CN113567058A - 基于人工智能和视觉感知的光源参数调节方法 - Google Patents

基于人工智能和视觉感知的光源参数调节方法 Download PDF

Info

Publication number
CN113567058A
CN113567058A CN202111104108.1A CN202111104108A CN113567058A CN 113567058 A CN113567058 A CN 113567058A CN 202111104108 A CN202111104108 A CN 202111104108A CN 113567058 A CN113567058 A CN 113567058A
Authority
CN
China
Prior art keywords
area
water body
image
light source
highlight
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.)
Granted
Application number
CN202111104108.1A
Other languages
English (en)
Other versions
CN113567058B (zh
Inventor
徐锦
卢金
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.)
Nantong Xindi Fishing Tackle Co ltd
Original Assignee
Nantong Zhonghuang Tools Co ltd
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 Nantong Zhonghuang Tools Co ltd filed Critical Nantong Zhonghuang Tools Co ltd
Priority to CN202111104108.1A priority Critical patent/CN113567058B/zh
Publication of CN113567058A publication Critical patent/CN113567058A/zh
Application granted granted Critical
Publication of CN113567058B publication Critical patent/CN113567058B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种基于人工智能和视觉感知的光源参数调节方法，包括对采集的水体图像进行图像目标特征提取，获取水体图像中的高亮区域和阴影区域；获取水体图像中阴影区域面积，通过该阴影区域在水体图像中的位置中心坐标得到多光源初始调节角度；对水体图像中得光亮区域进行划分，获取光亮区域的间隔帧图像，并将该间隔帧图像输入到全连接网络中得到多光源调节的优化角度；按照优化后的角度对多光源进行调节，采集经过优化后的水体图像，获取该水体图像高亮区域的间隔帧图像，通过该获取的间隔帧图像对水体中得气泡进行检测。能够保证在气密性检测过程中各区域内光照强度均匀，以便得到更明显的气泡特征，并及时捕获气泡特征。

