本發明專利技術公開了一種基于人工智能的零件氣密性泄漏缺陷檢測方法及系統，涉及人工智能領域。該方法包括如下步驟：將零件放置透明水箱中，并向零件內部充氣，利用線陣激光增強水體中的氣泡特征，使所述氣泡特征因全反射產生亮點；采集所述透明水箱中水體的圖像信息，所述圖像信息包括水體中的氣泡亮點特征；將所述圖像信息經過深度神經網絡處理后，輸出亮點圖像，所述亮點圖像包括所述氣泡亮點特征及其位置信息；利用多幀所述亮點圖像，結合所述位置信息獲得所述氣泡亮點的位置數量；根據各位置所述氣泡亮點的閃爍次數結合預設閾值篩選出泄漏氣泡。實現了對較小泄漏氣泡的自動檢測，并去除了零件自身攜帶的粘附氣泡對檢測結構的干擾。的干擾。的干擾。
【技術實現步驟摘要】
一種基于人工智能的零件氣密性泄漏缺陷檢測方法及系統
[0001]本專利技術涉及人工智能
，具體涉及一種基于人工智能的零件氣密性泄漏缺陷檢測方法及系統。
技術介紹
[0002]在生產生活中，很多設備的氣密性零件會因腐蝕、高溫高壓、裂紋、磨損老化和長時間運作等原因，出現氣密性泄漏的問題。目前在對壓力容器進行氣密性實驗測試的過程中，通常直接將壓力容器充氣高壓氣體，然后測試人員人為或者使用圖像處理設備觀察氣泡的有無，來判定零件是否泄漏。
[0003]但是由于有些零件泄漏孔較小，產生的泄漏氣泡較小，通過人眼或者相機判斷誤差較大，并且會受到零件進入水體中攜帶的粘附氣泡干擾，從而使判定結果出現錯誤。
技術實現思路
[0004]為了解決上述技術問題，本專利技術的目的在于提供一種基于人工智能的零件氣密性泄漏缺陷檢測方法及系統，所采用的技術方案具體如下：
[0005]第一方面，本專利技術一個實施例提供了一種基于人工智能的零件氣密性泄漏缺陷檢測方法，包括以下步驟：
[0006]將零件放置透明水箱中，并向零件內部充氣，利用線陣激光增強水體中的氣泡特征，使所述氣泡特征因全反射產生亮點；
[0007]采集所述透明水箱中水體的圖像信息，所述圖像信息包括水體中的氣泡亮點特征；
[0008]將所述圖像信息經過深度神經網絡處理后，輸出亮點圖像，所述亮點圖像包括所述氣泡亮點特征及其位置信息；
[0009]利用多幀所述亮點圖像，結合所述位置信息獲得所述氣泡亮點的位置數量；
[0010]根據各位置所述氣泡亮點的閃爍次數結合預設閾值篩選出泄漏氣泡。
[0011]優選的，利用多幀所述亮點圖像，結合所述位置信息獲得所述氣泡亮點的位置數量，包括以下步驟：
[0012]將單幀所述亮點圖像進行二值化處理，獲得亮點二值圖像；
[0013]按照時間順序疊加每幀所述亮點二值圖像，得到疊加圖；
[0014]對所述疊加圖進行聚類處理，所述氣泡亮點的位置數量；
[0015]將每個位置同類像素值進行疊加，得到該位置氣泡亮點閃爍次數。
[0016]優選的，該方法還包括結合采樣時間，獲取零件中泄漏孔的泄漏速度，包括以下步驟：
[0017]獲得所述氣泡亮點聚類中心并設置搜索半徑，建立搜索區域；
[0018]按照時間順序逐幀檢測所述搜索區域中的氣泡亮點，并標記時序；
[0019]根據標記結果獲得二值序列，計算氣泡亮點標記之間的平均幀數；
[0020]結合相機采樣頻率，得到間隔時間，計算對應氣泡亮點的閃爍頻率，以所述閃爍頻率作為對應泄漏孔的泄漏速度的度量值。
[0021]優選的，該方法還包括結合所述線陣激光的位姿對所述零件每個泄漏位置進行定位，包括:
[0022]對所述圖像信息進行畸變校正，獲得校正圖像；
