CN112380961A - 一种基于人工智能的检测气泡流型评估气密性方法及系统 - Google Patents

一种基于人工智能的检测气泡流型评估气密性方法及系统 Download PDF

Info

Publication number
CN112380961A
CN112380961A CN202011256609.7A CN202011256609A CN112380961A CN 112380961 A CN112380961 A CN 112380961A CN 202011256609 A CN202011256609 A CN 202011256609A CN 112380961 A CN112380961 A CN 112380961A
Authority
CN
China
Prior art keywords
bubble
flow pattern
image
detection
bubble flow
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.)
Withdrawn
Application number
CN202011256609.7A
Other languages
English (en)
Inventor
邵传宏
徐彩营
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202011256609.7A priority Critical patent/CN112380961A/zh
Publication of CN112380961A publication Critical patent/CN112380961A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Examining Or Testing Airtightness (AREA)

Abstract

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的检测气泡流型评估气密性方法及系统。该方法包括：采集连续多帧检测图像；对检测图像进行预处理操作；选取相邻两帧检测图像并做差得到气泡图像；通过气泡图像获得气泡面积；统计单位时间内气泡产生数量，计算气泡频率；将气泡面积和气泡频率送入预先训练好的全连接神经网络输出第一气泡流型等级；当第一气泡流型等级大于所预设的气泡流型阈值时进行水体晃动检测，根据水体晃动等级利用一定规则对第一气泡流型进行调整，输出第二气泡流型阈值；根据第二气泡流型阈值通过模型评估设备气密性。本发明考虑了水体晃动对气密性检测的影响，减少了错判误判。

