一种基于智能视觉算法的检测水泡方法及装置制造方法及图纸

本发明专利技术公开了一种基于智能视觉算法的检测水泡方法及装置，涉及计算机视觉技术领域，所述方法包括：采集水泡的连续图像；对连续图像做二值化处理；计算二值化图像的参数；初步筛选出候选气泡的连通域；计算连通域下的质心位置坐标；基于质心位置坐标组成集合；计算时序相邻的两集合任意元素间的传递概率；将质心坐标的集合中取出一点组成点集，计算气泡运动轨迹的概率；基于时间序列，遍历计算质心坐标的集合的气泡运动轨迹概率；当气泡运动轨迹概率大于预设经验阈值时，判断该轨迹为气泡轨迹，并将该点集所对应的所有连通域标注出来。本发明专利技术实施例可以高效地检测出图像中的水泡，避免了传统方法中可能存在的误检、漏检问题。漏检问题。漏检问题。

【技术实现步骤摘要】
一种基于智能视觉算法的检测水泡方法及装置


[0001]本专利技术涉及计算机视觉
，尤其涉及—种基于智能视觉算法检测水泡的方法。

技术介绍

[0002]水泡是很多工业过程中常出现的现象。当前，工业设备需要经常清洗或维护，而水泡的产生往是其中重要原因之—。如何快速、准确地检测水泡，是工业自动化水平提升的一项关键技术。当前,基于视觉技术的水泡检测方法已广泛应用于工业设备的维护和清洗中，但是现有方法大多无法准确地区分气泡和其他物体。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种基于智能视觉算法的检测水泡方法及装置可以高效且精确地检测出图像中的水泡，避免了传统方法中可能存在的误检、漏检的问题。
[0004]为了解决上述技术问题，本专利技术实施例提供了一种基于智能视觉算法的检测水泡方法，所述方法包括：采集N张包含水泡的连续图像，并对所述连续图像进行预处理，获得N幅的连续图像；对N幅的连续图像中的第n、n
‑
1、n
‑
2幅的连续图像做二值化处理，得到N
‑
2幅的二值化图像；基于轮廓提取算法计算所述二值化图像中的每一幅二值化图像的参数，并根据计算参数初步筛选出候选气泡的连通域；计算候选气泡的连通域下的每一个候选气泡的连通域质心位置坐标；基于每一幅的二值化图像的连通域质心位置坐标组成集合形成每一幅的二值化图像连通域质心坐标的集合Rn和Rn+1；计算时序相邻的两集合Rn与Rn+1任意元素间的传递概率；将每一幅的二值化图像的连通域质心坐标的集合中任意取出一点组成点集，基于传递概率计算该点集是气泡运动轨迹的概率；基于时间序列，遍历计算连通域质心坐标的集合的气泡运动轨迹概率；当气泡运动轨迹概率大于预设经验阈值时，判断该轨迹为气泡轨迹，并将该点集所对应的所有连通域进行标注。
[0005]优选的，所述采集N张包含水泡的连续图像，包括：使用高速相机捕捉得到一系列包含水泡连续的图像;或使用视频录制功能捕捉到水泡的变化过程，并通过截取录制的视频帧获得一系列包含水泡的连续图像。
[0006]优选的，所述对N幅的连续图像中的第n、n
‑
1、n
‑
2幅的连续图像做二值化处理，得
到N
‑
2幅的二值化图像，包括：对第n、n
‑
1、n
‑
2幅图像进行中心差分处理，得到三幅差分图像；将三幅差分图像进行二值化处理，得到三幅二值化图像；对三幅二值化图像进行形态学连通性处理，去除噪点和孤立点，得到三幅处理后的二值化图像；将处理后的三幅二值化图像合并，得到N
‑
2幅二值化图像。
[0007]优选的，所述计算候选气泡的连通域下的每一个候选气泡的连通域质心位置坐标，包括：将候选气泡所在的连通域内所有像素点的坐标值加权平均；假设候选气泡所在的连通域中共有n个像素点，每个像素点的坐标为 (()，则这些像素点的加权平均值，表示为：；其中，表示第i个像素点的权重，为该像素点的灰度值或者像素点与候选气泡中心点的距离的函数值。
