CN113284162A - 基于人工智能的气密性检测中水体稳态检测方法及系统 - Google Patents
基于人工智能的气密性检测中水体稳态检测方法及系统 Download PDFInfo
- Publication number
- CN113284162A CN113284162A CN202110663826.6A CN202110663826A CN113284162A CN 113284162 A CN113284162 A CN 113284162A CN 202110663826 A CN202110663826 A CN 202110663826A CN 113284162 A CN113284162 A CN 113284162A
- Authority
- CN
- China
- Prior art keywords
- water surface
- bubble
- connected domain
- edge
- straight line
- 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- Withdrawn
Links
Images
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Processing (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气密性检测中水体稳态检测方法及系统。该方法包括:获得水池的灰度图像,通过连续多帧的灰度图像获得气泡运动区域;获取气泡运动区域的水面区域,根据水面区域获得水面连通域及水面连通域质心;将水面连通域以设定滤波方向滤波获得水面气泡连通域,根据水面连通域质心和水面气泡连通域中心确定相机光轴和水面的相对位置;获得水面连通域中的第一边缘直线,根据相对位置筛选出第二边缘直线,获得水面边缘区域;获取连续多帧的水面边缘区域的光流信息判断水体稳态。本发明在图像中获得真实的水面边缘,能够准确的检测出水体稳态。
Description
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气密性检测中水体稳态检测方法及系统。
背景技术
浸水法气密性检测是一种常用的简单的气密性检测方法,适用于检测金属管材、压力容器等设备的气密性。浸水法将设备充压后可在水池中直观且方便的判断出设备漏气情况。在现有技术中,可以通过机器视觉的方法对气密性检测进行实时观测,但是因为设备在取放过程中会导致影水体不稳,会响气密性检测。而且因为取放过程会导致水池内液体体积发生变化,水面高度也会发生变化,通过机器视觉自动化检测气密性过程中对气泡的检测会发生误检情况。
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气密性检测中水体稳态检测方法及系统,所采用的技术方案具体如下:
一种基于人工智能的气密性检测中水体稳态检测方法,所述方法包括:
获得水池的灰度图像;通过连续多帧的所述灰度图像获得气泡运动区域;
获取所述气泡运动区域的水面区域;根据所述水面区域获得水面连通域及水面连通域质心;
将所述水面连通域以设定滤波方向滤波得到扩散角度相同的水面气泡轨迹,以所述水面气泡轨迹获得水面气泡连通域;根据所述水面连通域质心坐标和所述水面气泡连通域中心坐标关系获得相机光轴与水面的相对位置;
获得所述水面连通域中的第一边缘直线;以所述相对位置从所述第一边缘直线中筛选出最优的第二边缘直线;以所述第二边缘直线作为参考直线进行扩展获得水面边缘区域;
获得连续多帧所述灰度图像中的所述水面边缘区域的光流信息;若所述光流信息大于预设的光流稳定阈值则判断水体处于不稳定状态,否则则处于稳定状态。
进一步地,所述判断水体稳定状态后还包括:
利用水平方向的算子处理所述气泡运动区域,并将所述气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得水体连通域;以连续帧所述水体连通域获得气密性检测感兴趣区域,在所述气密性检测感兴趣区域检测气密性。
进一步地,所述对所述气泡运动区域进行边缘检测,获得水面区域包括:
