[发明专利]一种密封设备气密性的人工智能检测方法和检测系统

权利要求书

1.一种密封设备气密性的人工智能检测方法，其特征在于，包括如下步骤：

步骤一：首先获取多帧密封设备在气密性检测装置中进行气密性检测时的图像；

然后将相邻两帧图像做差，得到差分图像；

最后对差分图像进行二值化处理，并将二值化处理后的图像叠加，得到叠加图像；将叠加图像中像素值非0的连通域作为密封设备在气密性检测装置中所产生气泡运动区域；

步骤二：在对密封设备进行气密性检测的过程中对其进行图像采集和光照强度检测，得到实时检测图像和光照强度；

步骤三：识别实时检测图像中的气泡，得到中心点与气泡运动区域中心点距离最小的气泡，将该气泡的面积作为实时检测图像的气泡特征属性；

步骤四：获取实时检测图像的清晰度等级；

步骤五：根据实时检测图像的气泡特征属性、光照强度和清晰度调整采集相机的光圈。

2.根据权利要求1所述的密封设备气密性的人工智能检测方法，其特征在于，获取实时检测图像清晰度等级的方法为：

获取实时检测图像的特征区域，并以特征区域为基准，对特征区域的两侧进行区域划分，各区域的宽度为2w；

按照各区域与特征区域之间的位置关系对各区域进行权重分配，与特征区域距离越近权重越高；

根据各区域的清晰度和权重以及清晰度计算模型计算实时检测图像的清晰度等级；

设连通区域中心点的坐标为(X_center,Y_center)，所采集到的图像高为H；则所述特征区域左上角端点的坐标为(X_center-w,H)，右上角端点的坐标为(X_center+w,H)，左下角端点的坐标为(X_center-w,0)，右下角端点的坐标为(X_center+w,0)；

实时检测图像清晰度计算模型为

Definition为实时检测图像的清晰度，f(Gray_i)为第i个区域的清晰度，Gray_i为第i个区域的灰度，N为实时检测图像所划分区域的总数量，W_i为第i个区域的权重。

3.根据权利要求2所述的密封设备气密性的人工智能检测方法，其特征在于，所述f(Gray_i)采用Brenner梯度函数。

4.根据权利要求2所述的密封设备气密性的人工智能检测方法，其特征在于，识别实时检测图像中气泡的方法为：

建立气泡数据训练集和气泡识别神经网络模型；所述气泡数据训练集中包括多张含有气泡的图像；

对气泡数据训练集中的图像上的气泡进行特征标注，采用标注后的图像对所建立的气泡识别神经网络模型进行训练，得到训练后的气泡识别神经网络；

将采集到的实时检测图像输入到训练后的气泡识别神经网络模型，得到其中的气泡。

5.根据权利要求1所述的密封设备气密性的人工智能检测方法，其特征在于，根据实时检测图像的气泡特征属性和图像的清晰度调整采集相机光圈的方法为：

建立时序数据训练集和时序判断神经网络模型；

采用数据训练集训练所述时序判断神经网络模型；

将计算出的气泡特征属性和图像清晰度输入到训练后的时序判断神经网络模型，得到光圈的大小；

所述时序数据训练集中包括多个气泡特征属性、光照强度、图像清晰度以及与气泡特征属性、光照强度、图像清晰度相对应的光圈大小；在训练所述时序判断神经网络模型时，以气泡特征属性、光照强度和图像清晰度为输入，以对应的光圈大小为输出。