[发明专利]基于人工智能的不同液体浑浊度气泡轨迹检测方法及系统

说明书

本发明公开了一种基于人工智能的不同液体浑浊度气泡轨迹检测方法及系统，涉及人工智能领域。该方法包括：利用激光增强气泡特征，获取气泡图像；将气泡图像经过孪生网络，输出浑浊程度；当浑浊程度大于预设最大浑浊程度阈值时，提示换水，否则，将浑浊程度输入亮度差异模型，获取气泡亮度差异；根据气泡亮度差异和预设阈值判定气泡亮点是否因液体浑浊受到散射或者其他影响，然后根据其散射程度，进行相应的图像处理，获取气泡在液体中的运动轨迹。实现了判定液体浑浊程度对气泡亮度检测的影响，从而针对影响情况实行相应的图像处理方式获取气泡的运动轨迹，提高了气密性检测中，液体不同浑浊度情况下气泡运动轨迹检测的准确度。

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不同液体浑浊度气泡轨迹检测方法及系统。

背景技术

目前，对零件进行气密检测实验时，主要是通过检测漏气位置的气泡特征来进行判断，如何得到较好的气泡特征，是当前气密检测的一个难点。首先是气密检测时的光线问题，不同的光照强度，产生的气泡特征明显程度都不相同，严重影响后续对气泡特征的相关判断，为解决该问题，现在大多使用激光检测气泡特征。

由于气密检测过程中，不同工件被不停的放入水缸中，工件表面的杂质、油污及灰尘等进入水缸中，导致液体浑浊度不断发生变化，从而影响对气泡轨迹检测的准确性。一方面，在液体浑浊程度较高时，难以检测液体中的气泡亮点，会使在图像处理过程中，检测不到气泡亮点，结果判定。另一方面，液体浑浊程度在不是很高时，液体中可能存在胶体颗粒，当胶体颗粒达到一定程度时，激光照射时会产生较强的丁达尔效应，导致液体当中产生一根激光线，气泡特征不在表现为一个单独的亮点，几乎消失。所以针对不同的液体浑浊程度，单一的亮点检测方法不能分辨出多液体浑浊程度的影响，造成检测出的气泡亮点以及其运动轨迹会出现很大的误差。

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不同液体浑浊度气泡轨迹检测方法及系统，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人工智能的不同液体浑浊度气泡轨迹检测方法，包括以下步骤：

利用激光增强液体中的气泡特征，获取气泡图像；

将所述气泡图像经过孪生网络，输出浑浊程度，所述浑浊程度根据所述液体的浑浊程度与所述孪生网络中标注图像的相似程度确定，所述标注图像为所述孪生网络训练过程中标注浑浊程度信息的图像；

当所述浑浊程度大于预设最大浑浊程度阈值时，提示换水；

当所述浑浊程度在预设最大浑浊程度阈值以下时，将所述浑浊程度输入亮度差异模型，获取气泡亮度差异；

将所述气泡图像进行图像处理，获得气泡二值图像；

当所述气泡亮度差异在预设阈值以下时，根据所述气泡二值图像包含的气泡位置信息，获得所述气泡在所述液体中的运动轨迹；

当所述气泡亮度差异大于预设阈值时，对所述气泡二值图像进行细化操作后，进行直线拟合，获得直线交点坐标，以所述交点坐标为起点获取所述气泡在所述液体中运动轨迹。

优选的，所述的将所述气泡图像经过孪生网络，输出浑浊程度，包括：

对所述气泡图像和所述标注图像进行特征提取，得到所述气泡图像的特征向量和所述标注图像的特征向量；

计算所述气泡图像的特征向量和所述标注图像的特征向量之间的差异，所述差异为所述气泡图像和所述标注图像的相似程度；

当所述相似程度在相似度阈值以下时，判定所述气泡图像的浑浊程度为对应的所述标注图像的浑浊程度并输出，否则，将所述气泡图像与下一个标注图像对比。

优选的，亮度差异模型建立过程包括：