Description

一种基于人工智能的检测气泡流型评估气密性方法及系统
技术领域
本发明涉及人工智能技术领域，具体涉及一种基于人工智能的检测气泡流型评估气密性方法及系统。
背景技术
目前浸水法对于设备、工件等气密性检测广泛使用。浸水法通过观察检测池或者检测缸内气泡的产生情况来确定设备的气密性。该方法虽然使用简便但是因为检测人员的主观因素会导致误检漏检等情况，所以采用外部设备如光纤探头、电子探针、相机等对气泡产生情况进行检测。在现有技术中，通过对相机采集的图像进行处理检测气泡情况的方法已经广泛使用。但是没有考虑到水体的晃动对气泡影响，会导致检测结果出现偏差。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的检测气泡流型评估气密性方法及系统，所采用的技术方案具体如下：
本发明提出了一种基于人工智能的检测气泡流型评估气密性方法，所述方法包括：
采集连续多帧检测图像；
对所述检测图像进行预处理；
选取相邻两帧所述检测图像并做差得到气泡图像；
对所述气泡图像进行二值化处理获得气泡二值图，通过所述气泡二值图获得气泡面积；
统计单位时间内气泡产生的数量，计算气泡频率；
将所述气泡面积和所述气泡频率送入预先训练好的全连接网络中输出第一气泡流型等级；所述第一气泡流型等级设置N个等级,分别代表不同的气泡流型；
设置气泡流型阈值m1，当所述第一气泡流型等级大于所述气泡流型阈值m1时进行水体晃动检测，输出水体晃动等级；所述水体晃动等级分为M级,M满足1＜M≤(N-m1+1)；
根据所述水体晃动等级相应的对所述第一气泡流型等级进行调整输出第二气泡流型等级L；所述调整方法为：所述第二气泡流型等级L等于所述第一气泡流型等级减去所述水体晃动等级加一；
根据所述第二气泡流型等级评估设备漏气程度。
进一步地，所述预处理操作包括：
对所述检测图像进行灰度化处理获得灰度图像；
将所述灰度图像执行去噪操作；
将所述去噪操作后的图像进行增强处理获得预处理后的检测图像。
进一步地，所述增强操作使用对数变换对图像进行增强。
进一步地，所述水体晃动检测的具体方法是：
设置感兴趣区域，通过训练好的关键点检测网络对感兴趣区域进行关键点检测，输出关键点的热图；
在所述感兴趣区域内，以所述关键点为圆心设置M个圆形区域，半径为[r1，r2，r3......rM]；其中满足r1＜r2＜r3......＜rM；
获取所述关键点的坐标信息，以所述关键点坐标变化范围所处的圆形区域所对应的半径确定水体晃动等级。
进一步地，所述感兴趣区域设置方法为：
将水面与检测池两侧隔板的交点为所述关键点；
根据所述关键点的最大坐标变化范围划分矩形区域作为所述感兴趣区域。
进一步地，所述第一气泡流型等级N＝5；所述气泡流型阈值为m1＝3；所述水体晃动等级M＝3。
本发明还提出了一种基于人工智能的检测气泡流型评估气密性系统，所述系统包括：图像采集模块、图像预处理模块、气泡图像获取模块、气泡面积获取模块、气泡频率检测模块、第一气泡流型获取模块、水体晃动检测模块、第二气泡流型获取模块和气密性评估模块；
所述图像采集模块用于采集连续多帧检测图像；
所述图像预处理模块用于对所述检测图像进行预处理；
所述气泡图像获取模块用于选取相邻两帧所述检测图像并做差得到气泡图像；
所述气泡面积获取模块用于对所述气泡图像进行二值化处理获得气泡二值图，通过所述气泡二值图获得气泡面积；
所述气泡频率检测模块用于统计单位时间内气泡产生的数量，计算气泡频率；
所述第一气泡流型获取模块用于将所述气泡面积和所述气泡频率送入预先训练好的全连接网络中输出第一气泡流型等级；所述第一气泡流型等级设置N个等级，分别代表不同的气泡流型；
所述水体晃动检测模块用于设置气泡流型阈值m1，当所述第一气泡流型等级大于所述气泡流型阈值m1时进行水体晃动检测，输出水体晃动等级；所述水体晃动等级分为M级，M满足1＜M≤(N-m1+1)；
所述第二气泡流型获取模块用于根据所述水体晃动等级相应的对所述第一气泡流型等级进行调整输出第二气泡流型等级L；所述调整方法为：所述第二气泡流型等级L等于所述第一气泡流型等级减去所述水体晃动等级加一；
所述气密性评估模块用于根据所述第二气泡流型等级评估设备漏气程度。
进一步地，所述图像预处理模块还包括灰度化处理模块、去噪模块和图像增强模块；
所述灰度化处理模块用于对所述检测图像进行灰度化处理获得灰度图像；
所述去噪模块用于将所述灰度图像执行去噪操作；
所述增强模块用于将所述去噪操作后的图像进行增强处理获得预处理后的检测图像。
进一步地，所述气泡频率检测模块使用激光气泡计数器检测气泡数量。
本发明具有如下有益效果：
