CN112184710A - 一种基于视觉感知的线扫***泡检测方法及*** - Google Patents

一种基于视觉感知的线扫***泡检测方法及*** Download PDF

Info

Publication number
CN112184710A
CN112184710A CN202011217105.4A CN202011217105A CN112184710A CN 112184710 A CN112184710 A CN 112184710A CN 202011217105 A CN202011217105 A CN 202011217105A CN 112184710 A CN112184710 A CN 112184710A
Authority
CN
China
Prior art keywords
bright spot
image
leakage
library
bright
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Withdrawn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
CN202011217105.4A
Other languages
English (en)
Inventor
周婷婷
李俊
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 CN202011217105.4A priority Critical patent/CN112184710A/zh
Publication of CN112184710A publication Critical patent/CN112184710A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

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

Abstract

本发明涉及机器视觉技术领域，具体涉及一种基于视觉感知的线扫***泡检测方法及***。该方法包括以下步骤：部署线扫激光仪和相机；获取相机拍摄的一个周期内的视频信息，对每一帧图像进行气泡检测，得到二值图像；将二值图像进行连通域分析得到若干个亮点区域，并得到亮点区域的外接矩形框；对某一帧图像中的每个亮点区域外接矩形框建立对应的亮点标记库，将剩余每一帧图像依次与之进行比较，获得气泡标记库；将存放亮点外接矩形框的数量大于预设阈值的亮点标记库记为目标标记库，进而得到漏气点位置；计算每个漏气点位置对应的亮点闪烁频率，根据亮点闪烁频率计算被测物体的泄露程度。本发明实施例能够消除误差，准确地得到漏气点的位置。