[0008]优选的，所述基于每一幅的二值化图像的连通域质心位置坐标组成集合形成每一幅的二值化图像连通域质心坐标的集合Rn和Rn+1，所述Rn的表达式为：;上式中，为第n幅二值化图像第i个连通域质心坐标。
[0009]优选的，所述计算时序相邻的两集合Rn与Rn+1任意元素间的传递概率为：；上式中，为第n幅二值化图像第i个连通域与第n+1幅二值化图像第j个连通域是同一个水泡的概率大小；，为第n幅二值化图像第i个连通域质心坐标；，为第n幅二值化图像第j个连通域质心坐标；为第n幅二值化图像水泡上浮距离基准值；为第n幅二值化图像第i个连通域特征直径；为第n+1幅二值化图像第j个连通域特征直径；C为速度常数。
[0010]优选的，所述将每一幅的二值化图像的连通域质心坐标的集合中任意取出一点组成点集，基于传递概率计算该点集是气泡运动轨迹的概率，包括：所述气泡运动轨迹的概率为依时间序列，相邻两点间的传递概率的乘积：；
上式中，为{，....}点落在同一个气泡运动轨迹的概率；为第1，2幅二值化图像中第、点间的传递概率；为第2，3幅二值化图像中第、点间的传递概率；为第N
‑
3，N
‑
2幅二值化图像中第、点间的传递概率；为第n，n+1幅二值化图像中第、点间的传递概率。
[0011]优选的，所述基于时间序列，遍历计算各二值化图像的运动轨迹概率,包括：基于光流法或者特征点匹配方法将时间序列中的每个二值化图像进行运动轨迹提取；将提取出的运动轨迹进行聚类，得到不同的运动模式；计算每个运动模式在时间序列中出现的概率；将每个二值化图像的运动轨迹与不同运动模式的运动轨迹进行匹配，得到每个二值化图像所属的运动模式；基于每个二值化图像所属的运动模式计算出每个二值化图像的运动轨迹概率。
[0012]优选的，所述当气泡运动轨迹概率大于预设经验阈值时，判断该轨迹为气泡轨迹，并将所对应的所有连通域进行标注，包括：判断该点集概率值是否大于预设经验阈值，如果是，则将该点集标记为气泡轨迹；对于标记为气泡轨迹的点集，使用连通域算法将其所有连通域进行标注。
[0013]另外，本专利技术实施例还提供了一种基于智能视觉算法的检测水泡装置，所述装置包括：采集模块：用于采集N张包含水泡的连续图像，并对所述连续图像进行预处理，获得N幅的连续图像；处理模块：用于对N幅的连续图像中的第n、n
‑
1、n
‑
2幅的连续图像做二值化处理，得到N
‑
2幅的二值化图像；筛选模块：用于基于轮廓提取算法计算所述二值化图像中的每一幅二值化图像的参数，并根据计算参数初步筛选出候选气泡的连通域；第一计算模块：用于计算候选气泡的连通域下的每一个候选气泡的连通域质心位置坐标；组合模块：用于基于每一幅的二值化图像的连通域质心位置坐标组成集合形成每一幅的二值化图像连通域质心坐标的集合Rn和Rn+1；第二计算模块：用于计算时序相邻的两集合Rn与Rn+1任意元素间的传递概率；第三计算模块：用于将每一幅的二值化图像的连通域质心坐标的集合中任意取出一点组成点集，基于传递概率计算该点集是气泡运动轨迹的概率；第四计算模块：用于基于时间序列，遍历计算连通域质心坐标的集合的气泡运动轨迹概率；判断模块：用于当气泡运动轨迹概率大于预设经验阈值时，判断该轨迹为气泡轨迹，并将所对应的所有连通域进行标注。
[0014]本专利技术的有益效果是：可以高效且精确地检测出图像中的水泡，避免了传统方法中可能存在的误检、漏检等问题。该方法利用智能视觉算法，结合时间序列分析和候选气泡