1.本发明考虑到水体晃动对气泡流型的影响，设置规则通过水体晃动程度对气泡流型进行修正，得到准确的气泡流型，并构建数学模型对设备气密性进行评估，该方法能够准确快速地对设备的密封程度进行分析。
2.本发明实施例通过摄像机采集图像，通过机器视觉对容器、设备气密性进行检测评估，经系统检测图像中的气泡，降低了系统整体成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于人工智能的检测气泡流型评估气密性方法流程图；
图2位本发明一个实施例所提供的水体晃动检测中关键点和感兴趣区域划分示意图；
图3为本发明一个实施例所提供的一种基于人工智能的检测气泡流型评估气密性系统框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于人工智能的检测气泡流型评估气密性方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于人工智能的检测气泡流型评估气密性方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于人工智能的检测气泡流型评估气密性方法流程图，该方法包括：
步骤S1：采集连续多帧检测图像。
在检测池侧面固定摄像机，调整相机参数，使得相机可以拍出整个气密性检测过程中清晰完整的图像，并且采集的图像都在同一视角下。获得连续多帧的检测图像。
步骤S2：对检测图像进行预处理。
将连续多帧的检测图像经过预处理使得气泡特征更明显，便于后续操作。本发明实施例中对图像的预处理依次包括：灰度化、去噪处理、图像增强。具体操作步骤为：
1)对相机采集的图像进行灰度化，灰度图像是R、G、B三个分量相同的一种特殊彩色图像。灰度图像可以有效避免气泡图像中的条带失真等问题。本发明实施例中采取加权平均法进行灰度处理。将图像中R、G、B三个分量以不同的权重进行加权平均：
F(x，y)＝0.299*R(x，y)+0.578*G(x，y)+0.144*B(x，y)
其中F(x，y)是灰度化操作后的图像数据，R(x，y)为R通道的亮度值，G(x，y)为G通道的亮度值，B(x，y)为B通道的亮度值。
2)将得到的灰度图像利用去噪操作除去噪声。本发明实施例中选用中值滤波的方法进行去噪处理，在其他实施例中实施者可以根据实际情况自行选择去噪操作，去噪方法有均值滤波、中值滤波、高斯模糊去噪等方法。
3)对去噪后的图像进行增强处理，使得气泡特征更加明显突出，本发明实施例中采用对数变换的方法对图像进行增强：
g(x，y)＝log[f(x，y)+1]
其中，f(x，y)为增强前的图像，g(x，y)为增强处理后的图像。
步骤S3：选取相邻两帧检测图像并做差得到气泡图像。
图像经过预处理后，从序列中选取相邻两帧图像，计算两帧图像差值：
gd(x，y)＝|gn(x，y)-gn-1(x，y)|
其中，gd(x，y)为帧间差后所得到的气泡图像，gn(x，y)表示相机采集的第n帧图像，gn-1(x，y)表示n-1图像。
步骤S4：对气泡图像进行二值化处理获得气泡二值图，通过气泡二值图获得气泡面积。
通过二值化操作获得当前图像相较于背景图像中变化较大的像素值，即运动目标气泡。二值化表达式为：
Figure BDA0002773315540000051
其中D(x，y)为气泡二值化图像，T为设置的像素阈值，d(x，y)为气泡图像像素值，1代表气泡像素区域，0代表背景像素区域。
优选的，为了得到完整清晰的气泡二值图像，本发明将T设置为130。在其他实施例中，实施者可以根据实际情况自行调整。
统计二值化图像中所有像素值为1的像素之和，将其作为气泡面积。
步骤S5：统计单位时间内气泡产生的数量，计算气泡频率。
利用激光气泡计数器统计单位时间t内气泡产生的数量b，根据气泡数量计算气泡的频率f：
Figure BDA0002773315540000052
优选的，在本发明实施例中单位时间t设置为5分钟。
步骤S6：将气泡面积和气泡频率送入预先训练好的全连接网络中输出第一气泡流型等级。
将步骤S4得到的气泡面积和步骤S5气泡频率送入预先训练好的全连接网络中，对气泡流型等级进行预测分类，输出第一气泡流型。
全连接网络采用交叉熵函数进行迭代训练，通过网络输出N个气泡流型等级。
在本发明实施例中N＝5，1级代表单气泡上升；2级代表气泡相互作用但无聚集；3级代表气泡碎裂并存在聚集；4级代表气泡间接性喷射；5级代表气泡出现喷射流。在其他实施例中实施者可以根据实际情况自行调整分类等级及含义。
步骤S7：设置气泡流型阈值，当第一气泡流型等级大于气泡流型阈值时进行水体晃动检测，输出水体晃动等级。
当水体出现晃动时，会导致气泡流型发生变化，水体晃动程度将会使检测到的气泡流型等级过大。所以设置气泡流型阈值m1，当第一气泡流型等级大于m1时进行水体晃动检测，判断水体晃动程度。优选的，本发明实施例中，m1设置为3。