Description

一种基于视觉感知的线扫***泡检测方法及***
技术领域
本发明涉及机器视觉技术领域，具体涉及一种基于视觉感知的线扫***泡检测方法及***。
背景技术
气密性检测是对腔体机械产品进行密封性检测的方法，主要是检验容器的各连接部位是否有泄露现象，对于一些装有高危害物或是设计上不允许有泄露的容器，必须进行气密性检测。气密性检测中，常见的方法有浸水气泡法、差压测试法、质量流量法等，目前企业中大多采用浸水气泡法检测。浸水气泡检测法是检验物体气密性最直接和最有效的手段。
发明人在实践中，发现上述现有技术存在以下缺陷：
浸水气泡法检测过程多需人工直接参与，需要人工观察试验数据，并进行记录，从而会使读数主观性过多，也不能消除误差，准确地确定漏气点的位置。
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视觉感知的线扫***泡检测方法及***，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种基于视觉感知的线扫***泡检测方法，该方法包括以下步骤：
分别在进行气密性检测的检测池水面的正面和侧面部署线扫激光仪，在水面上方部署相机；
获取相机拍摄的一个周期T时间段内的视频信息，对每一帧图像进行气泡检测，得到二值图像；
将二值图像进行连通域分析得到若干个亮点区域，并得到亮点区域的亮点区域外接矩形框；
对某一帧图像中的每个亮点区域外接矩形框建立对应的亮点标记库，将剩余每一帧图像依次与每个亮点标记库进行比较，使剩余每一帧图像中隶属于亮点标记库的亮点区域外接矩形框归属到相应的亮点标记库中，其他的亮点区域外接矩形框建立新的亮点标记库，最终获得完整的亮点标记库，记为气泡标记库；
判断每个亮点标记库存放的亮点外接矩形框的数量是否大于预设阈值，将大于预设阈值的亮点标记库记为目标标记库，否则记为误差标记库，计算每个目标标记库中所有亮点区域外接矩形框的中心位置坐标，得到每个目标标记库代表的漏气点位置；
计算每个漏气点位置对应的亮点闪烁频率，通过对亮点闪烁频率采用叠加的方法计算被测物体的泄露程度，评估泄漏等级。
优选的，二值图像的获取步骤包括：
将单帧图像转换为HSV空间，获得HSV图像；
对HSV图像中每个像素的HSV分量与预设范围进行比较，在预设范围内的像素点即为构成亮点的像素点，预设范围为与线扫激光仪所发射的激光颜色相应的HSV空间取值范围；
通过阈值化的方法，将图像的感兴趣区域与背景区域分开，将亮点的灰度值置为1，背景灰度值置为0，获得二值图像。
优选的，亮点区域外接矩形框的获取步骤包括：
对二值图像进行连通域分析，得到若干个亮点区域；
对每个亮点区域的像素坐标进行统计，取每个亮点区域内所有像素坐标的中值作为每个亮点区域的中心坐标(xcenter,ycenter)，以中心坐标为中心，建立每个亮点区域的外接矩形框。
优选的，泄露程度的计算步骤包括：
计算亮点闪烁频率：
Figure BDA0002760763580000021
其中，fi为第i个漏气点的亮点闪烁频率，m为当前漏气位置检测到的亮点数量；
计算被测物体的泄露程度：
Figure BDA0002760763580000022
其中，p为被测物体的泄漏率，s为该段视频检测到的漏气点的数量，β为气泡的泄露程度系数。
优选的，评估泄漏等级的步骤包括：
将所述泄露程度分为至少两个分段区间，使每个分段区间对应相应的泄露等级。
第二方面，本发明另一个实施例提供了一种基于视觉感知的线扫***泡检测***，该***包括分别在进行气密性检测的检测池水面的正面和侧面部署线扫激光仪，在水面上方部署相机，以及以下模块：
气泡检测模块，用于获取相机拍摄的一个周期T时间段内的视频信息，对每一帧图像进行气泡检测，得到二值图像；