Description

基于人工智能和视觉感知的光源参数调节方法
技术领域
本发明涉及气密性检测领域，具体涉及一种基于人工智能和视觉感知的光源参数调节方法。
背景技术
在气密性检测技术中，通常是对密闭性容器进行加压后元件放入水体中，通过图像采集装置拍摄在此过程中水体中产生的气泡图像，最后根据通过成像处理后的图像判断气密性的好坏；而在拍摄过程中，被拍摄区域光照强度及各区域光照均匀程度对成像质量起到至关重要的作用。
现有技术中存在的问题是辅助成像的光源难以保证各区域光照强度均匀，导致存在阴影区域及高亮区域，使得水体区域内气泡特征难以被精准的捕捉，对后期成像处理造成极大的不便。
在专利申请公开说明书（CN 112580634 A）中针对光源强度对气泡特征成像存在影响的问题，提出了一种基于计算机视觉的气密性检测光源调节方法，该方法根据修正后的水体清晰度和图像亮度分析值获取光源调节的倍率，对光照强度进行成倍处理,希望借此解决该问题。然而该方案对全部区域光照强度成倍处理后，水体中各区域光照强度不均匀的问题并未得到解决，光照强度高的区域光照强度进一步提高，对后期成像处理的不利影响进一步扩大，愈发不利于得到精确的气泡特征。
发明内容
为了解决上述技术问题，本发明实施例提供了一种基于人工智能和视觉感知的光源参数调节方法，该方法包括以下步骤:
对采集的水体图像进行图像目标特征提取，获取水体图像中得光亮区域和阴影区域；
获取水体图像中阴影区域的面积，通过获取阴影区域在水体图像中的位置中心坐标和该中心坐标与光源坐标的夹角
Figure DEST_PATH_IMAGE002
，利用阴影区域的深浅程度
Figure DEST_PATH_IMAGE004
来调节夹角
Figure 881064DEST_PATH_IMAGE002
的变换，获取多光源初始调节角度，在进行调节时采用的方法如下：对阴影区域的深浅程度进行统计，基于阴影区域深浅程度的均方差对阴影区域分为不同层次根据阴影区域相同层次的密集程度和深浅程度的极大值区域位置来确定光源的初始调节角度；根据阴影区域相同层次的密集程度和深浅程度的极大值区域位置来确定光源的调节角度：当相同层次的区域较为集中时，光源直射角度应与集中区域保持一致；当相同层次的区域较为松散时，光源直射角度应与所有阴影区域的中点区域保持一致；
对水体图像中得光亮区域进行划分，获取光亮区域的间隔帧图像，当水体浑浊度达到阈值间隔帧图像中出现高亮条纹时，根据所述高亮条纹的面积变化量及所述高亮条纹的边缘夹角变化量，在多光源初始调节角度基础上通过约束条件确定光源调节的优化角度，约束条件为：
Figure DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE008
其中
Figure DEST_PATH_IMAGE010
表示初始的第
Figure DEST_PATH_IMAGE012
个阴影区域的面积，
Figure DEST_PATH_IMAGE014
表示当前第
Figure 930185DEST_PATH_IMAGE012
个阴影区域的面积，
Figure DEST_PATH_IMAGE016
表示初始第
Figure DEST_PATH_IMAGE018
个高亮条纹的面积，
Figure DEST_PATH_IMAGE020
表示当前第
Figure 143341DEST_PATH_IMAGE018
个高亮条纹的面积，
Figure DEST_PATH_IMAGE022
表示初始第i个高亮条纹的边缘夹角，
Figure DEST_PATH_IMAGE024
为当前第i个高亮条纹的边缘夹角；
按照优化后的角度对多光源进行调节，采集经过优化后的水体图像，获取该水体图像高亮区域的间隔帧图像，通过该获取的间隔帧图像对水体中得气泡进行检测。