水体晃动检测方法主要包括：
1)如图2所示，以检测池隔板1与水面2的交点作为关键点3。因为相机位置及参数固定，根据先验知识，在采集的检测图像中根据关键点3的最大坐标变化范围划分感兴趣区域4。在本发明实施例中对于大小为10×5的图像，感兴趣区域设置为2×5。
2)利用关键点检测网络提取感兴趣区域4内的关键点3。在训练图像中预先标注关键点5，将标注信息和图像一起送入网络中进行训练。采用均方差损失函数进行迭代训练，网络输出为关键点的热图。
3)获取关键点信息后，对关键点邻域设置M个圆形区域5，半径为[r1，r2，r3......rM]；其中满足r1＜r2＜r3......＜rM。通过获取关键点的坐标信息，判断关键点坐标变化范围。变化范围在圆形区域5内，则水体晃动等级为圆形区域5的半径等级。即设置M个水体晃动等级，M满足1＜M≤(N-M+1)。
步骤S8：根据水体晃动等级相应的对第一气泡流型等级进行调整，输出第二气泡流型等级。
水体晃动等级越高对气泡流型等级的影响越大，所以对第二气泡流型等级L设置以下规则：第二气泡流型等级L等于第一气泡流型等级减去水体晃动等级加一。
如图2所示，在本发明实施例中设置水体晃动等级为3级，即设置三个圆形区域。以气泡流型等级分为3级为例，若检测到水体晃动等级为1，则气泡流型等级不变；若系统检测到水体晃动等级为2，则气泡流型等级减1；水体晃动程度为3，气泡流型等级减2。在其他实施例中，实施者可以根据实际情况结合设置的气泡流型等级自行设置规则。
通过上述规则调整第一气泡流型等级，输出第二气泡流型等级。
步骤S9：根据第二气泡流型等级通过模型评估设备气密性。
根据气泡流型等级和设备气密性之间的关系构建模型：
ε＝ln(aL+b)+c
其中L为第二气泡流型等级，a、b和c为调整参数，ε表示设备漏气程度。第二气泡流型等级越高，ε越大，表示设备气密性越差，即设备泄露程度越大。该模型引入对数函数可以更好表达函数递增的特性。
在本发明实施例中设置a＝2、b＝1、c＝1，在其他实施例中实施者可以根据实际情况自行设置参数值。
综上所述，本发明通过考虑水体晃动对检测的影响，通过水体晃动来矫正输出的气泡流型，通过矫正后的气泡流型对气密性进行评估，使得评估结果更加准确，减少了错判。且利用了相机检测气泡，节省了系统整体成本，避免了人为主观因素对结果的误判。
请参阅图3，其示出了本发明一个实施例提供的一种基于人工智能的检测气泡流型评估气密性系统框图，该系统包括：图像采集模块101、图像预处理模块102、气泡图像获取模块103、气泡面积获取模块104、气泡频率检测模块105、第一气泡流型获取模块106、水体晃动检测模块107、第二气泡流型获取模块108和气密性评估模块109。
图像采集模块101用于采集连续多帧检测图像。
图像预处理模块102用于对检测图像进行预处理。
气泡图像获取模块103用于选取相邻两帧所述检测图像并做差得到气泡图像。
气泡面积获取模块104用于对气泡图像进行二值化处理获得气泡二值图，通过气泡二值图获得气泡面积。
气泡频率检测模块105用于统计单位时间内气泡产生的数量，计算气泡频率。
第一气泡流型获取模块106用于将气泡面积和气泡频率送入预先训练好的全连接网络中输出第一气泡流型等级；第一气泡流型等级设置N个等级,分别代表不同的气泡流型。
水体晃动检测模块107用于设置气泡流型阈值m1，当第一气泡流型等级大于气泡流型阈值m1时进行水体晃动检测，输出水体晃动等级；水体晃动等级分为M级,M满足1＜M≤(N-m1+1)。
第二气泡流型获取模块108用于根据水体晃动检测模块107输出的结果相应的对第一气泡流型等级进行调整；调整方法为：第二气泡流型等级L等于第一气泡流型等级减去水体晃动等级加一。
气密性评估模块109用于根据第二气泡流型等级通过模型评估设备气密性。
优选的，图像预处理模块还包括灰度化处理模块、去噪模块和图像增强模块。灰度化处理模块用于对检测图像进行灰度化处理获得灰度图像；去噪模块用于将灰度图像执行去噪操作；增强模块用于将去噪操作后的图像进行增强处理获得预处理后的检测图像。
优选的，气泡频率检测模块105采用激光气泡计数器检测气泡数量。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于人工智能的检测气泡流型评估气密性方法，其特征在于，所述方法包括：
采集连续多帧检测图像；
对所述检测图像进行预处理；
选取相邻两帧所述检测图像并做差得到气泡图像；
对所述气泡图像进行二值化处理获得气泡二值图，通过所述气泡二值图获得所述气泡面积；
统计单位时间内气泡产生的数量，计算气泡频率；