亮点区域外接矩形框获取模块，用于将二值图像进行连通域分析得到若干个亮点区域，并得到亮点区域的亮点区域外接矩形框；
气泡标记库获取模块，用于对某一帧图像中的每个亮点区域外接矩形框建立对应的亮点标记库，将剩余每一帧图像依次与每个亮点标记库进行比较，使剩余每一帧图像中隶属于亮点标记库的亮点区域外接矩形框归属到相应的亮点标记库中，其他的亮点区域外接矩形框建立新的亮点标记库，最终获得完整的亮点标记库，记为气泡标记库；
漏气点位置确定模块，用于判断每个亮点标记库存放的亮点外接矩形框的数量是否大于预设阈值，将大于预设阈值的亮点标记库记为目标标记库，否则记为误差标记库，计算每个目标标记库中所有亮点区域外接矩形框的中心位置坐标，得到每个目标标记库代表的漏气点位置；
泄露程度获取模块，用于计算每个漏气点位置对应的亮点闪烁频率，通过对亮点闪烁频率采用叠加的方法计算被测物体的泄露程度，评估泄漏等级。
优选的，气泡检测模块还包括：
空间转换模块，用于将单帧图像转换为HSV空间，获得HSV图像；
亮点检测模块，用于对HSV图像中每个像素的HSV分量与预设范围进行比较，在预设范围内的像素点即为构成亮点的像素点，预设范围为与线扫激光仪所发射的激光颜色相应的HSV空间取值范围；
二值图像获取模块，通过阈值化的方法，将图像的感兴趣区域与背景区域分开，将亮点的灰度值置为1，背景灰度值置为0，获得二值图像。
优选的，亮点区域外接矩形框获取模块还包括：
连通与分析模块，用于对二值图像进行连通域分析，得到若干个亮点区域；
亮点区域外接矩形框建立模块，用于对每个亮点区域的像素坐标进行统计，取每个亮点区域内所有像素坐标的中值作为每个亮点区域的中心坐标(xcenter,ycenter)，以中心坐标为中心，建立每个亮点区域的外接矩形框。
优选的，泄露程度计算模块还包括：
亮点闪烁频率计算模块，用于计算亮点闪烁频率：
Figure BDA0002760763580000031
其中，fi为第i个漏气点的亮点闪烁频率，m为当前漏气位置检测到的亮点数量；
泄露程度计算模块，用于计算被测物体的泄露程度：
Figure BDA0002760763580000041
其中，p为被测物体的泄漏率，s为该段视频检测到的漏气点的数量，β为气泡的泄露程度系数。
优选的，泄漏程度获取模块还包括泄漏等级评估模块，用于将所述泄露程度分为至少两个分段区间，使每个分段区间对应相应的泄露等级。
本发明实施例具有如下有益效果：
1.使用激光进行气泡检测，其检测效果更加明显。
2.本发明实施例通过对亮点区域加入外接矩形框，建立亮点标记库，能够更好的区分气泡产生的亮点其归属问题，方便后续确定气泡的产生位置。
3.本发明实施例通过分析每个亮点标记库的亮点数量，采用阈值比较，消除了误差气泡产生的影响，增加了***的鲁棒性。
4.本发明实施例通过计算每个气泡位置的亮点闪烁频率，结合气泡体积信息，给出了泄露率的合理计算方法。
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视觉感知的线扫***泡检测方法流程图；
图2为本发明一个实施例所提供的一种基于视觉感知的线扫***泡检测***框架图。
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视觉感知的线扫***泡检测方法及***，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视觉感知的线扫***泡检测方法及***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视觉感知的线扫***泡检测方法流程图，该方法包括以下步骤：
