基于机器视觉的器件气孔大小估计方法及系统技术方案

本发明专利技术提供了一种基于机器视觉的器件气孔大小估计方法及系统，其中，该方法包括：检测池中包括水体和有倾斜面的待检测器件，对待检测器件进行充气后，获取检测池图像，所述检测池图像垂直于水体水平面和待检测器件的倾斜面；在连续帧检测池图像中检测气泡，根据气泡的运动特征进行待检测器件气孔大小的估计；所述气泡的运动特征包括表征单个气泡沿倾斜面上升过程中面积变化情况的第一特征、表征气泡轨迹弯曲度的第二特征和表征气泡脱离倾斜面之前单个气泡沿倾斜面上升长度的第三特征。本发明专利技术能够准确的区分气孔较小和气孔较大时气泡动态特性，保证对器件的气孔大小进行准确估计。计。

【技术实现步骤摘要】
基于机器视觉的器件气孔大小估计方法及系统


[0001]本专利技术涉及气密性检测领域，具体为一种基于机器视觉的器件气孔大小估计方法及系统。

技术介绍

[0002]气密性检测中，对器件气孔缺陷大小的检测也是重要的检测指标。针对器件气孔缺陷大小的问题，气压检测法通过容器压强和充气压差等指标可以对缺陷大小进行定量分析，但该方法由于不能准确获取气孔泄漏气体量，往往会导致最终得到的气孔缺陷大小存在偏差。