利用垂直方向的差分算子处理所述气泡运动区域;并将所述气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得所述水面区域。
进一步地,所述根据所述水面连通域质心坐标和所述水面气泡连通域中心坐标关系获得相机光轴与水面的相对位置包括:
在所述设定滤波方向在像素坐标系下的水平方向上为锐角时;若所述水面连通域质心横坐标大于所述水面气泡连通域中心横坐标,则认为所述水面气泡连通域中心在所述水面连通域质心左侧,相机光轴高于水面;否则判断相机光轴低于水面;若所述水面连通域质心横坐标等于所述水面气泡连通域中心横坐标,则认为所述水面气泡连通域中心在所述水面连通域质心上方或者下方,相机光轴与水面等高。
进一步地,所述以所述相对位置从所述第一边缘直线中筛选出最优的第二边缘直线包括:
若相机光轴高于水面,则选择所述第一边缘直线中截距最小的直线作为第二边缘直线;
若相机光轴低于水面,则选择所述第一边缘直线中截距最大的直线作为第二边缘直线;
若相机光轴与水面等高,则选择所述第一边缘直线中得分最高的直线作为第二边缘直线。
本发明还提出了一种基于人工智能的气密性检测中水体稳态检测系统,所述系统包括:气泡运动区域获取模块、水面连通域获取模块、相对位置获取模块、第二水面边缘获取模块和水体稳态分析模块;
所述气泡运动区域获取模块用于获得水池的灰度图像;通过连续多帧的所述灰度图像获得气泡运动区域;
所述水面连通域获取模块用于获取所述气泡运动区域的水面区域;根据所述水面区域获得水面连通域及水面连通域质心;
所述相对位置获取模块用于将所述水面连通域以设定滤波方向滤波得到扩散角度相同的水面气泡轨迹,以所述水面气泡轨迹获得水面气泡连通域;根据所述水面连通域质心坐标和所述水面气泡连通域中心坐标关系获得相机光轴与水面的相对位置;
所述第二水面边缘获取模块用于获得所述水面连通域中的第一边缘直线;以所述相对位置从所述第一边缘直线中筛选出最优的第二边缘直线;以所述第二边缘直线作为参考直线进行扩展获得水面边缘区域;
所述水体稳态分析模块用于获得连续多帧所述灰度图像中的所述水面边缘区域的光流信息;若所述光流信息大于预设的光流稳定阈值则判断水体处于不稳定状态,否则则处于稳定状态。
进一步地,所述系统还包括气密性检测感兴趣区域获取模块;
所述气密性检测感兴趣区域获取模块用于利用水平方向的算子处理所述气泡运动区域,并将所述气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得水体连通域;以连续帧所述水体连通域获得气密性检测感兴趣区域,在所述气密性检测感兴趣区域检测气密性。
进一步地,所述水面连通域获取模块还包括水面区域获取模块;
所述水面区域获取模块用于利用垂直方向的差分算子处理所述气泡运动区域;并将所述气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得所述水面区域。
进一步地,所述相对位置获取模块还包括相对位置判断模块;
所述相对位置判断模块用于当所述设定滤波方向在像素坐标系下的水平方向上为锐角时;若所述水面连通域质心横坐标大于所述水面气泡连通域中心横坐标,则认为所述水面气泡连通域中心在所述水面连通域质心左侧,相机光轴高于水面;否则判断相机光轴低于水面;若所述水面连通域质心横坐标等于所述水面气泡连通域中心横坐标,则认为所述水面气泡连通域中心在所述水面连通域质心上方或者下方,相机光轴与水面等高。
进一步地,所述第二水面边缘获取模块还包括第二边缘直线获取模块;
所述第二边缘直线获取模块包括:若相机光轴高于水面,则选择所述第一边缘直线中截距最小的直线作为第二边缘直线;若相机光轴低于水面,则选择所述第一边缘直线中截距最大的直线作为第二边缘直线;若相机光轴与水面等高,则选择所述第一边缘直线中得分最高的直线作为第二边缘直线。
本发明具有如下有益效果:
1.本发明实施例通过边缘检测等图像算法获得水面边缘及水面连通域,进一步对水面连通域进行分析获得第一边缘直线。通过相机光轴和水面的相对位置在第一边缘直线中筛选出最优的第二边缘直线,通过第二边缘直线获得更为精确的水面边缘区域。通过划分水面边缘区域可以在后续检测过程中减小计算量,而且避免因为水位的变化,导致检测区域出现问题,造成误检。
2.本发明实施例通过水面边缘区域的光流信息可以精确的反映水体平稳状态,且因为水面区域的精确划分,也会提高光流分析过程的分析速度。