步骤S001，分别在进行气密性检测的检测池水面的正面和侧面部署线扫激光仪，在水面上方部署相机。
对于需要进行气密性检测的实验装置，将其置于水中，使用两个同一高度的线扫激光仪分别从检测池的右侧与正前方进行照射，每个线扫激光仪扫描出一个平面；相机位于被检测物体的上方，俯视整个被检测装置。
单一线扫激光照射时，由于气泡位置在激光照射方向上可能存在重叠，导致检测不到重叠位置的气泡，进而影响整个***的检测效果。本发明实施例使用双线扫激光仪使检测结果更加准确。
步骤S002，获取相机拍摄的一个周期T时间段内的视频信息，对每一帧图像进行气泡检测，得到二值图像。
使用相机拍摄视频信息，每隔周期T的时间，取出该段视频，进行气泡检测，检测步骤具体包括：
1)依次从视频中取出每一帧图像信息，对单帧图像F进行处理；
2)将单帧图像F进行RGB通道到HSV空间的转换，得到每一帧RGB图像转换后的色相、饱和度以及亮度信息；
作为一个示例，本发明实施例中线扫激光仪所发射的激光颜色为红色。
3)根据先验知识，可知红色对应的HSV空间取值范围，设定整个HSV空间中H值的上限和下限为某一范围，S和V的下限值可以根据实际的红色情况设置，作为一个示例，本实施例设置红色对应的H范围[156,180]、S范围[43,255]、V范围[46,255]。
4)对图像中每个像素的HSV分量与红色对应的取值范围进行比较，即可提取红色区域的信息，通过阈值化的方法，将图像的感兴趣区域与背景区域分开，处于红色HSV空间阈值范围的像素点为构成亮点的像素点，将其灰度值置为1，背景区域灰度值为0。
步骤S003，将步骤S002中得到的二值图像进行连通域分析得到若干个亮点区域，并得到亮点区域的亮点区域外接矩形框。
具体的，对步骤S002中得到的每帧二值图像进行连通域分析，每帧图像得到n个亮点连通域，n为亮点区域的数量；对每帧图像中的每个亮点区域的坐标进行统计，取每个亮点区域内所有像素坐标的中值作为该亮点区域的中心坐标(xcenter,ycenter)，以该中心坐标为中心，建立该亮点区域的外接矩形框，建立模型如下：
Figure BDA0002760763580000061
其中，w,h分别为外接矩形框的宽度与高度，ymin与xmin分别为像素坐标系中的最小横坐标和最小纵坐标，d为外接矩形框的补偿值。
作为一个示例，在本发明实施例中，d＝7。
由于光的散射影响，实际的亮点应该较大，所以需要加入补偿使得其外接矩形框大小接近实际亮点大小，同时使得以该中心坐标得到的外接矩形框能够完全包围住气泡产生的亮点区域，得到每个亮点连通域对应的外接矩形框。
步骤S004，对某一帧图像建立关于亮点外接矩形框的亮点标记库，将剩余每一帧图像与每个亮点标记库进行比较，使剩余每一帧图像中隶属于亮点标记库的亮点区域归属到相应的亮点标记库中，其他的亮点区域建立新的亮点标记库，最终获得完整的亮点标记库，记为气泡标记库。具体步骤包括：
1)对于周期T内的视频，可以得到其每一帧图像信息F1,F2,…,Fu，u为该周期内图像的总帧数，获取某一帧图像信息Fi，在本发明实施例中取第一帧图像F1作为一个示例，根据第一帧图像经过处理后得到的所有亮点区域外接矩形框的数量a，建立a个亮点标记库，每个亮点标记库存放一个外接矩形框信息；
2)依次将剩余的每帧图像与亮点标记库进行比较，判断当前帧图像中的每个亮点区域外接矩形框与所有亮点标记库之间的隶属关系。
隶属关系判断方法如下：
将当前帧图像的每个亮点区域外接矩形框与每一个亮点标记库中的所有亮点区域外接矩形框进行比较，计算两个外接矩形框的交并比(Intersection Over Union,IOU)，若两个亮点区域外接矩形框的IOU大于阈值，则说明该亮点区域外接区域矩形框属于当前进行比较的亮点标记库，将该亮点区域外接矩形框加入到当前进行比较的亮点标记库中。
