区域进行判断，通过双阈值二值化方法确定水槽内压力容器位置并进行区域预划分，最后通过ViBe对预划分区域进行投票确定压力容器漏气区域。

本发明技术方案如下：

一种用于压力容器气密性试验的漏气区域检测方法，其特征在于，包括如下步骤：

步骤1：用工业摄像机对气密性试验检测池进行拍摄，从摄像机中取得视频帧图像f_i，i＝1,2,...,n，灰度化f_i得到灰度图像gf_i，用3*3的内核对灰度图gf_i进行降噪后使用双阈值二值化方法，设置高低两个阈值t₁和t₂，然后根据公式(1)对gf_i二值化得到二值图像bf_i；

式中，f(x,y)表示像素点灰度值，阈值t₁和t₂由灰度直方图波谷值确定；

步骤2：对二值图bf_i使用Canny算子得到其边缘图像ef_i和边缘集

表示edges_i中的第j条边缘，m_i表示edges_i中边缘的数量，

表示边缘

中的第k个像素点，

表示

对应的坐标,

表示

中的像素点总数；

步骤3：计算

对应的闭合轮廓面积，记为

若

和

满足公式(2)，则将边缘

添加到压力容器边缘集bottleedges中；当所有符合要求的边缘

都加入到压力容器边缘集bottleEdges时，将其记为bottleEdges＝{eb_v|v＝1,2,...,u}，eb_v表示对应的压力容器边缘轮廓，则u即为检测池内压力容器的数量；

步骤4：计算边缘eb_v的最小外接矩形并记为r_v,v＝1,2,...,u，设最小外接矩形的左上角坐标为(x_lv,y_lv)，右下角坐标为(x_rv,y_rv)，然后由公式(3)计算由最小外接矩形r_v划分得到的分区域参数；

式中，rw_v表示最小外接矩形r_v的宽度，rh_v表示最小外接矩形r_v的高度，droi_vs表示由最小外接矩形r_v划分出的第s个分区域，其中dx_vs表示第s个分区域左上角点横坐标，dy_vs表示第s个分区域左上角点纵坐标，dw_vs表示第s个分区域宽度，dh_vs表示第s个分区域长度，dn表示分区域数量，ic_v表示分区域宽度；

步骤5：对压力容器充气加压，从摄像机中取得视频第一帧f₀，根据最小外接矩形r_v从灰度图gf₀中提取分区域图像并初始化ViBe背景模型M_v(x)，式(4)为背景模型M_v(x)表达式；

M_v(x)＝{m_v1,m_v2,...,m_vk,...,m_vN},v＝1,2,...,u (4)

式中，m_vk表示第v个分区域图像中像素点x的第k个背景模型样本，N是样本总数；

步骤6：从第二帧f₁开始，按公式(5)对f_i中像素点是否归属于背景进行判别，具体为：当像素点x被判别为背景时有1/φ的概率更新其背景模型，同时，也有1/φ的概率更新其邻居点背景模型，更新背景模型M_v(x)时，采用随机更新方式；设最小外接矩形r_v的总票数为vt_v，其分区域的总票数为vz_vs，当像素点x被判定为前景时，对其所属的vt_v和vz_vs加1；

其中，vz_vs表示第v个钢瓶的第s个分区域总票数，F(x)＝0时表示像素点x被判定为背景点，F(x)＝1时表示像素点x被判定为前景，S_R(m_v(x))表示以点x为中心R为半径的区域，M_v(x)表示点x的背景样本集，函数InterNum表示以S_R(m_v(x))为范围，计算新像素值和其背景样本集中每个样本值的差值，得出差值小于R的像素点个数，θ为像素点数量阈值；

步骤7：遍历视频帧f_i后，若vt_v满足

则判定第v个压力容器存在漏气情况，ε表示平均票数阈值，最终，计算出max(vz_vs)，即得出第v个压力容器具体漏气区域。

本发明的有益效果是：本发明能够自动检测出检测池内的压力容器位置以及数量，在气密性试验过程中，能够根据漏气气泡判定压力容器是否存在漏气情况且能给出具体的漏气区域位置；比起工人通过肉眼查看检测压力容器漏气情况极大的提高了效率，同时避免压力容器漏气所带来的安全隐患。