技术实现思路

[0003]为了解决上述问题，本专利技术提出一种基于机器视觉的器件气孔大小估计方法，该方法包括：
[0004]检测池中包括水体和有倾斜面的待检测器件，对待检测器件进行充气后，获取检测池图像，所述检测池图像垂直于水体水平面和待检测器件的倾斜面；
[0005]在连续帧检测池图像中检测气泡，根据气泡的运动特征进行待检测器件气孔大小的估计；所述气泡的运动特征包括表征单个气泡沿倾斜面上升过程中面积变化情况的第一特征和表征气泡轨迹弯曲度的第二特征。
[0006]进一步地，所述气泡的运动特征还包括表征气泡脱离倾斜面之前单个气泡沿倾斜面上升长度的第三特征。
[0007]进一步地，利用神经网络对第一特征、第二特征和第三特征的值进行处理，估计待检测器件的气孔大小。
[0008]进一步地，所述神经网络为全连接网络。
[0009]进一步地，对于某一气泡，获取该气泡脱离倾斜面之前的检测池图像序列，根据检测池图像序列内每相邻两帧检测池图像中该气泡面积的差值得到的面积变化平均速率为第一特征。
[0010]本专利技术还提出一种基于机器视觉的器件气孔大小估计系统，该系统包括：
[0011]图像获取模块，用于对待检测器件进行充气后，获取检测池图像，检测池中包括水体和有倾斜面的待检测器件，所述检测池图像垂直于水体水平面和待检测器件的倾斜面；
[0012]气孔大小估计模块，用于在连续帧检测池图像中检测气泡，根据气泡的运动特征进行待检测器件气孔大小的估计；所述气泡的运动特征包括表征单个气泡沿倾斜面上升过程中面积变化情况的第一特征和表征气泡轨迹弯曲度的第二特征。
[0013]进一步地，所述气泡的运动特征还包括表征气泡脱离倾斜面之前单个气泡沿倾斜面上升长度的第三特征。
[0014]进一步地，利用神经网络对第一特征、第二特征和第三特征的值进行处理，估计待检测器件的气孔大小。
[0015]进一步地，所述神经网络为全连接网络。
[0016]进一步地，对于某一气泡，获取该气泡脱离倾斜面之前的检测池图像序列，根据检测池图像序列内每相邻两帧检测池图像中该气泡面积的差值得到的面积变化平均速率为第一特征。
[0017]本专利技术的有益效果在于：
[0018]1.本专利技术基于气泡的轨迹特征，具体地，根据单个气泡沿倾斜面上升的长度、沿倾斜面上升过程中面积变化情况以及气泡轨迹的弯曲度可准确估计有倾斜面的待检测器件上气孔缺陷的大小。
[0019]2.基于单个气泡沿倾斜面上升的长度估计待检测器件的气孔大小，相较于现有技术，本专利技术能够准确的区分气孔较小和气孔较大时气泡动态特性，例如气泡堆积情况的差异，保证对器件的气孔大小进行准确估计。
具体实施方式
[0020]为了让本领域技术人员更好的理解本专利技术，下面结合实施例对本专利技术进行详细描述。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0021]实施例一：
[0022]该实施例针对的应用场景为：在气密性检测池中对单一器件进行气密性检测，且单一器件为有倾斜面的器件，水池灯光稳定且最佳，在进行气孔定位和气孔大小估计的过程中不考虑水体晃动的影响。气密性检测池内采用对器件进行连续不断充气，观察是否有气泡产生的方式，进行气密性检测，保证器件内部气压稳定不变，不考虑温度和水体浑浊对气密性检测的影响。
[0023]该实施例的主要目的为：对气密性检测池内的器件进行缺陷气孔检测后，估计缺陷气孔的大小。
[0024]基于上述应用场景和目的，该实施例提供了一种基于机器视觉的器件气孔大小估计方法，具体地，该方法包括：
[0025]步骤S1，检测池中包括水体和有倾斜面的待检测器件，对待检测器件进行充气后，获取检测池图像，所述检测池图像垂直于水体水面和待检测器件的倾斜面。
[0026]通过相机获取连续多帧检测池正视图像，实施例中采集检测池图像的频率为10帧/秒；为了更好的提取气泡特征，实施例中在检测池图像中进行先验ROI区域的划分，获取ROI图像，ROI图像中仅包括待检测器件和待检测器件周围的水体区域，且在待检测器件周围的水体区域中要能观察到气泡竖直上升的现象。
[0027]为了减少图像噪声对图像特征的影响，提高最后估计的气孔大小的准确率，实施例中对，ROI图像进行预处理，优选地，实施例中预处理操作为去噪处理，具体地，中值滤波克服了线性滤波器带来的图像模糊的影响，能够较好的保留图像的边缘信息，从而消除孤立的噪声点对实验造成的影响，因此实施例中采用中值滤波进行图像去噪。
[0028]步骤S2，在连续帧检测池图像中检测气泡，根据气泡的运动特征进行待检测器件气孔大小的估计；所述气泡的运动特征包括表征单个气泡沿倾斜面上升过程中面积变化情况的第一特征、表征气泡轨迹弯曲度的第二特征和表征气泡脱离倾斜面之前单个气泡沿倾
斜面上升长度的第三特征。
[0029]a)在连续帧检测池图像中检测气泡：
[0030]对预处理后的ROI图像进行灰度化处理后，为了后续更好的获取气泡的移动特性，实施例中利用边缘检测算法分别获取器件和气泡的边缘轮廓信息，由于Canny算子对边缘细节反应准确，定位精度高，优选地，实施例采用高阈值为0.1，低阈值为0.04的Canny算子完成边缘检测，即梯度值大于高阈值的像素点为气泡边缘像素点，梯度值小于低阈值的像素点为待检测器件边缘像素点，提取气泡和待检测器件的边缘信息。在每帧ROI图像中基于提取的气泡边缘信息进行气泡连通域检测。
[0031]b)获取第一特征、第二特征和第三特征的值：
[0032]当待检测器件的倾斜面上有气孔缺陷，且当气孔较小时，气泡的运动特性为：先在气孔附近进行不断堆积，堆积气泡的体积越来越大，然后剥离气孔，沿着器件的倾斜面上升，上升过程中气泡的面积缓慢变大，上升到一定高度后再垂直向上冒出；当气孔较大时，气泡的运动特性为：一部分气泡从气孔倾斜上升，一部分气泡沿着斜面上升然后再垂直向上冒出，可能出现多个气泡的上升轨迹且气泡轨迹出现弯曲，随着气孔越来越大，气泡轨迹的弯曲程度会不断变小。因此，本专利技术中根据第一特征、第二特征和第三特征的值进行气孔大小的估计。
[0033]获取第一特征、第二特征和第三特征的值之前，首先寻找气孔处产生气泡的初始位置点，以及单个气泡脱离倾斜面时的脱离位置点；具体地，气泡的初始位置点的获取方法为：对于采集的任意一帧RO本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的器件气孔大小估计方法，其特征在于，该方法包括：检测池中包括水体和有倾斜面的待检测器件，对待检测器件进行充气后，获取检测池图像，所述检测池图像垂直于水体水平面和待检测器件的倾斜面；在连续帧检测池图像中检测气泡，根据气泡的运动特征进行待检测器件气孔大小的估计；所述气泡的运动特征包括表征单个气泡沿倾斜面上升过程中面积变化情况的第一特征和表征气泡轨迹弯曲度的第二特征。2.如权利要求1所述的方法，其特征在于，所述气泡的运动特征还包括表征气泡脱离倾斜面之前单个气泡沿倾斜面上升长度的第三特征。3.如权利要求2所述的方法，其特征在于，利用所述神经网络对第一特征、第二特征和第三特征的值进行处理，估计待检测器件的气孔大小。4.如权利要求3所述的方法，其特征在于，所述神经网络为全连接网络。5.如权利要求4所述的方法，其特征在于，对于某一气泡，获取该气泡脱离倾斜面之前的检测池图像序列，根据检测池图像序列内每相邻两帧检测池图像中该气泡面积的差值得到的面积变化平均速率为第一特征。6.一种基于机器视觉的器件...

【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：