进一步地，水体图像为RGB图像，在对水体RGB图像采集后对该水体RGB图像进行预处理，获取图像当前帧图像的亮度分布，得到水体图像中得高亮区域和阴影区域。
进一步地，水体RGB图像预处理的方法是：对水体RGB图像的通道像素进行补偿，然后将通过像素补偿后的水体RGB图像进行HSI颜色空间转换，完成水体RGB图像得预处理。
进一步地，获取图像当前帧图像的亮度分布的方法如下：
经过水体RGB图像得预处理后获得的图像亮度值为：
Figure DEST_PATH_IMAGE026
通过亮度I对像素点进行聚类，利用亮度相似性来度量相邻像素点之间的亮度差异；所述亮度相似性的表达式为：
Figure DEST_PATH_IMAGE028
式中：
Figure DEST_PATH_IMAGE030
表示第
Figure 462458DEST_PATH_IMAGE018
个像素点的亮度值，当相似度
Figure DEST_PATH_IMAGE032
时，该像素点为边缘区域像素点，所述
Figure DEST_PATH_IMAGE034
是设定的相似度阈值；
对每个像素点与周围8邻域的相邻像素点进行相似性度量，通过相似性阈值得到亮度分布区域边缘；根据亮度分布区域的平均亮度，将亮度分布区域分为高亮区域和阴影区域；所述平均亮度的表达式为：
Figure DEST_PATH_IMAGE036
式中：
Figure DEST_PATH_IMAGE038
表示第
Figure DEST_PATH_IMAGE040
个区域内的平均亮度，
Figure DEST_PATH_IMAGE042
表示像素点的个数。
进一步地，获取水体图像中阴影区域面积得方法如下：
阴影区域面积的表达式为：
Figure DEST_PATH_IMAGE044
阴影深浅程度表达式为：
Figure DEST_PATH_IMAGE046
式中：
Figure DEST_PATH_IMAGE048
表示不同阴影区域的像素点,
Figure DEST_PATH_IMAGE050
表示像素点坐标，
Figure 469554DEST_PATH_IMAGE018
表示像素点个数，
Figure DEST_PATH_IMAGE052
表示不同阴影区域的亮度均值，
Figure DEST_PATH_IMAGE054
。
进一步地，所述方法还包括：
在对所述多光源角度进行调节的过程中，通过先验得到所述水体中气泡上浮高度，利用光流法获取上述气泡上浮速度，并通过所述气泡的上浮高度和上浮速度进行轨迹拟合，当气泡轨迹被完全覆盖时，通过多帧叠加来保证被覆盖区域的气泡特征保留。
进一步地，在气泡特征提取的过程中，可以根据所述气泡和背景的灰度值差值，对光源强度进行调节，保证灰度值差值较大，使得气泡特征更加明显，其中灰度值为RGB图像二值化为Gray图像时的像素值。
本发明实施具有如下有益效果：
1.通过水体对光的颜色通道的不同反映，进行相对应颜色通道的自适应调节，能够更好地保证光源对图像成像和亮度指标的准确性。
2.通过检测池图像的亮度变化来获取高亮区域和阴影区域的特征信息，利用特征信息能够准确的得到初始的光源调节角度，提高系统实施的速度。
3.结合丁达尔效应的特性，通过时序图像中特征区域的变化情况，对初始光源角度进行优化调节，鲁棒性更好。
4.可根据气泡和背景的灰度值差值，对光源强度进一步优化，有助于得到更加明显的气泡特征。
附图说明
图1是本发明实施例提供的人工智能和视觉感知的光源参数调节方法的框图；
图2是本发明实施例提供的人工智能和视觉感知的光源参数调节方法的流程图。
具体实施方式
