一种基于人工智能的零件气密性泄漏缺陷检测方法及系统技术方案

本发明专利技术公开了一种基于人工智能的零件气密性泄漏缺陷检测方法及系统，涉及人工智能领域。该方法包括如下步骤：将零件放置透明水箱中，并向零件内部充气，利用线阵激光增强水体中的气泡特征，使所述气泡特征因全反射产生亮点；采集所述透明水箱中水体的图像信息，所述图像信息包括水体中的气泡亮点特征；将所述图像信息经过深度神经网络处理后，输出亮点图像，所述亮点图像包括所述气泡亮点特征及其位置信息；利用多帧所述亮点图像，结合所述位置信息获得所述气泡亮点的位置数量；根据各位置所述气泡亮点的闪烁次数结合预设阈值筛选出泄漏气泡。实现了对较小泄漏气泡的自动检测，并去除了零件自身携带的粘附气泡对检测结构的干扰。的干扰。的干扰。

【技术实现步骤摘要】
一种基于人工智能的零件气密性泄漏缺陷检测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的零件气密性泄漏缺陷检测方法及系统。

技术介绍

[0002]在生产生活中，很多设备的气密性零件会因腐蚀、高温高压、裂纹、磨损老化和长时间运作等原因，出现气密性泄漏的问题。目前在对压力容器进行气密性实验测试的过程中，通常直接将压力容器充气高压气体，然后测试人员人为或者使用图像处理设备观察气泡的有无，来判定零件是否泄漏。
[0003]但是由于有些零件泄漏孔较小，产生的泄漏气泡较小，通过人眼或者相机判断误差较大，并且会受到零件进入水体中携带的粘附气泡干扰，从而使判定结果出现错误。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的零件气密性泄漏缺陷检测方法及系统，所采用的技术方案具体如下：
[0005]第一方面，本专利技术一个实施例提供了一种基于人工智能的零件气密性泄漏缺陷检测方法，包括以下步骤：
[0006]将零件放置透明水箱中，并向零件内部充气，利用线阵激光增强水体中的气泡特征，使所述气泡特征因全反射产生亮点；
[0007]采集所述透明水箱中水体的图像信息，所述图像信息包括水体中的气泡亮点特征；
[0008]将所述图像信息经过深度神经网络处理后，输出亮点图像，所述亮点图像包括所述气泡亮点特征及其位置信息；
[0009]利用多帧所述亮点图像，结合所述位置信息获得所述气泡亮点的位置数量；
[0010]根据各位置所述气泡亮点的闪烁次数结合预设阈值筛选出泄漏气泡。
[0011]优选的，利用多帧所述亮点图像，结合所述位置信息获得所述气泡亮点的位置数量，包括以下步骤：
[0012]将单帧所述亮点图像进行二值化处理，获得亮点二值图像；
[0013]按照时间顺序叠加每帧所述亮点二值图像，得到叠加图；
[0014]对所述叠加图进行聚类处理，所述气泡亮点的位置数量；
[0015]将每个位置同类像素值进行叠加，得到该位置气泡亮点闪烁次数。
[0016]优选的，该方法还包括结合采样时间，获取零件中泄漏孔的泄漏速度，包括以下步骤：
[0017]获得所述气泡亮点聚类中心并设置搜索半径，建立搜索区域；
[0018]按照时间顺序逐帧检测所述搜索区域中的气泡亮点，并标记时序；
[0019]根据标记结果获得二值序列，计算气泡亮点标记之间的平均帧数；
[0020]结合相机采样频率，得到间隔时间，计算对应气泡亮点的闪烁频率，以所述闪烁频率作为对应泄漏孔的泄漏速度的度量值。
[0021]优选的，该方法还包括结合所述线阵激光的位姿对所述零件每个泄漏位置进行定位，包括:
[0022]对所述图像信息进行畸变校正，获得校正图像；
[0023]所述校正图像经过语义分割网络处理，得到边缘图像，所述边缘图像包括所述透明水箱的边线特征；
[0024]根据所述筛选出的泄漏气泡亮点结合相机的内参和所述边线特征，获取所述泄漏气泡亮点在所述边缘图像的位置(x，y)；
[0025]以所述透明水箱中的一个角点为原点结合连接所述原点的边线，建立三维坐标系；
[0026]根据水缸的先验长度和所述泄漏气泡亮点在所述边缘图像的位置，获得所述泄漏气泡亮点在所述透明水箱主视角的实际投影位置(X，Y)，所述主视角为相机采集所述图像信息时的视角；
[0027]结合所述线阵激光的位姿，获取所述泄漏气泡亮点的Z向坐标，获取泄漏气泡亮点在三维坐标系中的位置(X，Y，Z)，其中,该所述泄漏气泡亮点对应的泄漏位置为(X，0， Z)。
[0028]第二方面，本专利技术另一个实施例提供了一种基于人工智能的零件气密性泄漏缺陷检测系统，包括：
[0029]特征增强模块，用于将零件放置透明水箱中，并向零件内部充气，利用线阵激光增强水体中的气泡特征，使所述气泡特征因全反射产生亮点；
[0030]图像采集模块，用于采集所述透明水箱中水体的图像信息，所述图像信息包括水体中的气泡亮点特征；
[0031]深度神经网络模块，用于将所述图像信息经过深度神经网络处理后，输出亮点图像，所述亮点图像包括所述气泡亮点特征及其位置信息；
[0032]亮点分析模块，用于利用多帧所述亮点图像，结合所述位置信息获得所述气泡亮点的位置数量；
[0033]泄漏气泡判定模块，用于根据各位置所述气泡亮点的闪烁次数结合预设阈值筛选出泄漏气泡。
[0034]优选的，亮点分析模块包括：
[0035]二值化单元，用于将单帧所述亮点图像进行二值化处理，获得亮点二值图像；
[0036]叠加图获取单元，用于按照时间顺序叠加每帧所述亮点二值图像，得到叠加图；
[0037]位置数量获取单元，用于对所述叠加图进行聚类处理，所述气泡亮点的位置数量；
[0038]闪烁次数获取单元，用于将每个位置同类像素值进行叠加，得到该位置气泡亮点闪烁次数。
[0039]优选的，该系统还包括泄漏速度获取模块，用于结合采样时间，获取零件中泄漏孔的泄漏速度，所述泄漏速度获取模块包括：
[0040]搜索区域建立单元，用于获得所述气泡亮点聚类中心并设置搜索半径，建立搜索区域；
[0041]时序标记单元，用于按照时间顺序逐帧检测所述搜索区域中的气泡亮点，并标记
该时序；
[0042]平均帧数获取单元，用于根据标记结果获得二值序列，计算气泡亮点标记之间的平均帧数；
[0043]泄漏速度获取单元，用于结合相机采样频率，得到间隔时间，计算对应气泡亮点的闪烁频率，以所述闪烁频率作为对应泄漏孔的泄漏速度的度量值。
[0044]优选的，该系统还包括泄漏位置定位模块，用于结合所述线阵激光的位姿对所述零件每个泄漏位置进行定位，所述泄漏位置定位模块包括:
[0045]图像校正单元，用于对所述图像信息进行畸变校正，获得校正图像；
[0046]语义分割单元，用于所述校正图像经过语义分割网络处理，得到边缘图像，所述边缘图像包括所述透明水箱的边线特征；
[0047]边缘图像亮点定位单元，用于根据所述筛选出的泄漏气泡亮点结合相机的内参和所述边线特征，获取所述泄漏气泡亮点在所述边缘图像的位置(x，y)；
[0048]世界坐标系建立单元，用于以所述透明水箱中的一个角点为原点结合连接所述原点的边线，建立三维坐标系；