附图说明

图1为气密性试验第一帧图像的灰度图；

图2为对气密性试验图像进行双阈值二值化的结果；

图3为对检测池内压力容器进行分区域划分的效果图；

图4为ViBe检测过程中对分区域进行投票的过程图。

具体实施方式

下面结合实例和图片来详细阐述本发明。

一种用于压力容器气密性试验的漏气区域检测方法，具体步骤如下：

步骤1：用工业摄像机对气密性试验检测池进行拍摄，从摄像机中取得视频帧图像f_i，i＝1,2,...,n，灰度化f_i得到灰度图像gf_i，灰度图像gf_i如图1所示，用3*3的内核对灰度图gf_i进行降噪后使用双阈值二值化方法，设置高低两个阈值t₁和t₂，然后根据公式(1)对gf_i二值化得到二值图像bf_i，二值图像bf_i如图2所示；

式中，f(x,y)表示像素点灰度值，阈值t₁和t₂由灰度直方图波谷值确定，在本实例中，t₁和t₂的值分别取35和50；

步骤2：对二值图bf_i使用Canny算子得到其边缘图像ef_i和边缘集

表示edges_i中的第j条边缘，m_i表示edges_i中边缘的数量，

表示边缘

中的第k个像素点，

表示

对应的坐标,

表示

中的像素点总数；

步骤3：计算

对应的闭合轮廓面积，记为

若

和

满足公式(2)，则将边缘

添加到压力容器边缘集bottleedges中；当所有符合要求的边缘

都加入到压力容器边缘集bottleEdges时，将其记为bottleEdges＝{eb_v|v＝1,2,...,u}，eb_v表示对应的压力容器边缘轮廓，则u即为检测池内压力容器的数量；

步骤4：计算边缘eb_v的最小外接矩形并记为r_v,v＝1,2,...,u，设最小外接矩形的左上角坐标为(x_lv,y_lv)，右下角坐标为(x_rv,y_rv)，然后由公式(3)计算由最小外接矩形r_v划分得到的分区域参数，分区域划分效果如图3所示；

式中，rw_v表示最小外接矩形r_v的宽度，rh_v表示最小外接矩形r_v的高度，droi_vs表示由最小外接矩形r_v划分出的第s个分区域，其中dx_vs表示第s个分区域左上角点横坐标，dy_vs表示第s个分区域左上角点纵坐标，dw_vs表示第s个分区域宽度，dh_vs表示第s个分区域长度，dn表示分区域数量，ic_v表示分区域宽度，在本实例中dn取7；

步骤5：对压力容器充气加压，从摄像机中取得视频第一帧f₀，根据最小外接矩形r_v从灰度图gf₀中提取分区域图像并初始化ViBe背景模型M_v(x)，式(4)为背景模型M_v(x)表达式；

M_v(x)＝{m_v1,m_v2,...,m_vk,...,m_vN},v＝1,2,...,u (4)

式中，m_vk表示第v个分区域图像中像素点x的第k个背景模型样本，N是样本总数，在本实例中N取20；

步骤6：从第二帧f₁开始，按公式(5)对f_i中像素点前后景归属进行判别，当像素点x被判别为背景时有1/φ的概率更新其背景模型，同时，也有1/φ的概率更新其邻居点背景模型，更新背景模型M_v(x)时，采用随机更新方式；设最小外接矩形r_v的总票数为vt_v，其分区域的总票数为vz_vs，当像素点x被判定为前景时，对其所属的vt_v和vz_vs加1，在本实例中φ取16；检测过程如图4所示；

其中，vz_vs表示第v个钢瓶的第s个分区域总票数，F(x)＝0时表示像素点x被判定为背景点，F(x)＝1时表示像素点x被判定为前景，S_R(m_v(x))表示以点x为中心R为半径的区域，M_v(x)表示点x的背景样本集，函数InterNum表示以S_R(m_v(x))为范围，计算新像素值和其背景样本集中每个样本值的差值，得出差值小于R的像素点个数，θ为像素点数量阈值，在本实例中，R和θ取值为20和14；