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。为了进一步阐述本发明为解决实际问题所采用的技术手段和功效，下面结合附图具体地说明本发明提出的一种基于人工智能和视觉感知的光源参数调节方法。
请参阅图1和图2，图1示出了本发明实施例提供的人工智能和视觉感知的光源参数调节方法的框图，图2示出了本发明实施例提供的人工智能和视觉感知的光源参数调节方法的流程图。该方法包括以下步骤：
步骤S001：对采集的水体图像进行图像目标特征提取，获取水体图像中得光亮区域和阴影区域。
首先对采集到的RGB图像进行预处理，根据水的特性，当光进入水中后，再反射到相机中成像的过程，水对红色通道的光衰减最大，其次是绿光，最后是蓝光，所以在图像成像的过程中应该将图像中水域像素进行单通道参数优化，主要针对红光通道的像素值补偿，
Figure DEST_PATH_IMAGE056
。其中，
Figure DEST_PATH_IMAGE058
表示处理前的图像，
Figure DEST_PATH_IMAGE060
表示处理后的图像，参数
Figure DEST_PATH_IMAGE062
，其中，
Figure DEST_PATH_IMAGE064
表示水池实际宽度，
Figure DEST_PATH_IMAGE066
表示红光衰减最大的宽度。
将经过通道像素补偿后的RGB图像进行HSI颜色空间转换，亮度值
Figure DEST_PATH_IMAGE068
，然后计算获得当前帧图像的亮度分布。
获取亮度分布的方法如下：
首先通过亮度对像素点进行聚类，利用亮度相似性来度量相邻像素点之间的亮度差异，亮度相似性为
Figure DEST_PATH_IMAGE070
，其中，
Figure 24164DEST_PATH_IMAGE030
表示第
Figure 318527DEST_PATH_IMAGE018
个像素点的亮度值，相似性越大，说明亮度差异值越小，区域之间越接近，反之，说明差异值越大。设定相似度阈值
Figure DEST_PATH_IMAGE072
，当相似度
Figure 854550DEST_PATH_IMAGE032
时，认为该像素点是边缘区域像素点。
其次，在聚类的过程中，每个像素点与周围8邻域的相邻像素点进行相似性度量，通过相似性阈值得到亮度分布区域边缘。通过8邻域中相似性差异最大的方向，即为亮度分布边缘的大致方向。
最后计算亮度分布区域的平均亮度
Figure DEST_PATH_IMAGE074
，表示第
Figure 151540DEST_PATH_IMAGE040
个区域内的平均亮度，
Figure 493528DEST_PATH_IMAGE042
表示像素点的个数，设定为阈值
Figure DEST_PATH_IMAGE076
，将亮度分布区域分为高亮区域和阴影区域。
步骤S002：获取水体图像中阴影区域的面积，通过该阴影区域在水体图像中的位置中心坐标得到多光源初始调节角度。
该步骤的目的：根据所述图像所述阴影区域的分布情况，得到初始的多光源调节角度，使所述图像中存在的阴影区域或亮暗分布不均匀的区域光照强度统，并作为后续进一步优化调节多光源角度的基础。
通过步骤S001中得到的阴影区域的位置信息，统计当前所有阴影区域的面积
Figure DEST_PATH_IMAGE078
，阴影深浅程度
Figure DEST_PATH_IMAGE080
。其中，
Figure DEST_PATH_IMAGE082
表示不同阴影区域的像素点,
Figure DEST_PATH_IMAGE084
表示像素点坐标，
Figure 749453DEST_PATH_IMAGE018
表示像素点个数，
