一种基于深度学习的密闭容器气密性水检方法技术

本发明专利技术公开了一种基于深度学习的密闭容器气密性水检方法，包括步骤：1、采气泡的图像；2、对气泡的图像进行数据增强；3、使用labelimg标注软件对所有气泡的图像进行标注形成气泡图像的数据集，将数据集划分成训练集、验证集和测试集；4、在YOLOv5s中增加注意力机制模块、多尺度检测、损失函数优化和模型压缩，用数据集对改进的YOLOv5s进行训练与测试，得到训练好的气泡检测网络模型；5、将训练好的气泡检测网络模型部署于电脑上，将待测密闭容器浸入水中，往容器中充入压缩气体，拍摄水下图像并传送到工业电脑，若检测到气泡图像则说明密闭容器发生泄漏，根据检测到的气泡数量和位置，判断密闭容器泄露位置和泄漏量的大小，提高了检测精度和检测效率。测精度和检测效率。测精度和检测效率。

【技术实现步骤摘要】
一种基于深度学习的密闭容器气密性水检方法


[0001]本专利技术属于目标检测
，具体是一种基于深度学习的密闭容器气密性水检方法。

技术介绍

[0002]密闭容器是广泛应用于人民生活和工业生产中的一种设备，为确保产品质量、保障使用人员安全，工厂在生产密闭容器时都需要进行气密性检测，所以针对于气密性检测方法的研究是工业生产领域的一个重要课题。一种便捷高效的气密性检测方法对提高企业的生产效率、完善生产工艺、减少企业成本具有积极的现实意义。
[0003]传统的气密性水检法技术难度较小，技术与设备投入低，而且能够大致判断出泄漏量并直接判断泄露地点的具体位置，所以目前仍有大部分中小企业使用浸水气泡法进行气密性检测。但是，传统的水检法也存在一些缺点：一方面，由于是人眼观察气泡，其判断准确率具有人为主观性，会产生一些误判；另一方面，随着工人长时间进行检测工作，会导致人眼疲劳，拖长检测速度。可见，传统的气密性水检法生产效率低、人工成本较高，无法进行批量化气密性检测与泄漏状况记录，不适用于实际应用中的大规模批量检测。
[0004]因此，基于机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的密闭容器气密性水检方法，其特征在于，包括如下步骤：步骤1、采集密闭容器在水下发生泄漏时所产生的气泡的图像；步骤2、对气泡的图像进行数据增强；步骤3、使用labelimg标注软件对所有气泡的图像进行标注形成气泡图像的数据集，将数据集划分成训练集、验证集和测试集；步骤4、先在YOLOv5s中增加注意力机制模块、多尺度检测、损失函数优化和模型压缩，形成改进的YOLOv5s，然后使用气泡图像的数据集对改进的YOLOv5s进行训练与测试，得到训练好的气泡检测网络模型；步骤5、先将训练好的气泡检测网络模型部署于工业电脑上，再将待测的密闭容器浸入水中，并往容器中充入压缩气体，接着用工业相机拍摄水下图像并传送到工业电脑上，若检测到气泡图像，则说明密闭容器发生泄漏，最后根据检测到的气泡数量和位置，判断密闭容器泄露位置和泄漏量的大小。2.根据权利要求1所述的基于深度学习的密闭容器气密性水检方法，其特征在于，所述步骤2采用HSV数据增强、噪声数据增强和模糊处理对气泡的图像进行数据增强。3.根据权利要求1所述的基于深度学习的密闭容器气密性水检方法，其特征在于，所述步骤3按照比例8：1：1将数据集划分为训练集、验证集和测试集。4.根据权利要求1所述的基于深度学习的密闭容器气密性水检方法，其特征在于，所述步骤4中的注意力机制模块是指添加在YOLOv5s的CSP1模块中的NCAM模块，其包含坐标平均池化和基于BN层缩放因子的通道加权两个子结构，其对特征图的处理过程为：4.1.1)、采用大小为(H，1)和(1，W)的池化核分别对于输入特征图进行水平和垂直两个方向上的平均池化，对于输入特征图X，其在垂直方向上第c个通道的输出可以表示为：对于输入特征图X，其在水平方向上第c个通道的输出可以表示为：公式(1)和(2)将输入特征从不同方向进行集成编码使网络能够准确快速地定位泄漏点，式中：H，W分别表示输入特征图X的高和宽，x
c
(h,i)表示输入特征图X在第c个通道的第h行第i列的输入值，为输入特征图X第c个通道第h行对应的输出值，x
c
(j,w)表示输入特征图X在第c个通道的第j行第w列的输入值，为输入特征图X在第c个通道第w列对应的输出值；4.1.2)、为了加强两个方向上特征信息的联系，先将公式(1)和(2)的输出进行连接，再对连接后的特征图使用1
×
...

【专利技术属性】
技术研发人员：张玉成，姚晓凯，田佳敏，喻海霞，王源，周婷，
申请(专利权)人：西京学院，
类型：发明
国别省市：