基于人工智能的晃动处理隔离板放置方法和系统技术方案

本发明专利技术涉及一种基于人工智能的晃动处理隔离板放置方法和控制系统，控制方法的步骤为：获取气密性检测池的俯视图；对气密性检测池的俯视图进行目标识别，得到其中被测密封设备以及被测密封设备包围框的中心点坐标、宽度和高度；根据被测密封设备的包围框得到检测区域；对检测区域进行灰度处理，根据检测区域内各像素点的晃动程度计算模型得到检测区晃动程度的评价等级；当检测区域的晃动程度评价等级是否大于设定晃动程度评价等级时将隔离板放置在所述检测区域的最小外接矩形框处。本发明专利技术所提供的技术方案能够解决现有技术中在放置隔离板时存在的可靠性差、工作效率低的问题。

【技术实现步骤摘要】
基于人工智能的晃动处理隔离板放置方法和系统
本专利技术涉及属于密封设备气密性检测领域，具体涉及一种基于人工智能的晃动处理隔离板放置方法和控制系统。
技术介绍
目前，气密性检测仪主要用于食品、医疗器械等行业的包装袋、瓶、管、罐、盒等的密封试验。同时，为了让气密性检测仪的检测更加准确，气密性测试设备需要能够判断气密检测仪是否泄漏。浸水法是比较常用的气密性检测方法，即将密封设备浸没在水中，当密封设备存在泄漏时，便会在水中产生一系列的气泡，检测人员根据气泡便可确定密封设备漏气的位置。在采用浸水法对密封设备的气密性进行检测时需要将密封设备放置在水池中，采集水池的图像，通过图像中的气泡判断密封设备的密封性。为了保证检测的效率，通常在水池中放置有多个待测的密封设备。当水池的水体发生晃动时会造成影响检测的准确性，为了减少这种影响，需要在被测的密封设备周围放置隔离板，使其与周围的水体隔离。现有技术中放置隔离板的方法是由检测人员控制的，即当检测人员判断出水体晃动时将隔离板放置在密封设备的周围。但是这种方法可靠性差且效率低，如当水体的晃动程度不影响检测结果时，放置隔离板会造成额外的工作负担。
技术实现思路
本专利技术的目的是提供一种基于人工智能的晃动处理隔离板放置方法和控制系统，以解决现有技术中在放置隔离板时存在的可靠性差、工作效率低的问题。为实现上述目的，本专利技术采用如下技术方案：基于人工智能的晃动处理隔离板放置方法，包括如下步骤：步骤一：获取气密性检测池的俯视图，识别其中的水体部分；步骤二：对气密性检测池的俯视图进行目标识别，得到其中被测密封设备包围框的中心点坐标、宽度和高度；步骤三：得到以被测密封设备包围框的中心为圆心的圆形区域，所述被测密封设备的包围框在该圆形区域内，将该圆形区域与水体部分之间的交集其作为检测区域；步骤四：对检测区域进行灰度处理，计算检测区域内各像素点的晃动程度，并根据各像素点的晃动程度得到检测区域的晃动程度评价等级；像素点的晃动程度计算模型为：其中n为第n帧检测区域的图像，gn为第n帧检测区域图像经过灰度处理后其中一个像素点的灰度值，N为检测区域图像的帧数，α为像素点晃动程度；步骤五：判断检测区域的晃动程度评价等级是否大于设定晃动程度评价等级，如果大于，则将隔离板放置在所述检测区域的最小外接矩形框处。进一步的，所述步骤一中通过语义分割得到气密性检测池俯视图中的水体部分。进一步的，根据检测区域内各像素点的晃动程度计算模型得到检测区晃动程度的评价等级的方法为：当像素点的晃动程度α∈[0，m1]时，判断该像素点的为晃动程度评价等级为一级；当像素点的晃动程度α∈(m1，m2]时，判断该像素点的为晃动程度评价等级为二级；当像素点的晃动程度α∈(m2，m3]时，判断该像素点的为晃动程度评价等级为三级；当像素点的晃动程度α∈(m3，m4]时，判断该像素点的为晃动程度评价等级为四级；当像素点的晃动程度α∈(m4，+∞)时，判断该像素点的为晃动程度评