基于人工智能的浑浊水体中工件检测优化方法技术

本发明专利技术涉及人工智能技术领域，具体涉及基于人工智能的浑浊水体中工件检测优化方法。该方法首先采集水体图像，对水体图像利用暗通道算法计算得到目标背景光像素点和对应的目标灰度值，对水体图像进行灰度化以及顶帽运算得到噪点效果图，对噪点效果图进行融合得到背景融合图和对应的背景模板帧数量，构建背景模板帧数量的关系模型。由背景融合图和噪点效果图得到前景图像，对前景图像进行融合得到融合前景图像，获取融合前景图像的气泡轨迹线和对应的强度特征值，获取最大强度特征值对应的前景图像帧数量，构建前景图像帧数量的关系模型。本发明专利技术使在不同浑浊度下采集到的水体图像均能准确反映出气泡特征，提升了水体中的工件气密性检测的准确性。密性检测的准确性。密性检测的准确性。

【技术实现步骤摘要】
基于人工智能的浑浊水体中工件检测优化方法


[0001]本专利技术涉及人工智能
，具体涉及基于人工智能的浑浊水体中工件检测优化方法。

技术介绍

[0002]近年来，随着航空、航天工业技术的进步，人们对气密性检测技术及装备的要求也走向一个新的高度。在气密性检测中，传统的泡水检漏方法为在待检工件中冲入一定压力的气体后将工件放入水或者其他液体中，再对液体中的被测工件进行观察。
[0003]现有技术大多是通过相机获取图像采用帧差法来对工件气密性进行检测，如水体中有气泡溢出，则表明工件泄漏，是不合格工件，而冒出气泡的点就是泄漏点。
[0004]上述现有技术存在以下缺陷：通过相机获取图像来对工件气密性进行检测，随着时间的推移，水体中的杂质和工件上附着的杂质会使水体逐渐浑浊，而水体浑浊后气泡会变得不明显，会影响到工件气密性的检测结果。采用传统的帧差法只经过简单的帧叠加很难得到浑浊水体下的气泡轨迹线且叠加后噪声过多会严重影响判断结果。

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浑浊水体中工件检测优化方法，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浑浊水体中工件检测优化方法，该方法包括以下步骤：
[0007]获取不同浑浊程度下的多张水体图像；
[0008]基于预设的暗通道算法，对所述水体图像进行背景像素点提取，获取目标背景光像素点，并获取所述目标背景光像素点的目标灰度值；/>[0009]将所述水体图像进行灰度化并进行顶帽运算，得到噪点效果图；
[0010]基于相关噪点效果图之间的相似性，依次对各噪点效果图进行融合，当所述噪点效果图对应的相似性趋于稳定时融合结束，获取融合之后得到的背景融合图，以及图像融合数量，得到背景模板帧数量；
[0011]构建不同浑浊程度下所述目标灰度值和所述背景模板帧数量的关系模型；
[0012]将所述背景融合图与各所述噪点效果图进行作差运算，得到前景图像；
[0013]依次对各所述前景图像进行融合，其中，对于任意一次前景图像融合过程，将当前次需要融合的前景图像与上一次融合得到的融合前景图像进行融合时，识别得到该次融合得到的融合前景图像中的气泡轨迹线，并获取所述气泡轨迹线的平均灰度值，基于当前融合前景图像的平均灰度值，得到该次融合对应的表征气泡特征强度的强度特征值；从得到的多个强度特征值中获取强度特征最大值，获取所述强度特征最大值对应的前景图像的图像融合数量，得到前景图像帧数量；
[0014]构建不同浑浊程度下所述目标灰度值、所述背景模板帧数量和所述前景图像帧数
量的关系模型。
[0015]优选的，所述基于预设的暗通道算法，对所述水体图像进行背景像素点提取，获取目标背景光像素点，包括：
[0016]对于所述水体图像中的任意一个像素点，该像素点的暗通道值的计算公式如下：
[0017][0018]其中，p(i,j)表示在所述水体图像中取得的对应的像素点，x表示第x个像素点，I
dark(r)
(x)表示红通道的单分量暗通道的值，I
dark(g)
(x)表示绿通道的单分量暗通道的值，I
dark(b)
(x)表示蓝通道的单分量暗通道的值；
[0019]所述单分量暗通道的值的计算公式如下：
[0020][0021]其中，I
dark(c)
(x)表示单分量暗通道的值，Ω(x)表示第x个像素点处的局部块，I
c
(y)表示局部块内单分量暗通道的值；
[0022]获取所述水体图像中最小的暗通道值对应的像素点，为所述目标背景光像素点。
[0023]优选的，所述将所述水体图像进行灰度化并进行顶帽运算，得到噪点效果图之后，还包括：
[0024]按照所述水体图像采集的先后顺序对各所述噪点效果图进行分组，每组包括相邻的两个所述噪点效果图；
[0025]保留各组的两个所述噪点效果图中的平均灰度值较小的所述噪点效果图，并按照所述水体图像采集的先后顺序对保留的各噪点效果图进行排序，得到各帧所述噪点效果图。
[0026]优选的，所述基于相关噪点效果图之间的相似性，依次对各噪点效果图进行融合，当噪点效果图对应的相似性趋于稳定时融合结束，获取融合之后得到的背景融合图，以及图像融合数量，得到背景模板帧数量，包括：
[0027]采用以下计算公式对各噪点效果图进行融合：
[0028]F
i+1
＝α
i
F
i
+(1
‑
α
i
)f
i+1
[0029]其中，F
i+1
表示第i+1帧所述噪点效果图与前i帧所述噪点效果图融合后的所述背景融合图；F
i
为前i帧所述噪点效果图融合后的所述背景融合图；f
i+1
为第i+1帧所述噪点效果图；α
i
为背景衰减系数；
[0030]所述背景衰减系数的计算过程包括：
[0031]α
i
为第i+1帧所述噪点效果图与前i帧所述噪点效果图中每帧噪点效果图的相似度的平均值；
[0032]若α
i
与α
i
‑1的差值的绝对值和α2与α1的差值的绝对值的比值小于预设差值百分比，表示所述噪点效果图对应的相似性趋于稳定，获取得到的融合之后的背景融合图为前i+1帧图像进行融合得到的背景融合图，所述背景模板帧数量为i+1。
[0033]优选的，所述相似度，包括：
[0034]采用归一化互相关匹配算法计算两帧噪点效果图之间的相似性，其中，归一化互相关匹配算法中采用噪声点连通域进行互相关运算。
[0035]优选的，所述构建不同浑浊程度下所述目标灰度值和所述背景模板帧数量的关系
模型，包括：
[0036]所述背景模板帧数量的关系模型为：
[0037][0038]其中，g
p
表示所述目标灰度值；m
j
表示所述背景模板帧数量；A,B,C表示相对应的模型优化系数。
[0039]优选的，所述将所述背景融合图与各所述噪点效果图进行作差运算，得到前景图像之后，还包括：
[0040]按照各所述噪点效果图的先后顺序对各前景图像进行分组，每组包括相邻的两帧所述前景图像；
[0041]保留各组的两帧所述前景图像中的平均灰度值较大的初始图像，并按照所述各噪点效果图的先后顺序对保留的各所述前景图像进行排序，得到各帧前景图像。
[0042]优选的，所述识别得到该次融合得到的融合前景图像中的气泡轨迹线，包括：
[0043]对所述融合前景图像进行边缘检测，得到边缘图；
[0044]基于霍夫直线检测算法，将所述边缘图转换到霍夫空间，获取所述霍夫空间内角度为90...