若两个外接矩形框的IOU小于阈值，则说明两个亮点区域不为同一亮点标记库，其不属于任何一个亮点标记库，此时产生一个新的亮点标记库，将该亮点区域外接矩形框加入到当前新产生的标记库中。
3)最终获得完整的亮点标记库，记为气泡标记库。
需要说明的是，对于相同位置产生的气泡，其每次被检测到时，其位置变化以及大小变化很小，所以对不同帧检测到的所有气泡外接矩形框计算IOU，设定阈值，该阈值能够表示两个气泡的相似程度。
作为一个示例，本实施例的IOU阈值选取为0.7，在其他实施例中也可自行设定。
步骤S005，判断每个亮点标记库存放的亮点外接矩形框的数量是否大于预设阈值，将大于预设阈值的亮点标记库记为目标标记库，否则记为误差标记库，计算目标标记库中每个亮点外接矩形框的中心位置坐标，得到每个目标标记库代表的漏气点位置。
需要说明的是，进行气密检测时，物体被放入水中后，其表面会产生大量的小气泡，随着时间往水面上升，会对气密检测结果造成误差，为了消除这些非漏气位置产生的随机气泡影响。采用以下步骤：
1)设定一个阈值，该阈值反映了一个漏气位置在周期T内最少应该产生多少个气泡。在最终得到的气泡标记库中，计算每一个亮点标记库存放的外接矩形框的数量m，如果满足m大于阈值，则说明该气泡标记库连续多次产生气泡，确定该气泡标记库为目标标记库。
作为一个示例，本发明实施例阈值选取为13，周期选取为30帧。
2)否则，确定该亮点标记库为误差标记库，删除误差标记库，最终统计目标标记库的数量，可以得到实际的漏气点数量s。
3)将每个目标标记库中的所有亮点区域外接矩形框叠加在一起，得到一个不规则区域，取该区域横坐标的平均值作为中心位置的横坐标，该区域纵坐标的平均值作为中心位置的纵坐标，计算该区域的中心位置，以该中心位置为该目标标记库代表的漏气点的位置信息。
步骤S006，计算每个漏气点对应的亮点闪烁频率，通过对亮点闪烁频率采用叠加的方法计算被测物体的泄露程度，评估泄漏等级。
具体计算步骤包括：
1)对于每个漏气点位置，计算检测周期内该位置处检测到的亮度闪烁频率，使用如下公式：
Figure BDA0002760763580000071
其中，fi为第i个漏气点的亮点闪烁频率，m为当前漏气位置检测到的亮点数量，T为一段视频的时长，即视频的采样周期。
2)不同的闪烁频率，对应了该泄露位置的泄露程度，对其泄露程度进行叠加，得到整体的泄露程度：
Figure BDA0002760763580000081
其中，p为被测物体的泄漏率，s为该段视频检测到的漏气点的数量，β为气泡的泄露程度系数。
气泡的泄露程度系数β主要将泄漏率映射到某一区间内，作为一个示例，在本发明实施例中，选取的β为0.0001，映射区间为[0,1]。
3)将所述泄露程度分为至少两个分段区间，使每个分段区间对应相应的泄露等级。
作为一个示例，本发明实施例将泄露程度的区间等分为三份，即分为三个等级来表示泄露的严重程度。
属于第一等级时，***提醒检测人员检测到的整体泄露程度，由检测人员根据工业要求自行评定其是否合格；属于第二等级时，提醒检测人员泄露相关位置及告知检测人员需要采取相关补救措施进行及时补救；属于第三等级时，提醒检测人员该物体无法使用，需要返厂重铸。
综上所述，本发明实施例使用线扫激光对需要进行气密检测的物体液面进行扫描，将图像转换到HSV空间进行分析，检测是否产生亮点，进而检测是否产生气泡，使检测效果更加明显，再使用连通域分析法，确定亮点区域，得到亮点相关的外接矩形框建立亮点标记库，对每帧图像进行分析确定其所属标记库，进而得到泄漏点的位置和数量等信息，能够消除误差，准确地得到漏气点的位置，最终确定物体的泄露程度，评估泄露等级，给相关人员提供判断依据，采取相应措施。