价等级为五级；统计各晃动程度评价等级像素点的数量；得到像素点数量最多的晃动程度评价等级L1和像素点数量仅次于晃动程度评价等级L1的晃动程度评价等级L2；判断L1和L2之差的绝对值是否大于2；如果不大于，则判断检测区域的晃动程度评价等级为L2；如果大于，则计算晃动程度评价等级L1的像素点与晃动程度评价等级L2的像素点数量之差是否大于设定差值；如果大于，则判断检测区域的晃动程度评价等级为L2；如果不大于，则比较L1和L2；如果L1大于L2，判断检测区域的晃动程度评价等级为L1-1；如果L1小于L2，判断检测区域的晃动程度评价等级为L1+1。进一步的，所述步骤四中，在计算出晃动程度评价等级后，对检测区域进行校正，得到校正后的检测区域；然后根据校正后检测区域计算晃动程度；设水位高度为h，则校正后半径长度为r′＝r+h×tanθθ＝grade×10°grade为检测区域的晃动程度评价等级，r为校正前圆形区域的半径；以气密性工件的包围框的中心为原点，以校正后的半径长度为半径的圆形区域，将该区域与被测密封设备区域之间的交集其作为校正后的检测区域；所述步骤五中，当校正后检测区域的晃动程度大于设定晃动程度时，将隔离板放置在校正后的检测区域的最小外接矩形框处。进一步的，所述步骤二中，对气密性检测池的俯视图进行目标识别的方法包括如下步骤：建立工件检测数据训练集；工件检测数据训练集包括多张等大的气密性检测池局部区域的RGB图像，且图像中包含无被测密封设备、单个被测密封设备或多个被测密封设备；对工件检测数据训练集中各图像中的各被测密封设备进行特征点标注，被测密封设备的特征点包括其包围矩形框的中心点坐标以及包围框的宽和高；建立工件识别神经网络模型，采用工件检测数据训练集对其进行训练，得到训练后的工件识别神经网络模型；在对工件识别神经网络模型进行训练时，以标注后的工件检测数据训练集中的图像为输入，以对应图像中被测密封设备包围框的中心点坐标以及包围框的宽和高为输出，并且采用均方差函数作为损失函数；将采集到的气密性检测池的俯视图输入到训练后的工件识别神经网络模型中，得到气密性检测池的俯视图中各被测密封设备包围框的中心点坐标以及其宽度和高度。基于人工智能的晃动处理隔离板放置系统，包括处理器和存储器，存储器上存储有用于在所述处理器上执行的计算机程序；所述处理器执行所述计算机程序时，实现晃动处理隔离板的人工智能放置控制方法，该方法包括如下步骤：步骤一：获取气密性检测池的俯视图，识别其中的水体部分；步骤二：对气密性检测池的俯视图进行目标识别，得到其中被测密封设备包围框的中心点坐标、宽度和高度；步骤三：得到以被测密封设备包围框的中心为圆心的圆形区域，所述被测密封设备的包围框在该圆形区域内，将该圆形区域与水体部分之间的交集其作为检测区域；步骤四：对检测区域进行灰度处理，计算检测区域内各像素点的晃动程度，并根据各像素点的晃动程度得到检测区域的晃动程度评价等级：其中n为第n帧检测区域的图像，gn为第n帧检测区域图像经过灰度处理后其中一个像素点的灰度值，N为检测区域图像的帧数，α为像素点晃动程度；步骤五：判断检测区域的晃动程度评价等级是否大于设定晃动程度评价等级，如果大于，则将隔离板放置在所述检测区域的最小外接矩形框处。进一步的，所述步骤一中通过语义分割得到气密性检测池俯视图中的水体部分。进一步的，根据检测区域内各像素点的晃动程度计算模型得到检测区晃动程度的评价等级的方法为：当像素点的晃动程度α∈[0，m1]时，判断该像素点的为晃动程度评价等级为一级；当像素点的晃动程度α∈(m1，m2]时，判断该像素点的为晃动程度评价等级为二级；当像素点的晃动程度α∈(m2，m3]时，判断该像素点本文档来自技高网...

