[发明专利]一种基于人工智能的工件气密性检测方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的工件气密性检测方法及系统。该方法包括：相机采集第二RGB图像和第一深度图像，将第二RGB图像通过语义分割网络，输出水体语义分割图；将语义分割图映射到第一深度图像得到第一深度图像的ROI区域；将ROI区域二值图与第一深度图像逐点相乘，提取第一深度图像信息，得到第二深度图像；将充气后的第二深度图像整体信息熵与第二深度图像中非零像素的灰度均值相比，比值作为评价因子，根据预设参考阈值划分评价等级，每个评价等级对应一个预设模板；计算熵差，得到异常区域，进行气孔分析，实现气孔定位。本发明实施例较于现有技术中需要遍历人为设置的多类不同尺寸的模板的办法，大大降低了计算量。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的工件气密性检测方法及系统

背景技术

人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。在工件气密性检测方面，通过局部熵提取信息的现有方案在确定模板时，需要遍历多类不同尺寸的模板，从而选择效果最好的作为输出。

发明人在实践中，发现上述现有技术存在以下缺陷：遍历人为设置的多类不同尺寸的模板选取其中效果最好的作为输出，该方法会导致冗余计算量大幅增加。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的工件气密性检测方法以及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于人工智能的工件气密性检测方法，该方法包括以下步骤：

采集第二RGB图像和第一深度图像；将第二RGB图像通过语义分割网络，得到水体的语义分割图；将语义分割图变换到第一深度图像中得到第一深度图像的ROI区域；

将ROI区域的二值图与第一深度图像进行逐点相乘，提取第一深度图像信息，得到第二深度图像；获取气密性检测充气前的第二深度图像和充气后的第二深度图像；将充气后的第二深度图像的整体信息熵与第二深度图像中非零像素的灰度均值相比，比值作为尺寸评价因子，根据尺寸评价因子确定相应的预设模板，预设模板是根据预设参考阈值对尺寸评价因子划分评价等级，每个评价等级对应一个预设模板；根据预设模板对充气前的第二深度图像和充气后的第二深度图像进行局部图像提取，得到充气前的多张局部深度图像与所对应的充气后的多张局部深度图像；对每个局部深度图像，计算其灰度均值，并统计各灰度在局部深度图像中出现的概率；对每个局部深度图像，计算对应的局部熵；根据充气前后的局部熵、充气前后局部深度图像的信息熵差值的均值获得判断因子，将判断因子与经验阈值比较，确定异常区域；对异常区域进行气孔分析，实现气孔的定位。

优选的，采集第二RGB图像和第一深度图像的步骤包括：获取第一RGB图像，基于第一RGB图像得到第一焦距；获取第一深度图像，基于第一深度图像得到第二焦距；比较第一焦距与第二焦距的差异，在差异值大于预设焦距阈值时，自动调节第一焦距和第二焦距，以使差异值小于预设焦距阈值，进而采集第二RGB图像。

优选的，将语义分割图变换到第一深度图像中得到第一深度图像的ROI区域的步骤为：获取第二RGB图像与第一深度图像之间的单应性矩阵；根据单应性矩阵，将第二RGB图像的语义分割图变换到深度图像中得到深度图像的ROI区域。

优选的，对异常区域进行气孔分析，实现气孔的定位的步骤为：计算充气后的同一张第二深度图像中，异常区域与其相邻异常区域的信息熵差值；将信息熵差值，与设置的熵差阈值比较，当信息熵差值大于熵差阈值时，确定该异常区域为气孔区域；对气孔区域的灰度均值进行筛选，筛选像素值大于等于灰度均值的点，统计此类像素点的数量；像素点的数量若大于等于预设数量阈值，则以该气孔区域的中心点坐标作为定位点，否则分别以该像素点作为定位点。