基于与上述方法相同的发明构思，本发明另一个实施例还提供了一种基于视觉感知的线扫***泡检测***。
请参阅图2，其示出了本发明另一个实施例提供的一种基于视觉感知的线扫***泡检测***的***框架图，该***包括分别在进行气密性检测的检测池水面的正面和侧面部署的线扫激光仪，在水面上方部署的相机，以及以下模块：气泡检测模块101、亮点区域外接矩形框获取模块102、、气泡标记库获取模块103、漏气点位置确定模块104和泄露程度获取模块105。
具体的，气泡检测模块101用于获取相机拍摄的一个周期T时间段内的视频信息，对每一帧图像进行气泡检测，得到二值图像；亮点区域外接矩形框获取模块102用于将二值图像进行连通域分析得到若干个亮点区域，并得到亮点区域的亮点区域外接矩形框；气泡标记库获取模块103用于对某一帧图像中的每个亮点区域外接矩形框建立对应的亮点标记库，将剩余每一帧图像依次与每个亮点标记库进行比较，使剩余每一帧图像中隶属于亮点标记库的亮点区域外接矩形框归属到相应的亮点标记库中，其他的亮点区域外接矩形框建立新的亮点标记库，最终获得完整的亮点标记库，记为气泡标记库；漏气点位置确定模块104用于判断每个亮点标记库存放的亮点外接矩形框的数量是否大于预设阈值，将大于预设阈值的亮点标记库记为目标标记库，否则记为误差标记库，计算每个目标标记库中所有亮点区域外接矩形框的中心位置坐标，得到每个目标标记库代表的漏气点位置；泄露程度获取模块105用于计算每个漏气点位置对应的亮点闪烁频率，通过对亮点闪烁频率采用叠加的方法计算被测物体的泄露程度，评估泄漏等级。
优选的，气泡检测模块还包括：
空间转换模块，用于将单帧图像转换为HSV空间，获得HSV图像；
亮点检测模块，用于对HSV图像中每个像素的HSV分量与预设范围进行比较，在预设范围内的像素点即为构成亮点的像素点，预设范围为与线扫激光仪所发射的激光颜色相应的HSV空间取值范围；
二值图像获取模块，通过阈值化的方法，将图像的感兴趣区域与背景区域分开，将构成亮点的像素点的灰度值置为1，背景灰度值置为0，获得二值图像。
优选的，亮点区域外接矩形框获取模块还包括：
连通与分析模块，用于对二值图像进行连通域分析，得到若干个亮点区域；
亮点区域外接矩形框建立模块，用于对每个亮点区域的像素坐标进行统计，取每个亮点区域内所有像素坐标的中值作为每个亮点区域的中心坐标(xcenter,ycenter)，以中心坐标为中心，建立每个亮点区域的外接矩形框。
优选的，泄露程度计算模块还包括：
亮点闪烁频率计算模块，用于计算亮点闪烁频率：
Figure BDA0002760763580000091
其中，fi为第i个漏气点的亮点闪烁频率，m为当前漏气位置检测到的亮点数量；
泄露程度计算模块，用于计算被测物体的泄露程度：
Figure BDA0002760763580000101
其中，p为被测物体的泄漏率，s为该段视频检测到的漏气点的数量，β为气泡的泄露程度系数。
优选的，泄漏程度获取模块还包括泄漏等级评估模块，用于将所述泄露程度分为至少两个分段区间，使每个分段区间对应相应的泄露等级。
综上所述，本发明实施例通过装置部署模块使用线扫激光对需要进行气密检测的物体液面进行扫描，气泡检测模块将图像转换到HSV空间进行分析，检测是否产生亮点，使检测效果更加明显，再通过亮点区域外接矩形框获取模块和气泡标记库获取模块确定亮点区域，得到亮点区域外接矩形框并建立亮点标记库，对每帧图像进行分析得到气泡标记库，进而通过漏气点位置确定模块得到泄漏点的位置和数量等信息，能够消除误差，准确地得到漏气点的位置，最终通过泄露程度获取模块计算物体的泄露程度，评估泄漏等级，给相关人员提供判断依据，采取相应措施。
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)

