[发明专利]一种基于人工智能的气密性检测中的降噪方法及装置

说明书

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的降噪方法及装置。该方法包括：采集气密性检测装置水槽正面的图像作为待检测图像，并获取ROI区域图像；利用神经网络从ROI区域图像中获取水体的浑浊度等级和光照强度等级；将浑浊度等级和光照强度等级输入气泡明显程度模型中得到气泡特征的差异值，根据差异值得到帧差阈值范围；对待检测图像进行帧差得到帧差结果图，采用帧差阈值范围对帧差结果图先进行阈值分割再叠加，得到帧差叠加结果图，进而根据帧差叠加结果图获取气泡特征。本发明能够去除帧差结果图中的大量噪声，使气密性检测的结果更加准确。

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的降噪方法及装置。

背景技术

工件气密性检测过程中，水体的浑浊度及光照强度对工件气密性检测的准确性影响较大。工业上使用沉浸法检测工件的气密性，通过人眼观察气泡的有无，但沉浸工件的水往往会随着使用很快变得浑浊，此时气泡特征为典型弱特征，人眼已难以识别，深度学习神经网络也不易根据空域特征进行检测。

现有技术中采用帧差法检测气泡，帧差法虽然能根据前后帧对应位置的像素变化来判断，但是相邻帧间的光照并非理想中固定不变，帧差后的结果也并非理想中仅留下移动的气泡，对帧差结果的阈值化处理对后续的处理影响较大。

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的降噪方法及装置，所采用的技术方案如下：

第一方面，本发明实施例提供了一种基于人工智能的气密性检测中的降噪方法，该方法包括以下步骤：

采集气密性检测装置水槽正面的图像作为待检测图像，并获取ROI区域图像；所述ROI区域图像中包括水体；

利用神经网络从所述ROI区域图像中获取所述水体的浑浊度等级和光照强度等级；

将所述浑浊度等级和所述光照强度等级输入气泡明显程度模型中得到气泡特征的差异值，根据所述差异值得到帧差阈值范围；所述气泡明显程度模型由先验图像集合的先验浑浊度等级、先验光照强度等级和气泡特征的先验差异值拟合得到，所述先验图像集合为包含不同的浑浊度和不同的光照强度的先验图像的集合；

对所述待检测图像进行帧差得到帧差结果图，采用所述帧差阈值范围对所述帧差结果图先进行阈值分割再叠加，得到帧差叠加结果图，进而根据所述帧差叠加结果图获取气泡特征。

进一步地，所述气泡明显程度模型的拟合过程如下：

以所述先验浑浊度等级和所述先验光照强度等级为自变量，所述先验差异值为因变量拟合得到气泡明显程度模型。

进一步地，所述气泡特征的先验差异值的获取方法如下：

对所述先验图像进行灰度处理；

获取以气泡连通域中心点为中心且在多个均匀方向上分布的第一个不属于所述气泡连通域的水体像素点的像素值，并与所述中心点的像素值作差取绝对值，得到一个差异性描述序列；

获取所述先验图像中每个气泡的所述差异性描述序列，对全部的所述差异性描述序列进行聚类得到所述气泡特征的差异值。

进一步地，所述多个方向为八个方向。

进一步地，所述帧差阈值范围为[M-r，M+r]，M为所述差异值，r为所述差异值的浮动半径。

进一步地，所述根据所述帧差叠加结果图获取气泡特征的方法如下：

根据所述帧差叠加结果图得到气泡轨迹遮罩；

将所述气泡轨迹遮罩与所述待检测图像相乘得到气泡区域图像；

对所述气泡区域图像进行阈值分割，并进行连通域分析得到气泡的位置和面积。