一种基于人工智能的气密性测试中的气孔定位方法及系统技术方案

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气密性测试中的气孔定位方法及系统。该方法包括以下步骤：利用第一相机采集检测池正面的第一图像，第二相机采集检测池侧面的第二图像；获取上述图像的二值图，并通过二值图获取相应的感兴趣区域图像；将感兴趣区域图像转换为灰度图，获取平均灰度差；利用帧差法得到含有气泡轨迹线的目标图像，获取气泡轨迹线与检测池的正面和侧面的深度距离；根据平均灰度差和深度距离补偿调节第一相机和第二相机以使二者曝光量相同；调节后继续采集水体图像，进而获取相应的补偿调节后的深度距离，以得到准确的气孔坐标。本发明专利技术实施例能够消除不同水深带来的亮度差异造成的误差，使气孔定位更加准确。气孔定位更加准确。气孔定位更加准确。

【技术实现步骤摘要】
一种基于人工智能的气密性测试中的气孔定位方法及系统


[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气密性测试中的气孔定位方法及系统。

技术介绍

[0002]在工件气密性检测的浸水气泡法中，通常是在密闭的工件腔体内通入一定压力的气体，然后将工件沉放入水中或者其他液体内来观察是否有气泡冒出。当观察到有气泡冒出时，往往最关心的问题就是如何根据气泡位置确定工件的漏气孔的位置。
[0003]专利技术人在实践中，发现上述现有技术存在以下缺陷：
[0004]现阶段针对浸水气泡法的气孔定位相当困难，常规的深度相机由于装置玻璃的反射也很难发挥作用。其次，对气泡进行多视角的相机定位时，往往会忽略气泡与相机间的水深差异，水越深的地方光线照射就越困难，造成成像的偏差，给最后的计算结果带来一定误差。

