基于人工智能的液体晃动检测方法与系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的液体晃动检测方法与系统。该方法将背景图像和液体图像作差，得到变化图像；获取变化图像的灰度共生矩阵的能量；获取梯度图像的梯度共生矩阵的能量；获取气泡的ROI区域；获取ROI区域的梯度共生矩阵的能量；根据ROI区域的梯度共生矩阵的能量和ROI区域的面积占比得到模型修正系数；结合由灰度共生矩阵的能量、梯度共生矩阵的能量和液体的密度所构建的初始液体晃动评分模型和模型修正系数得到液体晃动程度。通过分析因液体晃动产生的变化图像的灰度信息和梯度信息，结合由气泡的特征得到模型修正系数，建立一个鲁棒性和准确性更高的液体晃动评分模型，减少结果误差，得到一个更准确的检测结果。得到一个更准确的检测结果。得到一个更准确的检测结果。

【技术实现步骤摘要】
基于人工智能的液体晃动检测方法与系统


[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液体晃动检测方法与系统。

技术介绍

[0002]对于气密性检测，常用的方法为浸泡法，即为密封性器件加压之后，将器件放入液体中，通过观察有无气泡产生来判断气密性的好坏，且通过观察气泡的变化来获得泄漏率等信息。但是在气密性检测过程中，液体的晃动会对气泡的检测产生很大的影响，比如器件表面附着的小气泡会随着液体晃动产生上升的气泡轨迹，使得气密性检测出现误差，对器件的泄露率分析造成干扰。
[0003]专利技术人在实践中，发现上述现有技术存在以下缺陷：目前的现有技术手段中，通过分析气泡的运动轨迹能够判断液体的晃动程度，但是液体晃动会给气泡带来影响，使液体的晃动程度结果不准确。