Figure 518695DEST_PATH_IMAGE052
表示不同阴影区域的亮度均值，
Figure DEST_PATH_IMAGE086
。
通过阴影区域在图像中的位置中心坐标，获取与相机空间坐标的夹角
Figure DEST_PATH_IMAGE088
，然后根据阴影区域的深浅程度
Figure DEST_PATH_IMAGE090
来调节夹角
Figure 877214DEST_PATH_IMAGE088
的变换，也即是光源的调节角度。本发明在相机两侧增设侧面光源，保证在图像采集过程中，图像两侧不会出现阴影区域和高亮区域，避免因阴影区域和高亮区域的存在影响气泡特征的采集。具体的光源角度调节方法如下：
首先根据阴影区域的深浅程度进行统计，获得不同深浅程度的分布情况。统计方法主要基于阴影区域深浅程度的均方差
Figure DEST_PATH_IMAGE092
来度量，其中，表示第
Figure DEST_PATH_IMAGE094
个区域的阴影深浅程度，
Figure DEST_PATH_IMAGE096
表示所有区域的阴影深浅程度均值，根据均方差进行阴影区域分层，将每块阴影区域分为不同层次。
当所述阴影区域中相同层次区域位置分布较为集中近似正态分布时，定义距离相近的判断阈值为
Figure DEST_PATH_IMAGE098
，当所述相同层次区域的边缘像素点之间的距离最小值大于
Figure DEST_PATH_IMAGE100
时视为距离相近，并将所述相同层次区域间距离相近的区域进行合并，将整体视为一个中心区域并称之为集中区域，光源直射角度应与集中区域保持一致即可。
当相同层次的区域近似均匀分布时，以所述集中区域的几何中心点为圆心，此时光源光心位置与上述圆心位置保持一致即可，同时得到光源初始调节角度，并能够将深浅程度较大的阴影区域很好的消除。
步骤S003: 对水体图像中得光亮区域进行划分，获取光亮区域的间隔帧图像，并将该间隔帧图像的若干参数（包括间隔帧间图像的高亮条纹面积变化量、边缘夹角变化量及间隔帧图像中阴影区域面积变化量）结合约束条件得到多光源调节的优化角度。
在光源角度调节的过程中，通过分析间隔帧图像中亮度分布区域变化情况，对光源角度调节进行监督优化。由于水体浑浊度变化与检测工件数量
Figure DEST_PATH_IMAGE102
有关，所以此处采用的间隔帧图像为不同工件检测时的间隔帧图像，每块工件检测时采集水体稳定时的五帧图像
Figure DEST_PATH_IMAGE104
，将所有工件检测过程采集到的图像构成图像序列
Figure DEST_PATH_IMAGE106
，对图像序列中的相邻帧图像进行亮度分布区域变化分析。其中，图像序列中单帧图像的亮度分布区域获取方法，与步骤S001获取方向相同。
随着检测工件数量的不断叠加，水体浑浊度也在不断的增大。水体浑浊的主要原因是：待测工件上存在的颗粒、脏污残留和空气中的浮尘，待测工件进入水体后，造成水体中的颗粒堆积，水体晃动进而造成水体出现浑浊。当浑浊程度达到阈值时，会出现丁达尔效应同时出现高亮条纹，本发明根据图像中高亮条纹数量及面积来判断其浑浊程度。
利用步骤S001中所述方法完成所述图像中高亮条纹的检测，当产生的高亮条纹时，根据间隔帧中高亮条纹的图像特征变化和边缘方向变化来优化光源调节角度。根据高亮条纹的面积变化量
Figure DEST_PATH_IMAGE108
，其中
Figure 318167DEST_PATH_IMAGE016
表示初始第
Figure 317347DEST_PATH_IMAGE018
个高亮条纹的面积，
Figure 523069DEST_PATH_IMAGE020
表示当前第
Figure 122546DEST_PATH_IMAGE018