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气密性检测中水体稳态检测方法流程图;
图2为本发明一个实施例所提供的一种基于人工智能的气密性检测中水体稳态检测系统框图。
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气密性检测中水体稳态检测方法及系统,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气密性检测中水体稳态检测方法及系统的具体方案。
本发明实施例的应用场景为:自动化浸水法气密性检测过程。将待检测设备使用推杆平滑的送入水箱,推杆运动至目标位置后,锁定推杆,保持气压充入,启动相机。
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气密性检测中水体稳态检测方法流程图,该方法包括:
步骤S1:获得水池的灰度图像,通过连续多帧的灰度图像获得气泡运动区域。
当推杆刚达到指定目标位置时,因为推杆的运动会导致水体发生晃动,若在水体不稳定的状态下进行气密性检测,气泡会受到水体运动的影响对检测结果造成误差。因为对设备进行充压操作,所以在水体晃动过程中可以通过气泡以及水面的信息判断水体晃动情况。
利用相机采集当前检测水池的灰度图像,获得连续帧序列的灰度图像。在连续帧序列中包含气泡的运动信息,因此可通过连续多帧的灰度图像获得气泡运动区域。
优选的,利用帧差法将连续两帧灰度图像做差,将帧差图像累加合成获得气泡运动区域。
步骤S2:获取气泡运动区域的水面区域;根据水面区域获得水面连通域及水面连通域质心。
对气泡运动区域进行特定的边缘检测可以粗略的获得水面区域,以水面区域可以获得水面连通域和水面连通域质心。
针对气泡运动区域中的气泡在水面上运动的特点,为了凸显水面区域,在进行边缘检测过程中使用垂直方向的差分算子处理气泡运动区域。
在本发明实施例中,边缘检测算法利用Canny算子进行检测。具体的算子为:
因为水面包含气泡特征,在获得水面边缘同时还包括气泡边缘,因此需要将气泡边缘模糊,平滑处理后获得水面边缘。
在本发明实施例中,模糊气泡边缘操作使用击中击不中变换模糊气泡的边缘,使用的核为[1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]。利用行均值滤波方法进行平滑处理,计算图像每行的灰度均值,将每行的灰度均值作为这一行的权重重新生成图像。
获得水面边缘后,根据水面边缘图像获得水面连通域和水面连通域的质心。质心为水面连通域质量的中心,以像素的灰度值作为像素点的质量,计算水面连通域的质心。
步骤S3:将水面连通域以设定滤波方向滤波获得水面气泡连通域,根据水面连通域质心和水面气泡连通域中心确定相机光轴和水面的相对位置。
气泡在水面上是呈现均匀发散状态,因此在水面连通域利用设定滤波方向滤波可获得气泡在水面上的特定方向的水面气泡轨迹。相机光轴与水面的相对位置不同,在图像中气泡的扩散角度也不同,通过水面气泡轨迹获得水面气泡连通域,利用水面气泡连通域的中心坐标和水面连通域的质心坐标的位置关系可以确定相机光轴与水面的相对位置。
判断相机光轴与水面的相对位置具体方法包括:
当设定滤波方向在像素坐标系下的水平方向上为锐角时,若水面连通域质心横坐标大于水面气泡连通域中心横坐标,则认为水面气泡连通域中心在水面连通域质心左侧,相机光轴高于水面;否则则判断相机光轴低于水面;若水面连通域质心横坐标等于水面气泡连通域中心横坐标,则认为水面气泡连通域中心在水面连通域质心上方或者下方,相机光轴与水面等高。
在本发明实施例中对水面连通域使用gabor滤波凸显气泡在水面的轨迹,滤波器的方向为45°,相位偏移为0,空间纵横比为0.5,带宽为1,波长根据现场的气泡大小和图像大小以及相机距离调整,在本发明实施例中设置为5。因为水面上气泡是均匀发散的,所以滤波后的水面气泡连通域在俯视图中会偏向水面连通域左侧,其他视角同理。因此可以通过水面连通域质心和水面气泡连通域中心的坐标位置判断相机与水面的相对位置。
需要说明的是,若设定滤波方向在像素坐标系下的水平方向上为钝角,则判断相对位置的标准与锐角判断标准相反。
步骤S4:获得水面连通域中的第一边缘直线,根据相对位置筛选出第二边缘直线,获得水面边缘区域。