步骤7：遍历视频帧f_i后，若vt_v满足

则判定第v个压力容器存在漏气情况，ε表示平均票数阈值，在本实例中ε取3.33，最终，计算出max(vz_vs)，即得出第v个压力容器具体漏气区域。

Claims (1)

1.一种用于压力容器气密性试验的漏气区域检测方法，其特征在于，包括如下步骤：

步骤1：用工业摄像机对气密性试验检测池进行拍摄，从摄像机中取得视频帧图像f_i，i＝1,2,...,n，灰度化f_i得到灰度图像gf_i，用3*3的内核对灰度图gf_i进行降噪后使用双阈值二值化方法，设置高低两个阈值t₁和t₂，然后根据公式(1)对gf_i二值化得到二值图像bf_i；

式中，f(x,y)表示像素点灰度值，阈值t₁和t₂由灰度直方图波谷值确定；

步骤2：对二值图像bf_i使用Canny算子得到其边缘图像ef_i和边缘集

表示edges_i中的第j条边缘，m_i表示edges_i中边缘的数量，

表示边缘

中的第k个像素点，

表示

对应的坐标,

表示

中的像素点总数；

步骤3：计算

对应的闭合轮廓面积，记为

若

和

满足公式(2)，则将边缘

添加到压力容器边缘集bottleEdges中；当所有符合要求的边缘

都加入到压力容器边缘集bottleEdges时，将其记为bottleEdges＝{eb_v|v＝1,2,...,u}，eb_v表示对应的压力容器边缘轮廓，则u即为检测池内压力容器的数量；

步骤4：计算边缘eb_v的最小外接矩形并记为r_v,v＝1,2,...,u，设最小外接矩形的左上角坐标为(x_lv,y_lv)，右下角坐标为(x_rv,y_rv)，然后由公式(3)计算由最小外接矩形r_v划分得到的分区域参数；

式中，rw_v表示最小外接矩形r_v的宽度，rh_v表示最小外接矩形r_v的高度，droi_vs表示由最小外接矩形r_v划分出的第s个分区域，其中dx_vs表示第s个分区域左上角点横坐标，dy_vs表示第s个分区域左上角点纵坐标，dw_vs表示第s个分区域宽度，dh_vs表示第s个分区域长度，dn表示分区域数量，ic_v表示分区域宽度；

步骤5：对压力容器充气加压，从摄像机中取得视频第一帧f₀，根据最小外接矩形r_v从灰度图gf₀中提取分区域图像并初始化ViBe背景模型M_v(x)，式(4)为背景模型M_v(x)表达式；

M_v(x)＝{m_v1,m_v2,...,m_vk,...,m_vN},v＝1,2,...,u (4)

式中，m_vk表示第v个分区域图像中像素点x的第k个背景模型样本，N是样本总数；

步骤6：从第二帧f₁开始，按公式(5)对f_i中像素点是否归属于背景进行判别，具体为：当像素点x被判别为背景时有1/φ的概率更新其背景模型，同时，也有1/φ的概率更新其邻居点背景模型，更新背景模型M_v(x)时，采用随机更新方式；设最小外接矩形r_v的总票数为vt_v，其分区域的总票数为vz_vs，当像素点x被判定为前景时，对其所属的vt_v和vz_vs加1；

其中，vz_vs表示第v个钢瓶的第s个分区域总票数，F(x)＝0时表示像素点x被判定为背景点，F(x)＝1时表示像素点x被判定为前景，S_R(m_v(x))表示以点x为中心R为半径的区域，M_v(x)表示点x的背景样本集，函数InterNum表示以S_R(m_v(x))为范围，计算新像素值和其背景样本集中每个样本值的差值，得出差值小于R的像素点个数，θ为像素点数量阈值；

步骤7：遍历视频帧f_i后，若vt_v满足

则判定第v个压力容器存在漏气情况，ε表示平均票数阈值，最终，计算出max(vz_vs)，即得出第v个压力容器具体漏气区域。

Images