个高亮条纹的面积，和高亮条纹的边缘夹角（边缘与图像坐标系X轴的夹角）变化量
Figure DEST_PATH_IMAGE110
，边缘夹角的计算方法：
Figure DEST_PATH_IMAGE112
，（其中，
Figure DEST_PATH_IMAGE114
表示边缘线上两个像素点坐标），来进行光源调节角度优化。优化的过程中应可能保证图像特征指标中，面积变化量较大且边缘夹角变化较小，所以面积变化量和边缘夹角变化量成反比。
将上述间隔帧间图像（连续两帧图像）的高亮条纹面积变化量、边缘夹角变化量及间隔帧图像中阴影区域面积变化量结合约束条件：
Figure 809267DEST_PATH_IMAGE006
和
Figure 177801DEST_PATH_IMAGE008
监督，输出光源角度调节的优化角度（即满足约束条件L1和L2均最小时，间隔帧图像后一帧图像对应的光源角度），对光源调节角度进一步优化，其中，
Figure 39577DEST_PATH_IMAGE022
表示初始第i个高亮条纹的边缘夹角，
Figure 860772DEST_PATH_IMAGE024
为当前第i个高亮条纹的边缘夹角，
Figure DEST_PATH_IMAGE116
为偏执系数，经验值为0.05，
Figure 285937DEST_PATH_IMAGE010
表示初始的第
Figure 240468DEST_PATH_IMAGE012
个阴影区域的面积，
Figure 538725DEST_PATH_IMAGE014
表示当前第
Figure 847215DEST_PATH_IMAGE012
个阴影区域的面积。进一步，通过光源角度调节优化参数，保证丁达尔效应采用的高亮条纹尽可能的小或消失，以及检测池两侧的阴影区域数量尽可能的小或消失。
最终，通过分析时间序列中的间隔帧图像中水体浑浊度的变化情况，完成对光源角度的优化调节。设定高亮条纹的数量阈值
Figure DEST_PATH_IMAGE118
，当高亮条纹数量超过阈值
Figure 279334DEST_PATH_IMAGE118
时认为水体浑浊程度过大，已不满足气密性检测需求，直接进行换水操作，然后重新进行上述步骤的光源角度迭代调节。
步骤S004: 按照优化后的角度对多光源进行调节，采集经过优化后的水体图像，获取该水体图像高亮区域的间隔帧图像，通过该获取的间隔帧图像对水体中得气泡进行检测。
该步骤的目的：在光源角度调节过程中，通过图像构建得到气泡特征，避免在光源角度调节的过程中，因为高亮区域的变化造成部分气泡特征被淹没。
光源调节过程中，待检测图像的高亮区域内气泡特征被覆盖，损失了气泡与背景的灰度梯度对比。根据气泡上升的连续性，当气泡轨迹未被完全覆盖时，可通过先验得到气泡上浮高度，利用光流法获取气泡上浮速度，并对气泡轨迹进行拟合。
当气泡轨迹被完全覆盖时，通过图像采集得到光源角度调节过程中高亮区域变化的图像，当高亮区域变化时，所处的位置也随之在变化，通过多帧叠加来保证被覆盖区域的气泡特征保留。因为在高亮区域的位置变化的过程中，总有一帧图像中存在被覆盖的气泡特征。
优选的，为了使得到的气泡特征更加准确，本发明实施例在气泡特征提取的过程中，可以根据气泡和背景的灰度值差值的倒数
Figure DEST_PATH_IMAGE120
，对光源强度进行调节，保证灰度值差值最大，其具体方法为：通过灰度值差值和光源强度构建关系映射函数，当灰度值差值的倒数取最小值且收敛时，光源强度为最佳值，气泡特征更加明显，其中灰度值为RGB图像二值化为Gray图像时的像素值。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (7)