将所述气泡面积和所述气泡频率送入预先训练好的全连接网络中输出第一气泡流型等级；所述第一气泡流型等级设置N个等级，分别代表不同的气泡流型；
设置气泡流型阈值m1，当所述第一气泡流型等级大于所述气泡流型阈值m1时进行水体晃动检测，输出水体晃动等级；所述水体晃动等级分为M级,M满足1＜M≤(N-m1+1)；
根据所述水体晃动等级相应的对所述第一气泡流型等级进行调整输出第二气泡流型等级L；所述调整方法为：所述第二气泡流型等级L等于所述第一气泡流型等级减去所述水体晃动等级加一；
根据所述第二气泡流型等级评估设备漏气程度。
2.根据权利要求1所述的一种基于人工智能的检测气泡流型评估气密性方法，其特征在于，所述预处理操作包括：
对所述检测图像进行灰度化处理获得灰度图像；
将所述灰度图像执行去噪操作；
将所述去噪操作后的图像进行增强处理获得预处理后的检测图像。
3.根据权利要求1所述的一种基于人工智能的检测气泡流型评估气密性方法，其特征在于，所述增强操作使用对数变换对图像进行增强。
4.根据权利要求1所述的一种基于人工智能的检测气泡流型评估气密性方法，其特征在于，所述水体晃动检测的具体方法是：
设置感兴趣区域，通过训练好的关键点检测网络对感兴趣区域进行关键点检测，输出关键点的热图；
在所述感兴趣区域内，以所述关键点为圆心设置M个圆形区域，半径为[r1，r2，r3......rM]；其中满足r1＜r2＜r3......＜rM；
获取所述关键点的坐标信息，以所述关键点坐标变化范围所处的圆形区域所对应的半径确定水体晃动等级。
5.根据权利要求1所述的一种基于人工智能的检测气泡流型评估气密性方法，其特征在于，所述感兴趣区域设置方法为:
将水面与检测池两侧隔板的交点为所述关键点；
根据所述关键点的最大坐标变化范围划分矩形区域作为所述感兴趣区域。
6.根据权利要求1所述的一种基于人工智能的检测气泡流型评估气密性方法，其特征在于，所述第一气泡流型等级N＝5；所述气泡流型阈值为m1＝3；所述水体晃动等级M＝3。
7.一种基于人工智能的检测气泡流型评估气密性系统，其特征在于，所述系统包括：图像采集模块、图像预处理模块、气泡图像获取模块、气泡面积获取模块、气泡频率检测模块、第一气泡流型获取模块、水体晃动检测模块、第二气泡流型获取模块和气密性评估模块；
所述图像采集模块用于采集连续多帧检测图像；
所述图像预处理模块用于对所述检测图像进行预处理；
所述气泡图像获取模块用于选取相邻两帧所述检测图像并做差得到气泡图像；
所述气泡面积获取模块用于对所述气泡图像进行二值化处理获得气泡二值图，通过所述气泡二值图获得气泡面积；
所述气泡频率检测模块用于统计单位时间内气泡产生的数量，计算气泡频率；
所述第一气泡流型获取模块用于将所述气泡面积和所述气泡频率送入预先训练好的全连接网络中输出第一气泡流型等级；所述第一气泡流型等级设置N个等级,分别代表不同的气泡流型；
所述水体晃动检测模块用于设置气泡流型阈值m1，当所述第一气泡流型等级大于所述气泡流型阈值m1时进行水体晃动检测，输出水体晃动等级；所述水体晃动等级分为M级,M满足1＜M≤(N-m1+1)；
所述第二气泡流型获取模块用于根据所述水体晃动等级相应的对所述第一气泡流型等级进行调整输出第二气泡流型等级L；所述调整方法为：所述第二气泡流型等级L等于所述第一气泡流型等级减去所述水体晃动等级加一；
所述气密性评估模块用于根据所述第二气泡流型等级评估设备漏气程度。
8.根据权利要求7所述的一种基于人工智能的检测气泡流型评估系统，其特征在于，所述图像预处理模块还包括灰度化处理模块、去噪模块和图像增强模块；
所述灰度化处理模块用于对所述检测图像进行灰度化处理获得灰度图像；
所述去噪模块用于将所述灰度图像执行去噪操作；
所述增强模块用于将所述去噪操作后的图像进行增强处理获得预处理后的检测图像。
9.根据权利要求7所述的一种基于人工智能的检测气泡流型评估系统，其特征在于，所述气泡频率检测模块使用激光气泡计数器检测气泡数量。
CN202011256609.7A 2020-11-11 2020-11-11 一种基于人工智能的检测气泡流型评估气密性方法及系统 Withdrawn CN112380961A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011256609.7A CN112380961A (zh) 2020-11-11 2020-11-11 一种基于人工智能的检测气泡流型评估气密性方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011256609.7A CN112380961A (zh) 2020-11-11 2020-11-11 一种基于人工智能的检测气泡流型评估气密性方法及系统