为了得到准确的水面边缘区域,需要在水面连通域进行直线检测,获得第一边缘直线,第一边缘直线内包含所有进行直线检测获得的直线。
在本发明实施例中,利用霍夫直线检测获得当前帧图像中的水面连通域内的第一边缘直线。以水面连通域的质心为原点设置笛卡尔坐标系。统计检测出的所有直线斜率的绝对值,保留直线斜率绝对值小于0.088的直线为第一边缘直线。
因为相机与水面的相对位置不同,在图像中水面区域的成像状态也不同,因此需要根据相对位置选择最合适的水面边缘直线。
在第一边缘直线中筛选出第二边缘直线的方法具体包括:
若相机光轴高于水面,则选择第一边缘直线中截距最小的直线作为第二边缘直线;
若相机光轴低于水面,则选择第一边缘直线中截距最大的直线作为第二边缘直线;
若相机光轴与水面等高,则选择第一边缘直线中得分最高的直线作为第二边缘直线。
以第二边缘直线作为参考直线进行扩展,获得水面边缘区域。第二边缘直线为更真实的的水面边缘,根据第二边缘直线获得的水面边缘区域更能代表水面边缘信息。
在本发明实施例中,筛选出三条第二边缘直线,即筛选出达到要求前三的直线为第二边缘直线。以三条第二边缘直线划分出水面边缘区域。
步骤S5:获取连续多帧灰度图像中的水面边缘区域的光流信息,通过光流信息判断水体稳态。
光流信息可以可以准确的反应运动物体的运动情况。在本发明实施例中,为了检测水体的稳态,水面处于运动状态下的光流信息可以反应水体的运动情况,而且通过对水面边缘区域的精确划分,使得在光流分析过程中计算量减少,提高了计算速度和效率。
获得连续多帧灰度图像中的水面边缘区域的光流信息。若光流信息大于预设的光流稳定阈值则判断水体处于不稳定状态,否则处于稳定状态。
光流信息提取的具体方法包括:将连续两帧灰度图像中的水面边缘区域利用canny算子滤波,对滤波结果进行高斯模糊,然后计算水面边缘区域的光流场,将光流场中的光流矢量的模值累加获得光流模值,以光流模值作为判断稳态的光流信息。
在本发明实施例中,光流稳定阈值设置为27,具体可采集水体达到稳态时刻前后连续帧的光流模值平均值作为光流稳定阈值。
在气密性检测过程中,确定水体稳态可以提高气密性检测的准确率,可以获得更准确的气密性情况。
检测出水体恢复稳定后,利用水平方向的算子处理气泡运动区域,并将气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得水体连通域。以连续帧水体连通域获得气密性检测感兴趣区域,在气密性检测感兴趣区域检测气密性。
在本发明实施例中,在气泡运动区域中利用canny算子凸显水下部分的气泡轨迹,在计算梯度时仅仅使用水平方向的差分算子,算子如下:
同样利用击中击不中变化模糊气泡的边缘,行均值滤波方法对图像进行平滑处理获得水下图像。自动阈值二值化水面图像生成水体连通域。击中击不中使用的核为步骤S2中核的转置。
在本发明实施例中,选择连续9帧的水体连通域区域图像累积帧差,顶帽运算处理之后再进行自动化阈值分割提取出每一帧的气泡范围,将每一帧的气泡范围叠加形成气泡范围连通域,在气泡范围连通域使用三次膨胀运算,将最终的运算结果作为气密性检测的感兴趣区域。
综上所述,本发明实施例通过连续多帧水池的灰度图像获得气泡运动区域。在气泡运动区域中获取水面连通域。在水面连通域中获得设定滤波方向的气泡轨迹,根据气泡轨迹获得水面气泡连通域,通过水面连通域质心和水面气泡连通域中心的坐标位置关系获得相机光轴和水面的相对位置。根据相对位置对水面连通域中的第一边缘直线进行筛选,获得第二边缘直线,以及以第二边缘直线为参考直线做扩展的水面边缘区域。通过水面边缘区域的光流信息判断水体稳态。
请参阅图2,其示出了本发明一个实施例提供的一种基于人工智能的气密性检测中水体稳态检测系统框图,该系统包括气泡运动区域获取模块101、水面连通域获取模块102、相对位置获取模块103、第二水面边缘获取模块104和水体稳态分析模块105。
气泡运动区域获取模块101用于获得水池的灰度图像。通过连续多帧的灰度图像获得气泡运动区域。
水面连通域获取模块102用于获取气泡运动区域的水面区域。根据水面区域获得水面连通域及水面连通域质心。
相对位置获取模块103用于将水面连通域以设定滤波方向滤波得到扩散角度相同的水面气泡轨迹,以水面气泡轨迹获得水面气泡连通域。根据水面连通域质心坐标和水面气泡连通域中心坐标关系获得相机光轴与水面的相对位置。