1.一种基于人工智能和视觉感知的光源参数调节方法，其特征在于，包括：
对采集的水体图像进行图像目标特征提取，获取水体图像中的高亮区域和阴影区域；
获取水体图像中阴影区域的面积，获取阴影区域在水体图像中的位置中心坐标和该中 心坐标与光源坐标的夹角
Figure DEST_PATH_IMAGE001
，利用阴影区域的深浅程度
Figure 49023DEST_PATH_IMAGE002
来调节夹角
Figure 573021DEST_PATH_IMAGE001
的变换，获取多光源 初始调节角度，在进行调节时采用的方法如下：对阴影区域的深浅程度进行统计，基于阴影 区域深浅程度的均方差对阴影区域分为不同层次；根据阴影区域相同层次的密集程度和深 浅程度的极大值区域位置来确定光源的初始调节角度：当相同层次的区域较为集中时，光 源直射角度应与集中区域保持一致；当相同层次的区域较为松散时，光源直射角度应与所 有阴影区域的中点区域保持一致；
对水体图像中得光亮区域进行划分，获取光亮区域的间隔帧图像，当水体浑浊度达到阈值间隔帧图像中出现高亮条纹时，根据所述高亮条纹的面积变化量及所述高亮条纹的边缘夹角变化量，在多光源初始调节角度基础上通过约束条件确定光源调节的优化角度，约束条件为：
Figure DEST_PATH_IMAGE003
和
Figure 759282DEST_PATH_IMAGE004
其中
Figure DEST_PATH_IMAGE005
表示初始的第
Figure 46170DEST_PATH_IMAGE006
个阴影区域的面积，
Figure DEST_PATH_IMAGE007
表示当前第
Figure 592033DEST_PATH_IMAGE006
个阴影区域的面积，
Figure 758703DEST_PATH_IMAGE008
表示 初始第
Figure DEST_PATH_IMAGE009
个高亮条纹的面积，
Figure 245310DEST_PATH_IMAGE010
表示当前第
Figure 519909DEST_PATH_IMAGE009
个高亮条纹的面积，
Figure DEST_PATH_IMAGE011
表示初始第i个高亮条纹 的边缘夹角，
Figure 126471DEST_PATH_IMAGE012
为当前第i个高亮条纹的边缘夹角，
Figure DEST_PATH_IMAGE013
为偏执系数；
按照优化后的角度对多光源进行调节，采集经过优化后的水体图像，获取该水体图像高亮区域的间隔帧图像，通过该获取的间隔帧图像对水体中得气泡进行检测。
2.根据权利要求1所述的一种基于人工智能和视觉感知的光源参数调节方法，其特征在于,
所述的水体图像为RGB图像，在对水体RGB图像采集后对该水体RGB图像进行预处理，获取图像当前帧图像的亮度分布，得到水体图像中的高亮区域和阴影区域。
3.根据权利要求2所述的一种基于人工智能和视觉感知的光源参数调节方法，其特征在于，所述水体RGB图像预处理的方法是：对水体RGB图像的通道像素进行补偿，然后将通过像素补偿后的水体RGB图像进行HSI颜色空间转换，完成水体RGB图像得预处理。
4.根据权利要求3所述的一种基于人工智能和视觉感知的光源参数调节方法，其特征在于，所述获取图像当前帧图像的亮度分布的方法如下：
经过水体RGB图像得预处理后获得的图像亮度值为：
Figure DEST_PATH_IMAGE015
通过亮度
Figure 136147DEST_PATH_IMAGE016
对像素点进行聚类，利用亮度相似性来度量相邻像素点之间的亮 度差异；所述亮度相似性的表达式为：
Figure 435016DEST_PATH_IMAGE018
式中：
Figure DEST_PATH_IMAGE019
表示第
Figure 578553DEST_PATH_IMAGE009
个像素点的亮度值，当相似度
Figure 711725DEST_PATH_IMAGE020
时，该像素点为边缘区域像素点，所 述
Figure DEST_PATH_IMAGE021
是设定的相似度阈值；
对每个像素点与周围8邻域的相邻像素点进行相似性度量，通过相似性阈值得到亮度分布区域边缘；根据亮度分布区域的平均亮度，将亮度分布区域分为高亮区域和阴影区域；所述平均亮度的表达式为：
Figure DEST_PATH_IMAGE023
式中：
Figure 610411DEST_PATH_IMAGE024
表示第
Figure DEST_PATH_IMAGE025
个区域内的平均亮度，
Figure 458894DEST_PATH_IMAGE026
表示像素点的个数。
5.根据权利要求1所述的一种基于人工智能和视觉感知的光源参数调节方法，其特征在于，
所述获取水体图像中阴影区域面积的表达式为：
Figure DEST_PATH_IMAGE027
阴影深浅程度表达式为：
Figure DEST_PATH_IMAGE029
式中：
Figure 953591DEST_PATH_IMAGE030
表示不同阴影区域的像素点,
Figure DEST_PATH_IMAGE031
表示像素点坐标，
Figure 269166DEST_PATH_IMAGE009
表示像素点个数，
Figure 414452DEST_PATH_IMAGE032
表示不同阴影区域的亮度均值，。
6.根据权利要求1所述的一种基于人工智能和视觉感知的光源参数调节方法，其特征在于，所述方法还包括：
在对所述多光源角度进行调节的过程中，通过先验得到所述水体中气泡上浮高度，利用光流法获取上述气泡上浮速度，并通过所述气泡的上浮高度和上浮速度进行轨迹拟合，当气泡轨迹被完全覆盖时，通过多帧叠加来保证被覆盖区域的气泡特征保留。
7.根据权利要求6所述的一种基于人工智能和视觉感知的光源参数调节方法，其特征在于，在气泡特征提取的过程中，根据所述气泡和背景的灰度值差值，对光源强度进行调节，其中灰度值为RGB图像二值化为Gray图像时的像素值。
CN202111104108.1A 2021-09-22 2021-09-22 基于人工智能和视觉感知的光源参数调节方法 Active CN113567058B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111104108.1A CN113567058B (zh) 2021-09-22 2021-09-22 基于人工智能和视觉感知的光源参数调节方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111104108.1A CN113567058B (zh) 2021-09-22 2021-09-22 基于人工智能和视觉感知的光源参数调节方法

