[发明专利]一种金属软管多区域泄漏检测方法

权利要求书

1.一种金属软管多区域泄漏检测方法，应用于检测金属软管的气密性，所述金属软管包括管体和接头，其特征在于：所述金属软管多区域泄漏检测方法包括如下步骤：

S1、将若干个金属软管放入注水的容器后对金属软管进行充气保压，采集金属软管图片形成样本数据集并进行预处理，将预处理后的样本数据集划分为训练集和验证集，所述预处理为对样本数据集中每张金属软管图片上的管体和接头分别进行ROI区域标注并打上标签；

S2、利用训练集训练深度学习模型并采用验证集进行验证，获得训练好的深度学习模型；

S3、采用训练好的深度学习模型分别获取各金属软管图片的管体ROI区域中心点和接头ROI区域中心点，并按照第一夹角θ进行对应管体ROI区域的旋转坐标变换，所述第一夹角θ为对应的管体ROI区域中心点和接头ROI区域中心点的连线与水平线所成夹角；

S4、将旋转坐标变换后的管体ROI区域进行放大，对应获得矫正后的管体ROI区域位置信息，并对矫正后的各管体ROI区域进行子区域划分，获得对应的子区域坐标；

S5、将划分好的子区域转换为灰度图，并根据前n帧金属软管图片进行背景建模以区分前景点和背景点，获得第n帧之后的各金属软管图片的二值图；

S6、利用二值图计算各子区域的前景点像素变化频次，并根据预设检测阈值ε获得对应子区域的频次变化百分比；

S7、基于理想气体状态方程计算出全部金属软管的总泄漏量；

S8、分别将总泄漏量与各子区域的频次变化百分比相乘，获得对应子区域的泄漏量，并根据子区域坐标完成金属软管多区域的气密性泄漏检测定位。

2.如权利要求1所述的金属软管多区域泄漏检测方法，其特征在于：所述训练集和验证集的划分比例为9:1，所述ROI区域采用labelImg工具进行标注。

3.如权利要求1所述的金属软管多区域泄漏检测方法，其特征在于：所述深度学习模型为YOLOv5s模型。

4.如权利要求1所述的金属软管多区域泄漏检测方法，其特征在于：所述采用验证集进行验证，过程如下：

S21、根据深度学习模型的精确率和召回率绘制P-R曲线，计算出平均精度mAP，所述精确率Precision和召回率Recall公式如下：

式中，TP表示真的样本数，FP表示假的负样本数，FN表示真的负样本数；

S22、将平均精度mAP最大值对应的深度学习模型视为训练好的深度学习模型。