[发明专利]基于人工智能的液体晃动检测方法与系统

权利要求书

1.一种基于人工智能的液体晃动检测方法，其特征在于，该方法包括：

将采集的背景图像和液体图像作差，得到变化图像,所述背景图像为器件放入液体前的静态图像，所述液体图像为所述器件放入所述液体后的动态图像；

根据所述变化图像的灰度共生矩阵，得到所述灰度共生矩阵的能量；

分析所述变化图像得到梯度图像，根据所述梯度图像的梯度共生矩阵，得到所述梯度共生矩阵的能量；

获取所述变化图像中气泡的ROI区域；

根据所述ROI区域的梯度共生矩阵，得到所述ROI区域的梯度共生矩阵的能量；

根据所述ROI区域的梯度共生矩阵的能量和所述ROI区域的面积占比得到所述模型修正系数；

结合由所述灰度共生矩阵的能量、所述梯度共生矩阵的能量和所述液体的密度所构建的初始液体晃动评分模型和所述模型修正系数得到液体晃动程度；所述液体晃动程度与所述灰度共生矩阵的能量、所述梯度共生矩阵的能量呈负相关关系，所述液体晃动程度与所述液体的密度呈正相关关系。

2.如权利要求1所述的方法，其特征在于，所述初始液体晃动评分模型为：

其中，Num为所述初始液体晃动程度；ρ_液表示所述液体的密度；α为所述灰度共生矩阵能量的权重系数；β为所述梯度共生矩阵能量的权重系数；En_P为所述灰度共生矩阵的能量；En_Q为所述梯度共生矩阵的能量。

3.如权利要求1所述的方法，其特征在于，所述模型修正系数的获取方法为：

其中，k为所述模型修正系数；W为所述变化图像的宽；H为所述变化图像的高；w_m为所述第m个所述ROI区域的宽；h_m为第m个所述ROI区域的高，n为所述ROI区域的数量；为所述ROI区域的梯度共生矩阵的能量。

4.如权利要求1所述的方法，其特征在于，所述气泡的ROI区域是利用帧差叠加和阈值分割的方法得到的。

5.如权利要求1所述的方法，其特征在于，所述液体晃动程度是将所述初始液体晃动程度与模型修正系数相乘得到的。

6.一种基于人工智能的液体晃动检测系统，其特征在于，该系统包括：

图像处理单元，用于将采集的背景图像和液体图像作差，得到变化图像,所述背景图像为器件放入液体前的静态图像，所述液体图像为所述器件放入所述液体后的动态图像；

第一能量获取单元；用于根据所述变化图像的灰度共生矩阵，得到所述灰度共生矩阵的能量；

第二能量获取单元，用于分析所述变化图像得到梯度图像，根据所述梯度图像的梯度共生矩阵，得到所述梯度共生矩阵的能量；

区域获取单元，用于获取所述变化图像中气泡的ROI区域；

第三能量获取单元，用于根据所述ROI区域的梯度共生矩阵，得到所述ROI区域的梯度共生矩阵的能量；

修正系数获取单元，用于根据所述ROI区域的梯度共生矩阵的能量和所述所述ROI区域的面积占比得到模型修正系数；

晃动程度检测单元，用于结合由所述灰度共生矩阵的能量、所述梯度共生矩阵的能量和所述液体的密度所构建的初始液体晃动评分模型和所述模型修正系数得到液体晃动程度；所述液体晃动程度与所述灰度共生矩阵的能量、所述梯度共生矩阵的能量呈负相关关系，所述液体晃动程度与所述液体的密度呈正相关关系。

7.如权利要求6所述的系统，其特征在于，所述晃动程度检测单元中所述初始液体晃动评分模型为：

其中，Num为初始液体晃动程度；ρ_液表示所述液体的密度；α为所述灰度共生矩阵能量值的权重系数；β为所述梯度共生矩阵能量值的权重系数；En_P为所述灰度共生矩阵的能量值；En_Q为所述梯度共生矩阵的能量。