筛选等技术，综合考虑了气泡的形态、位置和运动等因素，提高了水泡检测的准确率和稳定性，可广泛应用于水泡检测领域。
附图说明
[0015]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，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地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能视觉算法的检测水泡方法，其特征在于，所述方法包括：采集N张包含水泡的连续图像，并对所述连续图像进行预处理，获得N幅的连续图像；对N幅的连续图像中的第n、n
‑
1、n
‑
2幅的连续图像做二值化处理，得到N
‑
2幅的二值化图像；基于轮廓提取算法计算所述二值化图像中的每一幅二值化图像的参数，并根据计算参数初步筛选出候选气泡的连通域；计算候选气泡的连通域下的每一个候选气泡的连通域质心位置坐标；基于每一幅的二值化图像的连通域质心位置坐标组成集合形成每一幅的二值化图像连通域质心坐标的集合Rn和Rn+1；计算时序相邻的两集合Rn与Rn+1任意元素间的传递概率；将每一幅的二值化图像的连通域质心坐标的集合中任意取出一点组成点集，基于传递概率计算该点集是气泡运动轨迹的概率；基于时间序列，遍历计算连通域质心坐标的集合的气泡运动轨迹概率；当气泡运动轨迹概率大于预设经验阈值时，判断该轨迹为气泡轨迹，并将所对应的所有连通域进行标注。2.根据权利要求 1 所述的基于智能视觉算法的检测水泡方法，其特征在于，所述采集N张包含水泡的连续图像，包括：使用高速相机捕捉得到一系列包含水泡连续的图像;或使用视频录制功能捕捉到水泡的变化过程，并通过截取录制的视频帧获得一系列包含水泡的连续图像。3.根据权利要求 1 所述的基于智能视觉算法的检测水泡方法，其特征在于，所述对N幅的连续图像中的第n、n
‑
1、n
‑
2幅的连续图像做二值化处理，得到N
‑
2幅的二值化图像，包括：对第n、n
‑
1、n
‑
2幅图像进行中心差分处理，得到三幅差分图像；将三幅差分图像进行二值化处理，得到三幅二值化图像；对三幅二值化图像进行形态学连通性处理，去除噪点和孤立点，得到三幅处理后的二值化图像；将处理后的三幅二值化图像合并，得到N
‑
2幅二值化图像。4.根据权利要求 1 所述的基于智能视觉算法的检测水泡方法，其特征在于，所述计算候选气泡的连通域下的每一个候选气泡的连通域质心位置坐标，包括：将候选气泡所在的连通域内所有像素点的坐标值加权平均；假设候选气泡所在的连通域中共有 n个像素点，每个像素点的坐标为 (()，则这些像素点的加权平均值，表示为：；其中， 表示第 i个像素点的权重，为该像素点的灰度值或者像素点与候选气泡中心点的距离的函数值。
5.根据权利要求 1 所述的基于智能视觉算法的检测水泡方法，其特征在于，所述基于每一幅的二值化图像的连通域质心位置坐标组成集合形成每一幅的二值化图像连通域质心坐标的集合Rn和Rn+1，所述Rn的表达式为：;上式中，为第n幅二值化图像第i个连通域质心坐标。6.根据权利要求 1 所述的基于智能视觉算法的检测水泡方法，其特征在于，所述计算时序相邻的两集合Rn与Rn+1任意元素间的传递概率为：；上式中，为第n幅二值化图像第i个连通域与第n+1幅二值化图像第j个连通域是同一个水泡的...

【专利技术属性】
技术研发人员：卢伟健，伍建桦，邹建华，施敏，孙钦东，
申请(专利权)人：广东顺德西安交通大学研究院，
类型：发明
国别省市：