1.一种基于视觉感知的线扫***泡检测方法，其特征在于，该方法包括以下步骤：
分别在进行气密性检测的检测池水面的正面和侧面部署线扫激光仪，在所述水面上方部署相机；
获取所述相机拍摄的一个周期T时间段内的视频信息，对每一帧图像进行气泡检测，得到二值图像；
将所述二值图像进行连通域分析得到若干个亮点区域，并得到所述亮点区域的亮点区域外接矩形框；
对某一帧图像中的每个所述亮点区域外接矩形框建立对应的亮点标记库，将剩余每一帧图像依次与每个所述亮点标记库进行比较，使所述剩余每一帧图像中隶属于所述亮点标记库的亮点区域外接矩形框归属到相应的亮点标记库中，其他的亮点区域外接矩形框建立新的亮点标记库，最终获得完整的亮点标记库，记为气泡标记库；
判断每个所述亮点标记库存放的所述亮点外接矩形框的数量是否大于预设阈值，将大于预设阈值的所述亮点标记库记为目标标记库，否则记为误差标记库，计算每个所述目标标记库中所有所述亮点区域外接矩形框的中心位置坐标，得到每个所述目标标记库代表的漏气点位置；
计算每个所述漏气点位置对应的亮点闪烁频率，通过对所述亮点闪烁频率采用叠加的方法计算被测物体的泄漏程度，评估泄露等级。
2.根据权利要求1所述的一种基于视觉感知的线扫***泡检测方法，其特征在于，所述二值图像的获取步骤包括：
将所述单帧图像转换为HSV空间，获得HSV图像；
对所述HSV图像中每个像素的HSV分量与预设范围进行比较，在预设范围内的像素点即为构成所述亮点的像素点，所述预设范围为与所述线扫激光仪所发射的激光颜色相应的HSV空间取值范围；
通过阈值化的方法，将图像的感兴趣区域与背景区域分开，将亮点的灰度值置为1，背景灰度值置为0，获得所述二值图像。
3.根据权利要求1所述的一种基于视觉感知的线扫***泡检测方法，其特征在于，所述亮点区域外接矩形框的获取步骤包括：
对所述二值图像进行连通域分析，得到若干个亮点区域；
对每个所述亮点区域的像素坐标进行统计，取每个所述亮点区域内所有像素坐标的中值作为每个所述亮点区域的中心坐标(xcenter,ycenter)，以所述中心坐标为中心，建立每个所述亮点区域的外接矩形框。
4.根据权利要求1所述的一种基于视觉感知的线扫***泡检测方法，其特征在于，所述泄露程度的计算步骤包括：
计算所述亮点闪烁频率：
Figure FDA0002760763570000021
其中，fi为第i个漏气点的亮点闪烁频率，m为当前漏气位置检测到的亮点数量；
计算被测物体的泄漏程度：
Figure FDA0002760763570000022
其中，p为被测物体的泄漏率，s为该段视频检测到的漏气点的数量，β为气泡的泄露程度系数。
5.根据权利要求4所述的一种基于视觉感知的线扫***泡检测方法，其特征在于，所述评估泄漏等级的步骤包括：
将所述泄露程度分为至少两个分段区间，使每个分段区间对应相应的泄露等级。
6.一种基于视觉感知的线扫***泡检测***，其特征在于，该***包括分别在进行气密性检测的检测池水面的正面和侧面部署的线扫激光仪，在所述水面上方部署的相机，以及以下模块：
气泡检测模块，用于获取所述相机拍摄的一个周期T时间段内的视频信息，对每一帧图像进行气泡检测，得到二值图像；
亮点区域外接矩形框获取模块，用于将所述二值图像进行连通域分析得到若干个亮点区域，并得到所述亮点区域的亮点区域外接矩形框；
气泡标记库获取模块，用于对某一帧图像中的每个所述亮点区域外接矩形框建立对应的亮点标记库，将剩余每一帧图像依次与每个所述亮点标记库进行比较，使所述剩余每一帧图像中隶属于所述亮点标记库的亮点区域外接矩形框归属到相应的亮点标记库中，其他的亮点区域外接矩形框建立新的亮点标记库，最终获得完整的亮点标记库，记为气泡标记库；
漏气点位置确定模块，用于判断每个所述亮点标记库存放的所述亮点外接矩形框的数量是否大于预设阈值，将大于预设阈值的所述亮点标记库记为目标标记库，否则记为误差标记库，计算每个所述目标标记库中所有所述亮点区域外接矩形框的中心位置坐标，得到每个所述目标标记库代表的漏气点位置；
泄漏程度获取模块，用于计算每个所述漏气点位置对应的亮点闪烁频率，通过对所述亮点闪烁频率采用叠加的方法计算被测物体的泄漏程度，评估泄露等级。
7.根据权利要求6所述的一种基于视觉感知的线扫***泡检测***，其特征在于，所述气泡检测模块还包括：
空间转换模块，用于将所述单帧图像转换为HSV空间，获得HSV图像；
亮点检测模块，用于对所述HSV图像中每个像素的HSV分量与预设范围进行比较，在预设范围内的像素点即为构成所述亮点的像素点，所述预设范围为与所述线扫激光仪所发射的激光颜色相应的HSV空间取值范围；
二值图像获取模块，通过阈值化的方法，将图像的感兴趣区域与背景区域分开，将亮点的灰度值置为1，背景灰度值置为0，获得所述二值图像。
8.根据权利要求6所述的一种基于视觉感知的线扫***泡检测***，其特征在于，所述亮点区域外接矩形框获取模块还包括：
连通与分析模块，用于对所述二值图像进行连通域分析，得到若干个亮点区域；
亮点区域外接矩形框建立模块，用于对每个所述亮点区域的像素坐标进行统计，取每个所述亮点区域内所有像素坐标的中值作为每个所述亮点区域的中心坐标(xcenter,ycenter)，以所述中心坐标为中心，建立每个所述亮点区域的外接矩形框。
9.根据权利要求6所述的一种基于视觉感知的线扫***泡检测***，其特征在于，所述泄漏程度获取模块还包括：
亮点闪烁频率计算模块，用于计算所述亮点闪烁频率：
Figure FDA0002760763570000031
其中，fi为第i个漏气点的亮点闪烁频率，m为当前漏气位置检测到的亮点数量；
泄露程度计算模块，用于计算被测物体的泄露程度：
Figure FDA0002760763570000032
其中，p为被测物体的泄漏率，s为该段视频检测到的漏气点的数量，β为气泡的泄露程度系数。
10.根据权利要求9所述的一种基于视觉感知的线扫***泡检测***，其特征在于，所述泄漏程度获取模块还包括泄漏等级评估模块，用于将所述泄露程度分为至少两个分段区间，使每个分段区间对应相应的泄露等级。
CN202011217105.4A 2020-11-04 2020-11-04 一种基于视觉感知的线扫***泡检测方法及*** Withdrawn CN112184710A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011217105.4A CN112184710A (zh) 2020-11-04 2020-11-04 一种基于视觉感知的线扫***泡检测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011217105.4A CN112184710A (zh) 2020-11-04 2020-11-04 一种基于视觉感知的线扫***泡检测方法及***