第二水面边缘获取模块104用于获得水面连通域中的第一边缘直线。以相对位置从第一边缘直线中筛选出最优的第二边缘直线。以第二边缘直线作为参考直线进行扩展获得水面边缘区域。
水体稳态分析模块105用于获得连续多帧灰度图像中的水面边缘区域的光流信息。若光流信息大于预设的光流稳定阈值则判断水体处于不稳定状态,否则则处于稳定状态。
优选的,该系统还包括气密性检测感兴趣区域获取模块。气密性检测感兴趣区域获取模块用于利用水平方向的算子处理所述气泡运动区域,并将气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得水体连通域。以连续帧水体连通域获得气密性检测感兴趣区域,在气密性检测感兴趣区域检测气密性。
优选的,水面连通域获取模块102还包括水面区域获取模块。水面区域获取模块用于利用垂直方向的差分算子处理气泡运动区域。并将气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得水面区域。
优选的,相对位置获取模块103还包括相对位置判断模块。相对位置判断模块用于当设定滤波方向在像素坐标系下的水平方向上为锐角时,若水面连通域质心横坐标大于水面气泡连通域中心横坐标,则认为水面气泡连通域中心在水面连通域质心左侧,相机光轴高于水面。否则判断相机光轴低于水面。若水面连通域质心横坐标等于水面气泡连通域中心横坐标,则认为水面气泡连通域中心在水面连通域质心上方或者下方,相机光轴与水面等高。
优选的,第二水面边缘获取模块104还包括第二边缘直线获取模块。第二边缘直线获取模块包括:若相机光轴高于水面,则选择第一边缘直线中截距最小的直线作为第二边缘直线。若相机光轴低于水面,则选择第一边缘直线中截距最大的直线作为第二边缘直线。若相机光轴与水面等高,则选择第一边缘直线中得分最高的直线作为第二边缘直线。
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 (10)
1.一种基于人工智能的气密性检测中水体稳态检测方法,其特征在于,所述方法包括:
获得水池的灰度图像;通过连续多帧的所述灰度图像获得气泡运动区域;
获取所述气泡运动区域的水面区域;根据所述水面区域获得水面连通域及水面连通域质心;
将所述水面连通域以设定滤波方向滤波得到扩散角度相同的水面气泡轨迹,以所述水面气泡轨迹获得水面气泡连通域;根据所述水面连通域质心坐标和所述水面气泡连通域中心坐标关系获得相机光轴与水面的相对位置;
获得所述水面连通域中的第一边缘直线;以所述相对位置从所述第一边缘直线中筛选出最优的第二边缘直线;以所述第二边缘直线作为参考直线进行扩展获得水面边缘区域;
获得连续多帧所述灰度图像中的所述水面边缘区域的光流信息;若所述光流信息大于预设的光流稳定阈值则判断水体处于不稳定状态,否则则处于稳定状态。
2.根据权利要求1所述的一种基于人工智能的气密性检测中水体稳态检测方法,其特征在于,所述判断水体稳定状态后还包括:
利用水平方向的算子处理所述气泡运动区域,并将所述气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得水体连通域;以连续帧所述水体连通域获得气密性检测感兴趣区域,在所述气密性检测感兴趣区域检测气密性。
3.根据权利要求1所述的一种基于人工智能的气密性检测中水体稳态检测方法,其特征在于,所述对所述气泡运动区域进行边缘检测,获得水面区域包括:
利用垂直方向的差分算子处理所述气泡运动区域;并将所述气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得所述水面区域。
4.根据权利要求1所述的一种基于人工智能的气密性检测中水体稳态检测方法,其特征在于,所述根据所述水面连通域质心坐标和所述水面气泡连通域中心坐标关系获得相机光轴与水面的相对位置包括:
在所述设定滤波方向在像素坐标系下的水平方向上为锐角时;若所述水面连通域质心横坐标大于所述水面气泡连通域中心横坐标,则认为所述水面气泡连通域中心在所述水面连通域质心左侧,相机光轴高于水面;否则判断相机光轴低于水面;若所述水面连通域质心横坐标等于所述水面气泡连通域中心横坐标,则认为所述水面气泡连通域中心在所述水面连通域质心上方或者下方,相机光轴与水面等高。
