[发明专利]基于人工智能的水体稳态视觉检测方法及系统

权利要求书

1.一种基于人工智能的水体稳态视觉检测方法，其特征在于，该方法包括：

在手臂将待检测物体放入检测装置的过程中，采集多帧初始图像，通过所述初始图像中伸入水体的所述手臂关键点的第一移动距离及所对应的第一帧数、抽出所述水体的所述手臂关键点的第二移动距离及所对应的第二帧数、图像采集设备的快门速度和所述图像采集设备的参数得到所述手臂的放置速度和抽出速度；

根据所述手臂伸入前和所述手臂抽出后的水位的变化量得到所述水体的体积变化量；

结合所述放置速度、抽出速度和所述水体的体积变化量预测所述水体稳定时间；

在所述水体稳定后，根据再次采集的多帧水体RGB图像的像素值分别对RGB三通道进行聚类，以得到每一个通道的像素均值；

根据所述每一个通道的像素均值的最大值和最小值的差值特征，建立特征矩阵；

结合相邻帧之间的所述特征矩阵的变化量和所述变化量的差值，当所述差值是线性变化时，则所述特征矩阵为最小值时对应的时间为水体浑浊度趋于均匀的时间；否则，根据所述特征矩阵的变化量预测所述水体浑浊度趋于均匀的时间；

结合所述水体稳定时间和所述水体浑浊度趋于均匀的时间，得到水体稳态时间。

2.如权利要求1所述的方法，其特征在于，所述水体稳定时间的计算方法为：

其中，T₁为所述水体稳定时间；ω₁为所述放置速度的影响权重；ω₂为所述抽出速度的影响权重；ω₃为所述体积变化量的影响权重；b为时间影响参数；v₁为所述放置速度；v₂为所述抽出速度；ΔV为所述体积变化量。

3.如权利要求1所述的方法，其特征在于，所述水位的变化量是根据所述水体上的漂浮物的位置得到的。

4.如权利要求1所述的方法，其特征在于，所述线性变化的判断方法为：

获取所述差值小于差值阈值的数量；

计算所述数量与所述差值总数量的比值；

当所述比值与选择其中一个所述待检测物体的概率的乘积大于乘积阈值时，确定符合所述线性变化。

5.如权利要求1所述的方法，其特征在于，所述根据所述特征矩阵的变化量预测所述水体浑浊度趋于均匀的时间的方法为选择所述变化量大于变化量阈值的所述特征矩阵的变化量以预测所述水体浑浊度趋于均匀的时间。

6.一种基于人工智能的水体稳态视觉检测系统，其特征在于，该系统包括：

速度检测单元，用于在手臂将待检测物体放入检测装置的过程中，采集多帧初始图像，通过所述初始图像中伸入水体的手臂关键点的第一移动距离及所对应的第一帧数、抽出所述水体的所述手臂关键点的第二移动距离及所对应的第二帧数、图像采集设备的快门速度和所述图像采集设备的参数得到所述手臂的放置速度和抽出速度；

体积检测单元，用于根据所述手臂伸入前和所述手臂抽出后的水位的变化量得到所述水体的体积变化量；

稳定时间获取单元，用于结合所述放置速度、抽出速度和所述水体的体积变化量预测所述水体稳定时间；

像素聚类单元，用于在所述水体稳定后，根据再次采集的多帧水体RGB图像的像素值分别对RGB三通道进行聚类，以得到每一个通道的像素均值；

矩阵建立单元，用于根据所述每一个通道的像素均值的最大值和最小值的差值特征，建立特征矩阵；均匀时间获取单元，用于结合相邻帧之间的所述特征矩阵的变化量和所述变化量的差值，当所述差值是线性变化时，则所述特征矩阵为最小值时对应的时间为水体浑浊度趋于均匀的时间；否则，根据所述特征矩阵的变化量预测所述水体浑浊度趋于均匀的时间；

时间总计单元，用于结合所述水体稳定时间和所述水体浑浊度趋于均匀的时间，得到水体稳态时间。