技术实现思路

[0005]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气密性测试中的气孔定位方法及系统，所采用的技术方案具体如下：
[0006]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气密性测试中的气孔定位方法，该方法包括以下步骤：
[0007]利用第一相机采集检测池的正面的第一图像，第二相机采集检测池的侧面的第二图像；
[0008]分别通过语义分割网络获取第一图像和第二图像的二值图，并通过二值图获取相应的感兴趣区域图像；
[0009]将感兴趣区域图像转换为灰度图，获取第一图像和第二图像的灰度图的平均灰度差；
[0010]选择多帧第一图像或者第二图像作为原始目标图像，利用帧差法得到含有气泡轨迹线的帧差图像，根据帧差图像与原始目标图像得到含有气泡轨迹线的目标图像，通过关键点检测网络获取目标图像中的关键点坐标，关键点坐标包括气泡轨迹线与被测工件的表面的交点；分别获取交点与检测池的正面和侧面的深度距离；
[0011]根据平均灰度差和深度距离分别获得第一相机的第一理想图像灰度和第二相机的第二理想图像灰度，并根据第一理想图像灰度和第二理想图像灰度补偿调节第一相机和第二相机的光圈系数，以使第一相机和第二相机的曝光量相同；
[0012]利用调节后的第一相机和第二相机采集水体图像，进而获取相应的补偿调节后的深度距离，以得到准确的气孔坐标。
[0013]优选的，获取平均灰度差的步骤包括：
[0014]分别统计第一图像的灰度图和第二图像的灰度图中每个像素的灰度值，将所有像
素的灰度值的和除以像素数量，获得第一图像灰度图的第一平均灰度和第二图像灰度图的第二平均灰度；
[0015]将第一平均灰度与第二平均灰度相减的绝对值作为所述平均灰度差。
[0016]优选的，深度距离的获取步骤包括：
[0017]将交点记为点P，将被测工件平面远离相机侧的边在所选择的图像中与两侧池壁的交点分别记为点S1和点S2，以点P、点S1和点S2作为关键点进行检测；
[0018]通过关键点之间的距离计算出交点P与检测池正面和检测池侧面之间的深度距离。
[0019]优选的，理想图像灰度获取步骤包括：
[0020]建立理想图像灰度随水深变化的模型：
[0021][0022]其中，g
wj
表示第j相机的理想图像灰度，g0表示第j相机所拍摄的不含水体的检测池的图像的灰度，ρ表示水体的菲涅尔反射率，n
w
表示水和玻璃壁交界处的折射率，表示亮度随水深的平均变化系数，w
j
表示被测工件与检测池正面或者侧面的深度距离，δ表示光在水中的亮度漫衰减系数。
[0023]通过模型计算第一理想图像灰度g
w1
和第二理想图像灰度g
w2
。
[0024]优选的，补偿调节的步骤包括：
[0025]通过曝光量与像场照度之间对应的数学关系补偿调节第一相机和第二相机的光圈系数，其中像场照度：
[0026]E
j
＝kg
wj
/A2[0027]其中，E
j
表示第j相机的像场照度，A表示光圈系数，k表示比例常数；
[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气密性测试中的气孔定位系统，该系统包括以下模块：
[0029]图像采集模块，用于利用第一相机采集检测池的正面的第一图像，第二相机采集检测池的侧面的第二图像；
[0030]感兴趣区域获取模块，用于分别通过语义分割网络获取第一图像和第二图像的二值图，并通过二值图获取相应的感兴趣区域图像；
[0031]平均灰度差获取模块，用于将感兴趣区域图像转换为灰度图，获取第一图像和第二图像的灰度图的平均灰度差；
[0032]深度距离获取模块，用于选择多帧第一图像或者第二图像作为原始目标图像，利用帧差法得到含有气泡轨迹线的帧差图像，根据帧差图像与原始目标图像得到含有气泡轨迹线的目标图像，通过关键点检测网络获取目标图像中的关键点坐标，关键点坐标包括气泡轨迹线与被测工件的表面的交点；分别获取交点与检测池的正面和侧面的深度距离；
[0033]补偿调节模块，用于根据平均灰度差和深度距离分别获得第一相机的第一理想图像灰度和第二相机的第二理想图像灰度，并根据第一理想图像灰度和第二理想图像灰度补偿调节第一相机和第二相机的光圈系数，以使第一相机和第二相机的曝光量相同；
[0034]气孔坐标获取模块，用于利用调节后的第一相机和第二相机采集水体图像，进而获取相应的补偿调节后的深度距离，以得到准确的气孔坐标。
[0035]优选的，平均灰度差获取模块还包括：
[0036]平均灰度获取模块，用于分别统计第一图像的灰度图和第二图像的灰度图中每个像素的灰度值，将所有像素的灰度值的和除以像素数量，获得第一图像灰度图的第一平均灰度和第二图像灰度图的第二平均灰度；
[0037]平均灰度差计算模块，用于将第一平均灰度与第二平均灰度相减的绝对值作为所述平均灰度差。
[0038]优选的，深度距离获取模块还包括：
[0039]关键点检测模块，用于将交点记为点P，将被测工件平面远离相机侧的边在所选择的图像中与两侧池壁的交点分别记为点S1和点S2，以点P、点S1和点S2作为关键点进行检测；
[0040]深度距离计算模块，用于通过关键点之间的距离计算出交点P与检测池正面和检测池侧面之间的深度距离。
[0041]优选的，补偿调节模块还包括理想图像灰度获取模块，用于建立理想图像灰度随水深变化的模型：
[0042][0043]其中，g
wj
表示第j相机的理想图像灰度，g0表示第j相机所拍摄的不含水体的检测池的图像的灰度，ρ表示水体的菲涅尔反射率，n
w
表示水和玻璃壁交界处的折射率，表示亮度随水深的平均变化系数，w
j
表示被测工件与检测池正面或者侧面的深度距离，δ表示光在水中的亮度漫衰减系数。
[0044]通过模型计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的气密性测试中的气孔定位方法，其特征在于，该方法包括以下步骤：利用第一相机采集检测池的正面的第一图像，第二相机采集所述检测池的侧面的第二图像；分别通过所述语义分割网络获取所述第一图形和第二图像的二值图，并通过所述二值图获取相应的感兴趣区域图像；将所述感兴趣区域图像转换为灰度图，获取所述第一图像和所述第二图像的灰度图的平均灰度差；选择多帧所述第一图像或者所述第二图像作为原始目标图像，利用帧差法得到含有气泡轨迹线的帧差图像，根据所述帧差图像与所述原始目标图像得到含有气泡轨迹线的目标图像，通过关键点检测网络获取所述目标图像中的关键点坐标，所述关键点坐标包括气泡轨迹线与被测工件的表面的交点；分别获取所述交点与所述检测池的正面和侧面的深度距离；根据所述平均灰度差和所述深度距离分别获得所述第一相机的第一理想图像灰度和所述第二相机的第二理想图像灰度，并根据所述第一理想图像灰度和所述第二理想图像灰度补偿调节所述第一相机和第二相机的光圈系数，以使所述第一相机和第二相机的曝光量相同；利用调节后的所述第一相机和所述第二相机采集水体图像，进而获取相应的补偿调节后的深度距离，以得到准确的气孔坐标。2.根据权利要求1所述的一种基于人工智能的气密性测试中的气孔定位方法，其特征在于，获取所述平均灰度差的步骤包括：分别统计所述第一图像的灰度图和所述第二图像的灰度图中每个像素的灰度值，将所有像素的灰度值的和除以像素数量，获得所述第一图像灰度图的第一平均灰度和所述第二图像灰度图的第二平均灰度；将所述第一平均灰度与所述第二平均灰度相减的绝对值作为所述平均灰度差。3.根据权利要求1所述的一种基于人工智能的气密性测试中的气孔定位方法，其特征在于，所述深度距离的获取步骤包括：将所述交点记为点P，将所述被测工件平面远离相机侧的边在所选择的图像中与两侧池壁的交点分别记为点S1和点S2，以所述点P、点S1和点S2作为关键点进行检测；通过关键点之间的距离计算出所述交点P与所述检测池正面和所述检测池侧面之间的深度距离。4.根据权利要求1所述的一种基于人工智能的气密性测试中的气孔定位方法，其特征在于，所述理想图像灰度获取步骤包括：建立理想图像灰度随水深变化的模型：其中，g
wj
表示第j相机的理想图像灰度，g0表示第j相机所拍摄的不含水体的检测池的图像的灰度，ρ表示水体的菲涅尔反射率，n
w
表示水和玻璃壁交界处的折射率，表示亮度随水深的平均变化系数，w
j
表示被测工件与检测池正面或者侧面的深度距离，δ表示光在水中
的亮度漫衰减系数；通过所述模型计算所述第一理想图像灰度g
w1
和所述第二理想图像灰度g
w2
。5.根据权利要求4所述的一种基于人工智能的气密性测试中的气孔定位方法，其特征在于，所述补偿调节的步骤包括：通过曝光量与像场照度之间对应的数学关系补偿调节所述第一相机和第二相机的光圈系数，其中所述像场照度：E
j
＝kg
wj
/A2其中，E
j
表示第j相机的像场照度，A表示光圈系数，k表示比例常数。6.一种基于人工智能的气密性测试中的气孔定位系统，其特征在于，该系统包括以下模块：图像采集模块，用于利用第一相机采集检测池的正面的第一...

【专利技术属性】
技术研发人员：刘啟平，赵华，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：