5.根据权利要求1所述的一种基于人工智能的气密性检测中水体稳态检测方法,其特征在于,所述以所述相对位置从所述第一边缘直线中筛选出最优的第二边缘直线包括:
若相机光轴高于水面,则选择所述第一边缘直线中截距最小的直线作为第二边缘直线;
若相机光轴低于水面,则选择所述第一边缘直线中截距最大的直线作为第二边缘直线;
若相机光轴与水面等高,则选择所述第一边缘直线中得分最高的直线作为第二边缘直线。
6.一种基于人工智能的气密性检测中水体稳态检测系统,其特征在于,所述系统包括:气泡运动区域获取模块、水面连通域获取模块、相对位置获取模块、第二水面边缘获取模块和水体稳态分析模块;
所述气泡运动区域获取模块用于获得水池的灰度图像;通过连续多帧的所述灰度图像获得气泡运动区域;
所述水面连通域获取模块用于获取所述气泡运动区域的水面区域;根据所述水面区域获得水面连通域及水面连通域质心;
所述相对位置获取模块用于将所述水面连通域以设定滤波方向滤波得到扩散角度相同的水面气泡轨迹,以所述水面气泡轨迹获得水面气泡连通域;根据所述水面连通域质心坐标和所述水面气泡连通域中心坐标关系获得相机光轴与水面的相对位置;
所述第二水面边缘获取模块用于获得所述水面连通域中的第一边缘直线;以所述相对位置从所述第一边缘直线中筛选出最优的第二边缘直线;以所述第二边缘直线作为参考直线进行扩展获得水面边缘区域;
所述水体稳态分析模块用于获得连续多帧所述灰度图像中的所述水面边缘区域的光流信息;若所述光流信息大于预设的光流稳定阈值则判断水体处于不稳定状态,否则则处于稳定状态。
7.根据权利要求6所述的一种基于人工智能的气密性检测中水体稳态检测系统,其特征在于,所述系统还包括气密性检测感兴趣区域获取模块;
所述气密性检测感兴趣区域获取模块用于利用水平方向的算子处理所述气泡运动区域,并将所述气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得水体连通域;以连续帧所述水体连通域获得气密性检测感兴趣区域,在所述气密性检测感兴趣区域检测气密性。
8.根据权利要求6所述的一种基于人工智能的气密性检测中水体稳态检测系统,其特征在于,所述水面连通域获取模块还包括水面区域获取模块;
所述水面区域获取模块用于利用垂直方向的差分算子处理所述气泡运动区域;并将所述气泡运动区域中的气泡边缘进行模糊,通过平滑处理后获得所述水面区域。
9.根据权利要求6所述的一种基于人工智能的气密性检测中水体稳态检测系统,其特征在于,所述相对位置获取模块还包括相对位置判断模块;
所述相对位置判断模块用于当所述设定滤波方向在像素坐标系下的水平方向上为锐角时;若所述水面连通域质心横坐标大于所述水面气泡连通域中心横坐标,则认为所述水面气泡连通域中心在所述水面连通域质心左侧,相机光轴高于水面;否则判断相机光轴低于水面;若所述水面连通域质心横坐标等于所述水面气泡连通域中心横坐标,则认为所述水面气泡连通域中心在所述水面连通域质心上方或者下方,相机光轴与水面等高。
10.根据权利要求6所述的一种基于人工智能的气密性检测中水体稳态检测系统,其特征在于,所述第二水面边缘获取模块还包括第二边缘直线获取模块;
所述第二边缘直线获取模块包括:若相机光轴高于水面,则选择所述第一边缘直线中截距最小的直线作为第二边缘直线;若相机光轴低于水面,则选择所述第一边缘直线中截距最大的直线作为第二边缘直线;若相机光轴与水面等高,则选择所述第一边缘直线中得分最高的直线作为第二边缘直线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110663826.6A CN113284162A (zh) | 2021-06-16 | 2021-06-16 | 基于人工智能的气密性检测中水体稳态检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110663826.6A CN113284162A (zh) | 2021-06-16 | 2021-06-16 | 基于人工智能的气密性检测中水体稳态检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113284162A true CN113284162A (zh) | 2021-08-20 |