[0023]所述校正圖像經過語義分割網絡處理，得到邊緣圖像，所述邊緣圖像包括所述透明水箱的邊線特征；
[0024]根據所述篩選出的泄漏氣泡亮點結合相機的內參和所述邊線特征，獲取所述泄漏氣泡亮點在所述邊緣圖像的位置(x，y)；
[0025]以所述透明水箱中的一個角點為原點結合連接所述原點的邊線，建立三維坐標系；
[0026]根據水缸的先驗長度和所述泄漏氣泡亮點在所述邊緣圖像的位置，獲得所述泄漏氣泡亮點在所述透明水箱主視角的實際投影位置(X，Y)，所述主視角為相機采集所述圖像信息時的視角；
[0027]結合所述線陣激光的位姿，獲取所述泄漏氣泡亮點的Z向坐標，獲取泄漏氣泡亮點在三維坐標系中的位置(X，Y，Z)，其中,該所述泄漏氣泡亮點對應的泄漏位置為(X，0， Z)。
[0028]第二方面，本專利技術另一個實施例提供了一種基于人工智能的零件氣密性泄漏缺陷檢測系統，包括：
[0029]特征增強模塊，用于將零件放置透明水箱中，并向零件內部充氣，利用線陣激光增強水體中的氣泡特征，使所述氣泡特征因全反射產生亮點；
[0030]圖像采集模塊，用于采集所述透明水箱中水體的圖像信息，所述圖像信息包括水體中的氣泡亮點特征；
[0031]深度神經網絡模塊，用于將所述圖像信息經過深度神經網絡處理后，輸出亮點圖像，所述亮點圖像包括所述氣泡亮點特征及其位置信息；
[0032]亮點分析模塊，用于利用多幀所述亮點圖像，結合所述位置信息獲得所述氣泡亮點的位置數量；
[0033]泄漏氣泡判定模塊，用于根據各位置所述氣泡亮點的閃爍次數結合預設閾值篩選出泄漏氣泡。
[0034]優選的，亮點分析模塊包括：
[0035]二值化單元，用于將單幀所述亮點圖像進行二值化處理，獲得亮點二值圖像；
[0036]疊加圖獲取單元，用于按照時間順序疊加每幀所述亮點二值圖像，得到疊加圖；
[0037]位置數量獲取單元，用于對所述疊加圖進行聚類處理，所述氣泡亮點的位置數量；
[0038]閃爍次數獲取單元，用于將每個位置同類像素值進行疊加，得到該位置氣泡亮點閃爍次數。
[0039]優選的，該系統還包括泄漏速度獲取模塊，用于結合采樣時間，獲取零件中泄漏孔的泄漏速度，所述泄漏速度獲取模塊包括：
[0040]搜索區域建立單元，用于獲得所述氣泡亮點聚類中心并設置搜索半徑，建立搜索區域；
[0041]時序標記單元，用于按照時間順序逐幀檢測所述搜索區域中的氣泡亮點，并標記
該時序；
[0042]平均幀數獲取單元，用于根據標記結果獲得二值序列，計算氣泡亮點標記之間的平均幀數；
[0043]泄漏速度獲取單元，用于結合相機采樣頻率，得到間隔時間，計算對應氣泡亮點的閃爍頻率，以所述閃爍頻率作為對應泄漏孔的泄漏速度的度量值。
[0044]優選的，該系統還包括泄漏位置定位模塊，用于結合所述線陣激光的位姿對所述零件每個泄漏位置進行定位，所述泄漏位置定位模塊包括:
[0045]圖像校正單元，用于對所述圖像信息進行畸變校正，獲得校正圖像；
[0046]語義分割單元，用于所述校正圖像經過語義分割網絡處理，得到邊緣圖像，所述邊緣圖像包括所述透明水箱的邊線特征；
[0047]邊緣圖像亮點定位單元，用于根據所述篩選出的泄漏氣泡亮點結合相機的內參和所述邊線特征，獲取所述泄漏氣泡亮點在所述邊緣圖像的位置(x，y)；
[0048]世界坐標系建立單元，用于以所述透明水箱中的一個角點為原點結合連接所述原點的邊線，建立三維坐標系；