【技术保护点】
1.基于人工智能的晃动处理隔离板放置方法，其特征在于，包括如下步骤：/n步骤一：获取气密性检测池的俯视图，识别其中的水体部分；/n步骤二：对气密性检测池的俯视图进行目标识别，得到其中被测密封设备包围框的中心点坐标、宽度和高度；/n步骤三：得到以被测密封设备包围框的中心为圆心的圆形区域，所述被测密封设备的包围框在该圆形区域内，将该圆形区域与水体部分之间的交集其作为检测区域；/n步骤四：对检测区域进行灰度处理，计算检测区域内各像素点的晃动程度，并根据各像素点的晃动程度得到检测区域的晃动程度评价等级；/n像素点的晃动程度计算模型为：/n

【技术特征摘要】
1.基于人工智能的晃动处理隔离板放置方法，其特征在于，包括如下步骤：
步骤一：获取气密性检测池的俯视图，识别其中的水体部分；
步骤二：对气密性检测池的俯视图进行目标识别，得到其中被测密封设备包围框的中心点坐标、宽度和高度；
步骤三：得到以被测密封设备包围框的中心为圆心的圆形区域，所述被测密封设备的包围框在该圆形区域内，将该圆形区域与水体部分之间的交集其作为检测区域；
步骤四：对检测区域进行灰度处理，计算检测区域内各像素点的晃动程度，并根据各像素点的晃动程度得到检测区域的晃动程度评价等级；
像素点的晃动程度计算模型为：



其中n为第n帧检测区域的图像，gn为第n帧检测区域图像经过灰度处理后其中一个像素点的灰度值，N为检测区域图像的帧数，α为像素点晃动程度；
步骤五：判断检测区域的晃动程度评价等级是否大于设定晃动程度评价等级，如果大于，则将隔离板放置在所述检测区域的最小外接矩形框处。


2.根据权利要求1所述的基于人工智能的晃动处理隔离板放置方法，其特征在于，所述步骤一中通过语义分割得到气密性检测池俯视图中的水体部分。


3.根据权利要求1所述的基于人工智能的晃动处理隔离板放置方法，其特征在于，根据检测区域内各像素点的晃动程度计算模型得到检测区晃动程度的评价等级的方法为：
当像素点的晃动程度α∈[0，m1]时，判断该像素点的为晃动程度评价等级为一级；当像素点的晃动程度α∈(m1，m2]时，判断该像素点的为晃动程度评价等级为二级；当像素点的晃动程度α∈(m2，m3]时，判断该像素点的为晃动程度评价等级为三级；当像素点的晃动程度α∈(m3，m4]时，判断该像素点的为晃动程度评价等级为四级；当像素点的晃动程度α∈(m4，+∞)时，判断该像素点的为晃动程度评价等级为五级；
统计各晃动程度评价等级像素点的数量；得到像素点数量最多的晃动程度评价等级L1和像素点数量仅次于晃动程度评价等级L1的晃动程度评价等级L2；
判断L1和L2之差的绝对值是否大于2；
如果不大于，则判断检测区域的晃动程度评价等级为L2；
如果大于，则计算晃动程度评价等级L1的像素点与晃动程度评价等级L2的像素点数量之差是否大于设定差值；
如果大于，则判断检测区域的晃动程度评价等级为L2；
如果不大于，则比较L1和L2；
如果L1大于L2，判断检测区域的晃动程度评价等级为L1-1；
如果L1小于L2，判断检测区域的晃动程度评价等级为L1+1。


4.根据权利要求1-3任意一项所述的基于人工智能的晃动处理隔离板放置方法，其特征在于，所述步骤四中，在计算出晃动程度评价等级后，对检测区域进行校正，得到校正后的检测区域；然后根据校正后检测区域计算晃动程度；
设水位高度为h，则校正后半径长度为
r′＝r+h×tanθ
θ＝grade×10°
grade为检测区域的晃动程度评价等级，r为校正前圆形区域的半径；
以气密性工件的包围框的中心为原点，以校正后的半径长度为半径的圆形区域，将该区域与被测密封设备区域之间的交集其作为校正后的检测区域；
所述步骤五中，当校正后检测区域的晃动程度大于设定晃动程度时，将隔离板放置在校正后的检测区域的最小外接矩形框处。


5.根据权利要求1所述的基于人工智能的晃动处理隔离板放置方法，其特征在于，所述步骤二中，对气密性检测池的俯视图进行目标识别的方法包括如下步骤：
建立工件检测数据训练集；
工件检测数据训练集包括多张等大的气密性检测池局部区域的RGB图像，且图像中包含无被测密封设备、单个被测密封设备或多个被测密封设备；
对工件检测数据训练集中各图像中的各被测密封设备进行特征点标注，被测密封设备的特征点包括其包围矩形框的中心点坐标以及包围框的宽和高；
建立工件识别神经网络模型，采用工件检测数据训练集对其进行训练，得到训练后的工件识别神经网络模型；
在对工件识别神经网络模型进行训练时，以标注后的工件检测数据训练集中的图像为输入，以对应图像中被测密封设备包围框的中心点坐标以及包围框的宽和高为输出，并且采用均方差函数作为损失函数；
将采集到的气密性检测池的俯视图输入到训练后的工件识别神经网络模型中，得到气密性检测池的俯视图中各被测密封设备包围框的中心点坐标以及其宽度和高度。


6.基于人工智能的晃动处理隔离板放置系统，包括处理器和存储器，...

【专利技术属性】
技术研发人员：曹剑，王坚，
申请(专利权)人：曹剑，
类型：发明
国别省市：广东;44