Family
ID=77284680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110663826.6A Withdrawn CN113284162A (zh) | 2021-06-16 | 2021-06-16 | 基于人工智能的气密性检测中水体稳态检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113284162A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049692A (zh) * | 2022-08-15 | 2022-09-13 | 山东万牧农业科技有限公司郯城分公司 | 模拟自然生态的海洋水产养殖光照智能调节方法及系统 |
-
2021
- 2021-06-16 CN CN202110663826.6A patent/CN113284162A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049692A (zh) * | 2022-08-15 | 2022-09-13 | 山东万牧农业科技有限公司郯城分公司 | 模拟自然生态的海洋水产养殖光照智能调节方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460740B (zh) | 基于ais与视频数据融合的船舶身份识别方法 | |
CN110332887B (zh) | 一种基于特征光标点的单目视觉位姿测量系统及方法 | |
CN103093198B (zh) | 一种人群密度监测方法及装置 | |
CN109146833A (zh) | 一种视频图像的拼接方法、装置、终端设备及存储介质 | |
CN110473189A (zh) | 一种文本图像清晰度判断方法及系统 | |
CN103582697A (zh) | 图像处理装置、图像处理方法和图像处理系统 | |
CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN109981972A (zh) | 一种机器人的目标跟踪方法、机器人及存储介质 | |
CN108537212A (zh) | 基于运动估计的学生行为检测方法 | |
CN103955888A (zh) | 一种基于sift的高清视频图像拼接方法及装置 | |
CN113344953B (zh) | 一种基于无人机的机器视觉涌潮流速测量方法 | |
CN114170552A (zh) | 基于红外热成像的天然气泄漏实时预警方法及系统 | |
CN111179170A (zh) | 一种显微血细胞图像快速全景拼接方法 | |
CN109712125A (zh) | 一种浸渍辊涂布施涂过程产生气泡机器视觉检测方法 | |
CN114979489A (zh) | 基于陀螺仪的重型装备生产场景视频监控稳像方法及系统 | |
CN113284162A (zh) | 基于人工智能的气密性检测中水体稳态检测方法及系统 | |
CN113155032A (zh) | 一种基于动态视觉传感器dvs的建筑物结构位移测量方法 | |
CN108900775A (zh) | 一种水下机器人实时电子稳像方法 | |
CN110490903B (zh) | 一种双目视觉测量中多目标快速捕获与跟踪方法 | |
CN109671084B (zh) | 一种工件形状的测量方法 | |
CN111340765B (zh) | 一种基于背景分离的热红外图像倒影检测方法 | |
CN109784215A (zh) | 一种基于改进的光流法的活体检测方法及系统 | |
CN112215838A (zh) | 一种基于人工智能的工件气密性检测方法及装置 | |
CN109584314B (zh) | 一种测量水域表面流场方法、装置及电子设备 | |
CN115661453B (zh) | 一种基于下视角相机的塔吊吊物检测分割方法及系统 |
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: 20210820 |