[0049]亮点实际投影获取单元，用于根据水缸的先验长度和所述泄漏气泡亮点在所述边缘图像的位置，获得所述泄漏气泡亮点在所述透明水箱主视角的实际投影位置(X，Y)，所述主视角为相机采集所述图像信息时的视角；
[0050]泄漏位置获取单元，用于结合所述线阵激光的位姿，获取所述泄漏气泡亮点的Z向坐标，获取泄漏气泡亮点在三维坐标系中的位置(X，Y，Z)，其中,该所述泄漏气泡亮点对应的泄漏位置为(X，0，Z)。
[0051]本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的零件气密性泄漏缺陷检测方法，其特征在于，包括以下步骤：将零件放置透明水箱中，并向零件内部充气，利用线阵激光增强水体中的气泡特征，使所述气泡特征因全反射产生亮点；采集所述透明水箱中水体的图像信息，所述图像信息包括水体中的气泡亮点特征；将所述图像信息经过深度神经网络处理后，输出亮点图像，所述亮点图像包括所述气泡亮点特征及其位置信息；利用多帧所述亮点图像，结合所述位置信息获得所述气泡亮点的位置数量；根据各位置所述气泡亮点的闪烁次数结合预设阈值筛选出泄漏气泡。2.根据权利要求1所述的基于人工智能的零件气密性泄漏缺陷检测方法，其特征在于，所述的利用多帧所述亮点图像，结合所述位置信息获得所述气泡亮点的位置数量，包括以下步骤：将单帧所述亮点图像进行二值化处理，获得亮点二值图像；按照时间顺序叠加每帧所述亮点二值图像，得到叠加图；对所述叠加图进行聚类处理，所述气泡亮点的位置数量；将每个位置同类像素值进行叠加，得到该位置气泡亮点闪烁次数。3.根据权利要求1所述的基于人工智能的零件气密性泄漏缺陷检测方法，其特征在于，该方法还包括结合采样时间，获取零件中泄漏孔的泄漏速度，包括以下步骤：获得所述气泡亮点聚类中心并设置搜索半径，建立搜索区域；按照时间顺序逐帧检测所述搜索区域中的气泡亮点，并标记时序；根据标记结果获得二值序列，计算气泡亮点标记之间的平均帧数；结合相机采样频率，得到间隔时间，计算对应气泡亮点的闪烁频率，以所述闪烁频率作为对应泄漏孔的泄漏速度的度量值。4.根据权利要求1所述的基于人工智能的零件气密性泄漏缺陷检测方法，其特征在于，该方法还包括结合所述线阵激光的位姿对所述零件每个泄漏位置进行定位，包括:对所述图像信息进行畸变校正，获得校正图像；所述校正图像经过语义分割网络处理，得到边缘图像，所述边缘图像包括所述透明水箱的边线特征；根据所述筛选出的泄漏气泡亮点结合相机的内参和所述边线特征，获取所述泄漏气泡亮点在所述边缘图像的位置(x，y)；以所述透明水箱中的一个角点为原点结合连接所述原点的边线，建立三维坐标系；根据水缸的先验长度和所述泄漏气泡亮点在所述边缘图像的位置，获得所述泄漏气泡亮点在所述透明水箱主视角的实际投影位置(X，Y)，所述主视角为相机采集所述图像信息时的视角；结合所述线阵激光的位姿，获取所述泄漏气泡亮点的Z向坐标，获取泄漏气泡亮点在三维坐标系中的位置(X，Y，Z)，其中,该所述泄漏气泡亮点对应的泄漏位置为(X，0，Z)。5.一种基于人工智能的零件气密性泄漏缺陷检测系统，其特征在于，包括：特征增强模块，用于将零件放置透明水箱中，并向零件内部充气，利用线阵激光增强水体中的气泡特征，使所述气泡特征因全反射产生亮点；图像采集模块，用于采集所述透明水...

【专利技术属性】
技术研发人员：周婷婷，李俊，
申请(专利权)人：周婷婷，
类型：发明
国别省市：