[0049]亮點實際投影獲取單元，用于根據水缸的先驗長度和所述泄漏氣泡亮點在所述邊緣圖像的位置，獲得所述泄漏氣泡亮點在所述透明水箱主視角的實際投影位置(X，Y)，所述主視角為相機采集所述圖像信息時的視角；
[0050]泄漏位置獲取單元，用于結合所述線陣激光的位姿，獲取所述泄漏氣泡亮點的Z向坐標，獲取泄漏氣泡亮點在三維坐標系中的位置(X，Y，Z)，其中,該所述泄漏氣泡亮點對應的泄漏位置為(X，0，Z)。
[0051]本專利技術本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種基于人工智能的零件氣密性泄漏缺陷檢測方法，其特征在于，包括以下步驟：將零件放置透明水箱中，并向零件內部充氣，利用線陣激光增強水體中的氣泡特征，使所述氣泡特征因全反射產生亮點；采集所述透明水箱中水體的圖像信息，所述圖像信息包括水體中的氣泡亮點特征；將所述圖像信息經過深度神經網絡處理后，輸出亮點圖像，所述亮點圖像包括所述氣泡亮點特征及其位置信息；利用多幀所述亮點圖像，結合所述位置信息獲得所述氣泡亮點的位置數量；根據各位置所述氣泡亮點的閃爍次數結合預設閾值篩選出泄漏氣泡。2.根據權利要求1所述的基于人工智能的零件氣密性泄漏缺陷檢測方法，其特征在于，所述的利用多幀所述亮點圖像，結合所述位置信息獲得所述氣泡亮點的位置數量，包括以下步驟：將單幀所述亮點圖像進行二值化處理，獲得亮點二值圖像；按照時間順序疊加每幀所述亮點二值圖像，得到疊加圖；對所述疊加圖進行聚類處理，所述氣泡亮點的位置數量；將每個位置同類像素值進行疊加，得到該位置氣泡亮點閃爍次數。3.根據權利要求1所述的基于人工智能的零件氣密性泄漏缺陷檢測方法，其特征在于，該方法還包括結合采樣時間，獲取零件中泄漏孔的泄漏速度，包括以下步驟：獲得所述氣泡亮點聚類中心并設置搜索半徑，建立搜索區域；按照時間順序逐幀檢測所述搜索區域中的氣泡亮點，并標記時序；根據標記結果獲得二值序列，計算氣泡亮點標記之間的平均幀數；結合相機采樣頻率，得到間隔時間，計算對應氣泡亮點的閃爍頻率，以所述閃爍頻率作為對應泄漏孔的泄漏速度的度量值。4.根據權利要求1所述的基于人工智能的零件氣密性泄漏缺陷檢測方法，其特征在于，該方法還包括結合所述線陣激光的位姿對所述零件每個泄漏位置進行定位，包括:對所述圖像信息進行畸變校正，獲得校正圖像；所述校正圖像經過語義分割網絡處理，得到邊緣圖像，所述邊緣圖像包括所述透明水箱的邊線特征；根據所述篩選出的泄漏氣泡亮點結合相機的內參和所述邊線特征，獲取所述泄漏氣泡亮點在所述邊緣圖像的位置(x，y)；以所述透明水箱中的一個角點為原點結合連接所述原點的邊線，建立三維坐標系；根據水缸的先驗長度和所述泄漏氣泡亮點在所述邊緣圖像的位置，獲得所述泄漏氣泡亮點在所述透明水箱主視角的實際投影位置(X，Y)，所述主視角為相機采集所述圖像信息時的視角；結合所述線陣激光的位姿，獲取所述泄漏氣泡亮點的Z向坐標，獲取泄漏氣泡亮點在三維坐標系中的位置(X，Y，Z)，其中,該所述泄漏氣泡亮點對應的泄漏位置為(X，0，Z)。5.一種基于人工智能的零件氣密性泄漏缺陷檢測系統，其特征在于，包括：特征增強模塊，用于將零件放置透明水箱中，并向零件內部充氣，利用線陣激光增強水體中的氣泡特征，使所述氣泡特征因全反射產生亮點；圖像采集模塊，用于采集所述透明水...
【專利技術屬性】
技術研發人員：周婷婷，李俊，
申請(專利權)人：周婷婷，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。