【技术保护点】

【技术特征摘要】
1.基于人工智能的浑浊水体中工件检测优化方法，其特征在于，该方法包括以下步骤：获取不同浑浊程度下的多张水体图像；基于预设的暗通道算法，对所述水体图像进行背景像素点提取，获取目标背景光像素点，并获取所述目标背景光像素点的目标灰度值；将所述水体图像进行灰度化并进行顶帽运算，得到噪点效果图；基于相关噪点效果图之间的相似性，依次对各噪点效果图进行融合，当所述噪点效果图对应的相似性趋于稳定时融合结束，获取融合之后得到的背景融合图，以及图像融合数量，得到背景模板帧数量；构建不同浑浊程度下所述目标灰度值和所述背景模板帧数量的关系模型；将所述背景融合图与各所述噪点效果图进行作差运算，得到前景图像；依次对各所述前景图像进行融合，其中，对于任意一次前景图像融合过程，将当前次需要融合的前景图像与上一次融合得到的融合前景图像进行融合时，识别得到该次融合得到的融合前景图像中的气泡轨迹线，并获取所述气泡轨迹线的平均灰度值，基于当前融合前景图像的平均灰度值，得到该次融合对应的表征气泡特征强度的强度特征值；从得到的多个强度特征值中获取强度特征最大值，获取所述强度特征最大值对应的前景图像的图像融合数量，得到前景图像帧数量；构建不同浑浊程度下所述目标灰度值、所述背景模板帧数量和所述前景图像帧数量的关系模型。2.根据权利要求1所述的基于人工智能的浑浊水体中工件检测优化方法，其特征在于，所述基于预设的暗通道算法，对所述水体图像进行背景像素点提取，获取目标背景光像素点，包括；对于所述水体图像中的任意一个像素点，该像素点的暗通道值的计算公式如下：其中，p(i,j)表示在所述水体图像中取得的对应的像素点，x表示第x个像素点，I
dark(r)
(x)表示红通道的单分量暗通道的值，I
dark(g)
(x)表示绿通道的单分量暗通道的值，I
dark(b)
(x)表示蓝通道的单分量暗通道的值；所述单分量暗通道的值的计算公式如下：其中，I
dark(c)
(x)表示单分量暗通道的值，Ω(x)表示第x个像素点处的局部块，I
c
(y)表示局部块内单分量暗通道的值；获取所述水体图像中最小的暗通道值对应的像素点，为所述目标背景光像素点。3.根据权利要求1所述的基于人工智能的浑浊水体中工件检测优化方法，其特征在于，所述将所述水体图像进行灰度化并进行顶帽运算，得到噪点效果图之后，还包括：按照所述水体图像采集的先后顺序对各所述噪点效果图进行分组，每组包括相邻的两个所述噪点效果图，保留各组的两个所述噪点效果图中的平均灰度值较小的所述噪点效果图，并按照所述水体图像采集的先后顺序对保留的各噪点效果图进行排序，得到各帧所述噪点效果图。4.根据权利要求1所述的基于人工智能的浑浊水体中工件检测优化方法，其特征在于，
所述基于相关噪点效果图之间的相似性，依次对各噪点效果图进行融合，当噪点效果图对应的相似性趋于稳定时融合结束，获取融合之后得到的背景融合图，以及图像融合数量，得到背景模板帧数量，包括：采用以下计算公式对各噪点效果图进行融合：F
i+1
＝α
i
F
i
+(1
‑
α
i
)f
i+1
其中，F<...

【专利技术属性】
技术研发人员：黄贤明，
申请(专利权)人：沭阳天勤工具有限公司，
类型：发明
国别省市：