Publications (1)

Publication Number Publication Date
CN112380961A true CN112380961A (zh) 2021-02-19

Family

ID=74582753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011256609.7A Withdrawn CN112380961A (zh) 2020-11-11 2020-11-11 一种基于人工智能的检测气泡流型评估气密性方法及系统

Country Status (1)

Country Link
CN (1) CN112380961A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470015A (zh) * 2021-08-31 2021-10-01 南通欧泰机电工具有限公司 一种基于图像处理的水体晃动检测分析方法及系统
CN113916454A (zh) * 2021-09-17 2022-01-11 宁波研新工业科技有限公司 气门嘴密封性光学检测方法
CN114878087A (zh) * 2022-06-07 2022-08-09 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

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470015A (zh) * 2021-08-31 2021-10-01 南通欧泰机电工具有限公司 一种基于图像处理的水体晃动检测分析方法及系统
CN113916454A (zh) * 2021-09-17 2022-01-11 宁波研新工业科技有限公司 气门嘴密封性光学检测方法
CN113916454B (zh) * 2021-09-17 2024-01-19 宁波研新工业科技有限公司 气门嘴密封性光学检测方法
CN114878087A (zh) * 2022-06-07 2022-08-09 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

Similar Documents

Publication Publication Date Title
CN114937055B (zh) 基于人工智能的图像自适应分割方法与系统
CN112380961A (zh) 一种基于人工智能的检测气泡流型评估气密性方法及系统
CN109870461B (zh) 一种电子元器件质量检测系统
CN107133948B (zh) 基于多任务卷积神经网络的图像模糊与噪声评测方法
CN107507173B (zh) 一种全切片图像的无参考清晰度评估方法及系统
CN116823822B (zh) 基于视觉特征的船艇钣金件焊接缺陷检测方法
CN111652098A (zh) 产品表面缺陷检测方法及装置
CN115330623A (zh) 一种基于生成对抗网络的图像去雾模型的构建方法和系统
CN112258544A (zh) 基于人工智能的相机滤镜自适应切换方法及系统
CN115797473B (zh) 一种土建工程用混凝土成型评估方法
CN111340041A (zh) 一种基于深度学习的车牌识别方法及装置
CN112819710B (zh) 基于人工智能的无人机果冻效应自适应补偿方法及系统
CN117455917B (zh) 一种蚀刻引线框架误报库建立及误报在线判定筛选方法
CN117557937A (zh) 一种监控摄像头图像异常检测方法及系统
CN117522778A (zh) 一种空心砖瑕疵检测系统
CN115830514B (zh) 一种适用于带弯曲河道的全河段表面流速计算方法及系统
CN112785550B (zh) 图像质量值确定方法、装置、存储介质及电子装置
CN110232314A (zh) 一种基于改进的Hog特征结合神经网络的图像行人检测方法
CN112529845B (zh) 图像质量值确定方法、装置、存储介质及电子装置
CN114863373A (zh) 一种海上无人平台监控方法及海上无人监控平台
CN114841218A (zh) 一种语音啸叫检测算法
CN112419359A (zh) 一种基于卷积神经网络的红外弱小目标检测方法及装置
CN113344878B (zh) 一种图像处理方法及系统
CN117474915B (zh) 一种异常检测方法、电子设备及存储介质
CN116433665B (zh) 基于视觉检测的飞机部件缺陷在线识别系统

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210219