[发明专利]基于人工智能的水体稳态视觉检测方法及系统

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水体稳态视觉检测方法及系统。该方法在手臂将待检测物体放入检测装置的过程中，根据多帧初始图像得到手臂的放置速度、手臂的抽出速度和水体的体积变化量以预测水体稳定时间；在水体稳定后，根据再次采集的多帧水体RGB图像的像素值得到每一个通道的像素均值；根据其最大值和最小值的差值特征，建立特征矩阵；结合相邻帧的特征矩阵的变化量和变化量的差值，得到水体浑浊度趋于均匀的时间；结合水体稳定时间和水体浑浊度趋于均匀的时间得到水体稳态时间。本发明实施例一方面能够得到一个精确的图像采集时间，另一方面使得后续的气密性检测结果更加准确，减少检测结果误差。

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水体稳态视觉检测方法及系统。

背景技术

对于设备、容器的气密性检测大多采用浸水法，浸水气泡检测法是将设备放入检测池中，并在设备内部充入一定量气体，通过肉眼观察有无气泡来判断设备是否漏气。

目前，考虑到水体晃动时，产生的气泡轨迹是不规则变化的，很难根据气泡轨迹判断是否存在泄露现象，也难以定位泄露位置，进而使得气密性检测结果不准确。因此，现有技术都是在水体稳定后通过相机采集图像，进一步分析对采集到的图像进行处理和分析，得到气密性检测的结果。

发明人在实践中，发现上述现有技术存在以下缺陷：在水体稳定后，水体的浑浊度扩散不均匀会导致采集的图像出现误差或者不清楚，进而会影响气密性检测的结果。

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水体稳态视觉检测方法及系统，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水体稳态视觉检测方法，该方法具体包括：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。

进一步地，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。

进一步地，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。

进一步地，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；