Publications (2)

Publication Number Publication Date
CN113567058A true CN113567058A (zh) 2021-10-29
CN113567058B CN113567058B (zh) 2022-04-19

Family

ID=78173883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111104108.1A Active CN113567058B (zh) 2021-09-22 2021-09-22 基于人工智能和视觉感知的光源参数调节方法

Country Status (1)

Country Link
CN (1) CN113567058B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115294379A (zh) * 2022-09-29 2022-11-04 南通甘雨钢化玻璃制品有限公司 基于光学信息的浮选法泡沫识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104848996A (zh) * 2015-05-20 2015-08-19 浙江万丰摩轮有限公司 一种摩托车轮毂气密性检测方法及装置
CN105389814A (zh) * 2015-11-03 2016-03-09 浙江工业大学 一种用于气密性试验的气泡检测方法
CN112465774A (zh) * 2020-11-25 2021-03-09 郑州迈拓信息技术有限公司 一种基于人工智能的气密性测试中的气孔定位方法及系统
CN112580634A (zh) * 2020-12-25 2021-03-30 夏彬 基于计算机视觉的气密性检测光源调节方法及系统
CN112683459A (zh) * 2020-12-14 2021-04-20 曹智梅 基于人工智能的气密性检测过程相机光圈调节方法及系统
CN112881432A (zh) * 2021-01-12 2021-06-01 成都泓睿科技有限责任公司 一种带液玻璃瓶瓶口裂纹检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104848996A (zh) * 2015-05-20 2015-08-19 浙江万丰摩轮有限公司 一种摩托车轮毂气密性检测方法及装置
CN105389814A (zh) * 2015-11-03 2016-03-09 浙江工业大学 一种用于气密性试验的气泡检测方法
CN112465774A (zh) * 2020-11-25 2021-03-09 郑州迈拓信息技术有限公司 一种基于人工智能的气密性测试中的气孔定位方法及系统
CN112683459A (zh) * 2020-12-14 2021-04-20 曹智梅 基于人工智能的气密性检测过程相机光圈调节方法及系统
CN112580634A (zh) * 2020-12-25 2021-03-30 夏彬 基于计算机视觉的气密性检测光源调节方法及系统
CN112881432A (zh) * 2021-01-12 2021-06-01 成都泓睿科技有限责任公司 一种带液玻璃瓶瓶口裂纹检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115294379A (zh) * 2022-09-29 2022-11-04 南通甘雨钢化玻璃制品有限公司 基于光学信息的浮选法泡沫识别方法
CN115294379B (zh) * 2022-09-29 2023-01-03 南通甘雨钢化玻璃制品有限公司 基于光学信息的浮选法泡沫识别方法

Also Published As

Publication number Publication date
CN113567058B (zh) 2022-04-19

Similar Documents

Publication Publication Date Title
CN114723701B (zh) 基于计算机视觉的齿轮缺陷检测方法和系统
CN104700085B (zh) 一种基于模板匹配的芯片定位方法
CN116912250B (zh) 基于机器视觉的菌包生产质量检测方法
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN108470338B (zh) 一种水位监测方法
CN117315289B (zh) 基于图像处理的航空发动机叶片轮廓边缘检测方法
CN117392469B (zh) 基于机器视觉的钙钛矿电池表面涂膜检测方法及系统
CN113567058B (zh) 基于人工智能和视觉感知的光源参数调节方法
CN117095009A (zh) 一种基于图像处理的pvc装饰板缺陷检测方法
CN109191429B (zh) 一种基于机器视觉的3d打印喷嘴检测方法
CN117291924B (zh) 基于机器视觉的主机电源外观质量检测方法
CN111968079A (zh) 基于断面局部极值及分段稀疏的三维路面裂缝提取方法
CN110889874B (zh) 一种双目相机标定结果的误差评估方法
CN116805313A (zh) 一种喷雾机喷头的缺陷检测方法
CN113962993B (zh) 基于计算机视觉的纸杯原材料质量检测方法
CN117689637B (zh) 一种新能源电池五金件加工质量视觉检测方法
CN117671033A (zh) 一种基于夜间灯光追踪的相机像主点快速定标方法和系统
CN111189840B (zh) 近场均匀照明的纸病检测方法
CN109559318A (zh) 基于积分算法的局部自适应图像阈值处理方法
CN115205317B (zh) 一种桥梁监测光电标靶图像光斑中心点提取方法
CN116485801A (zh) 基于计算机视觉的胶管质量在线检测方法及系统
CN111275698A (zh) 基于单峰偏移最大熵阈值分割雾天道路能见度检测方法
CN110232709A (zh) 一种变阈值分割的线结构光光条中心提取方法
CN115861171B (zh) 基于数据特征抽取的木板死结分割方法
CN111339968A (zh) 一种基于计算机视觉技术的室内高密度水产养殖鱼二维坐标获取方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240220

Address after: Group 13, Sanwei Village, Haifu Town, Qidong City, Nantong City, Jiangsu Province 226000

Patentee after: Nantong Xindi Fishing Tackle Co.,Ltd.

Country or region after: China

Address before: 226000 Wang Bao Zhen Zhong Shi Cun, Qidong City, Nantong City, Jiangsu Province

Patentee before: Nantong Zhonghuang Tools Co.,Ltd.

Country or region before: China