Publications (1)

Publication Number Publication Date
CN112184710A true CN112184710A (zh) 2021-01-05

Family

ID=73917108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011217105.4A Withdrawn CN112184710A (zh) 2020-11-04 2020-11-04 一种基于视觉感知的线扫***泡检测方法及***

Country Status (1)

Country Link
CN (1) CN112184710A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114923135A (zh) * 2022-05-18 2022-08-19 中国科学院声学研究所 一种海底输气管道微泄漏声学检测定位方法
WO2023164809A1 (zh) * 2022-03-01 2023-09-07 京东方科技集团股份有限公司 曲面基板气泡检测方法及检测***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023164809A1 (zh) * 2022-03-01 2023-09-07 京东方科技集团股份有限公司 曲面基板气泡检测方法及检测***
CN114923135A (zh) * 2022-05-18 2022-08-19 中国科学院声学研究所 一种海底输气管道微泄漏声学检测定位方法

Similar Documents

Publication Publication Date Title
JP7148581B2 (ja) コロニーコントラスト収集
CN111209876B (zh) 一种漏油缺陷检测方法及***
CN103499585B (zh) 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置
CN111815572B (zh) 一种基于卷积神经网络对锂电池焊接质量的检测方法
US5414778A (en) Dynamic fluid level and bubble inspection for quality and process control
US20050163354A1 (en) Method and device for the analysis of body fluids
CN112184710A (zh) 一种基于视觉感知的线扫***泡检测方法及***
WO2023092690A1 (zh) 检验胶路状态的装置及其检验方法
CN111652842B (zh) 高速西林瓶轧盖生产线实时视觉检测方法及***
CN110378227B (zh) 修正样本标注数据的方法、装置、设备及存储介质
CN112414623A (zh) 一种基于人工智能的零件气密性泄漏缺陷检测方法及***
CN116337871A (zh) 一种动力电池焊缝检测方法、***、设备及存储介质
CN112308828A (zh) 一种密封设备气密性的人工智能检测方法和检测***
CN113554645B (zh) 基于wgan的工业异常检测方法和装置
CN116429768A (zh) 一种密封钉焊接质量检测方法、***、设备及存储介质
CN115375608A (zh) 检测方法及装置、检测设备和存储介质
CN112304512A (zh) 一种基于人工智能的多工件场景气密性检测方法及***
CN117333860A (zh) 一种基于深度学习的船舶水尺读数方法及装置
CN117132563A (zh) 一种玻璃缺陷检测方法、装置、电子设备及存储介质
CN108363958B (zh) 一种基于高分辨率光学遥感影像的油罐检测方法
JP2022514427A (ja) バクテリアコロニーのバクテリア増殖を監視しコロニーバイオマスを予測するシステム及び方法
CN110880171A (zh) 一种显示装置的检测方法及电子设备
CN115546141A (zh) 一种基于多维度度量的小样本Mini LED缺陷检测方法及***
CN113610775B (zh) 一种药丸板的药丸检测方法、装置及存储介质
CN108898584A (zh) 一种基于图像分析的全自动贴面电容装焊极性判别方法

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

Application publication date: 20210105