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液体晃动检测方法与系统，所采用的技术方案具体如下：
[0005]第一方面，本专利技术实施例提供了一种基于人工智能的液体晃动检测方法，该方法包括：
[0006]将采集的背景图像和液体图像作差，得到变化图像,所述背景图像为器件放入液体前的静态图像，所述液体图像为所述器件放入所述液体后的动态图像；
[0007]根据所述变化图像的灰度共生矩阵，得到所述灰度共生矩阵的能量；
[0008]分析所述变化图像得到梯度图像，根据所述梯度图像的梯度共生矩阵，得到所述梯度共生矩阵的能量；
[0009]获取所述变化图像中气泡的ROI区域；
[0010]根据所述ROI区域的梯度共生矩阵，得到所述ROI区域的梯度共生矩阵的能量；
[0011]根据所述ROI区域的梯度共生矩阵的能量和所述ROI区域的面积占比得到模型修正系数；
[0012]结合由所述灰度共生矩阵的能量、所述梯度共生矩阵的能量和所述液体的密度所构建的初始液体晃动评分模型和所述模型修正系数得到液体晃动程度；所述液体晃动程度与所述灰度共生矩阵的能量、所述梯度共生矩阵的能量呈负相关关系，所述液体晃动程度与所述液体的密度呈正相关关系。
[0013]进一步地，所述初始液体晃动评分模型为：
[0014][0015]其中，Num为所述初始液体晃动程度；ρ
液
表示所述液体的密度；α为所述灰度共生矩
阵能量的权重系数；β为所述梯度共生矩阵能量的权重系数；En
P
为所述灰度共生矩阵的能量；En
Q
为所述梯度共生矩阵的能量。
[0016]进一步地，，所述模型修正系数的获取方法为：
[0017][0018]其中，k为所述模型修正系数；W为所述变化图像的宽；H为所述变化图像的高；w
m
为所述第m个所述ROI区域的宽；h
m
为第m个所述ROI区域的高，n为所述ROI区域的数量；为所述ROI区域的梯度共生矩阵的能量。
[0019]进一步地，所述气泡的ROI区域是利用帧差叠加和阈值分割的方法得到的。
[0020]进一步地，所述液体晃动程度是将所述初始液体晃动程度与模型修正系数相乘得到的。
[0021]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液体晃动检测系统，该系统包括：
[0022]图像处理单元，用于将采集的背景图像和液体图像作差，得到变化图像,所述背景图像为器件放入液体前的静态图像，所述液体图像为所述器件放入所述液体后的动态图像；
[0023]第一能量获取单元；用于根据所述变化图像的灰度共生矩阵，得到所述灰度共生矩阵的能量；
[0024]第二能量获取单元，用于分析所述变化图像得到梯度图像，根据所述梯度图像的梯度共生矩阵，得到所述梯度共生矩阵的能量；
[0025]区域获取单元，用于获取所述变化图像中气泡的ROI区域；
[0026]第三能量获取单元，用于根据所述ROI区域的梯度共生矩阵，得到所述ROI区域的梯度共生矩阵的能量；
[0027]修正系数获取单元，用于根据所述ROI区域的梯度共生矩阵的能量和所述所述ROI区域的面积占比得到模型修正系数；
[0028]晃动程度检测单元，用于结合由所述灰度共生矩阵的能量、所述梯度共生矩阵的能量和所述液体的密度所构建的初始液体晃动评分模型和所述模型修正系数得到液体晃动程度；所述液体晃动程度与所述灰度共生矩阵的能量、所述梯度共生矩阵的能量呈负相关关系，所述液体晃动程度与所述液体的密度呈正相关关系。
[0029]进一步地，所述晃动程度检测单元中所述初始液体晃动评分模型为：
[0030][0031]其中，Num为初始液体晃动程度；ρ
液
表示所述液体的密度；α为所述灰度共生矩阵能量值的权重系数；β为所述梯度共生矩阵能量值的权重系数；En
P
为所述灰度共生矩阵的能量值；En
Q
为所述梯度共生矩阵的能量。
[0032]进一步地，所述修正系数获取单元中所述模型修正系数为：
[0033][0034]其中，k为所述模型修正系数；W为所述变化图像的宽；H为所述变化图像的高；w
m
为
所述第m个所述ROI区域的宽；h
m
为第m个所述ROI区域的高，n为所述ROI区域的数量；为所述ROI区域的梯度共生矩阵的能量。
[0035]进一步地，所述区域获取单元中所述气泡的ROI区域是利用帧差叠加和阈值分割的方法得到的。
[0036]进一步地，所述晃动程度检测单元中所述液体晃动程度是将所述初始液体晃动程度与模型修正系数相乘得到的。
[0037]本专利技术实施例中至少存在以下有益效果：通过分析因液体晃动产生的变化图像的灰度信息和梯度信息，结合由气泡的特征得到模型修正系数，能够建立一个鲁棒性和准确性更高的液体晃动评分模型，进而能够减少结果误差，得到一个更准确的检测结果。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0039]图1为本专利技术一个实施例所提供的一种基于人工智能的液体晃动检测方法的流程图；
[0040]图2为本专利技术一个实施例所提供的一种基于人工智能的液体晃动检测方法的步骤流程图；
[0041]图3为本专利技术另一个实施例所提供的一种基于人工智能的液体晃动检测系统的结构框图。
具体实施方式
[0042]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于人工智能的液体晃动检测方法与系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的液体晃动检测方法，其特征在于，该方法包括：将采集的背景图像和液体图像作差，得到变化图像,所述背景图像为器件放入液体前的静态图像，所述液体图像为所述器件放入所述液体后的动态图像；根据所述变化图像的灰度共生矩阵，得到所述灰度共生矩阵的能量；分析所述变化图像得到梯度图像，根据所述梯度图像的梯度共生矩阵，得到所述梯度共生矩阵的能量；获取所述变化图像中气泡的ROI区域；根据所述ROI区域的梯度共生矩阵，得到所述ROI区域的梯度共生矩阵的能量；根据所述ROI区域的梯度共生矩阵的能量和所述ROI区域的面积占比得到所述模型修正系数；结合由所述灰度共生矩阵的能量、所述梯度共生矩阵的能量和所述液体的密度所构建的初始液体晃动评分模型和所述模型修正系数得到液体晃动程度；所述液体晃动程度与所述灰度共生矩阵的能量、所述梯度共生矩阵的能量呈负相关关系，所述液体晃动程度与所述液体的密度呈正相关关系。2.如权利要求1所述的方法，其特征在于，所述初始液体晃动评分模型为：其中，Num为所述初始液体晃动程度；ρ
液
表示所述液体的密度；α为所述灰度共生矩阵能量的权重系数；β为所述梯度共生矩阵能量的权重系数；En
P
为所述灰度共生矩阵的能量；En
Q
为所述梯度共生矩阵的能量。3.如权利要求1所述的方法，其特征在于，所述模型修正系数的获取方法为：其中，k为所述模型修正系数；W为所述变化图像的宽；H为所述变化图像的高；w
m
为所述第m个所述ROI区域的宽；h
m
为第m个所述ROI区域的高，n为所述ROI区域的数量；为所述ROI区域的梯度共生矩阵的能量。4.如权利要求1所述的方法，其特征在于，所述气泡的ROI区域是利用帧差叠加和阈值分割的方法得到的。5.如权利要求1所述的方法，其特征在于，所述液体晃动程度是将所述初始液体晃动程度与模型修正系数相乘得到的。6.一种基于人工智能的液体晃动检测系统，其特征在于，该系统包括：图像处理单元，用于将采集的背景图像和液体图像作差，得到变化图像...

【专利技术属性】
技术研发人员：林国桥，刘啟平，丁群芬，
申请(专利权)人：郑州迈拓信息技术有限公司，
类型：发明
国别省市：