(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210150508.4 (22)申请日 2022.02.18 (71)申请人 南京三唯木科技有限公司 地址 210000 江苏省南京市江北新区药谷 大道9号会展中心1112室 (72)发明人 郑妙春　 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) G06F 17/16(2006.01) (54)发明名称 基于人工智能的气密性检测中水浑浊度检 测方法及系统 (57)摘要 本发明涉及人工智能技术领域， 具体涉及一 种基于人工智能的气密性检测 中水浑浊度检测 方法及系统， 该方法包括： 获取检测缸的缸壁图 像， 进行缸壁上依附气泡的检测， 得到依附气泡 图； 基于灰度， 对依附气泡进行聚类， 得到 各灰度 类别下的气泡区域； 在每个气泡区域中选择依附 气泡密度最大的子区域； 获取各子区域的纹理特 征参数和明暗对比特征参数， 其中， 纹理特征参 数包括能量、 对比度、 相关度和熵， 明 暗对比特征 参数根据子区域灰度和缸壁灰度的差值得到； 利 用层次分析法， 选择最能反应水浑浊度的子区 域； 根据所选子区域的纹理特征参数和明 暗对比 特征参数进行水浑浊度的检测。 本发 明可得到更 为准确有效的水浑浊度的检测结果。 权利要求书1页 说明书6页 附图1页 CN 114627287 A 2022.06.14 CN 114627287 A 1.一种基于人工智能的气密性检测中水浑浊度检测方法， 其特 征在于， 该 方法包括： 获取检测缸的缸壁图像， 进行 缸壁上依附气泡的检测， 得到依附气泡图； 基于灰度， 对依附气泡进行聚类， 得到各灰度类别下的气泡区域； 在每个气泡区域中选 择依附气泡密度最大的子区域； 获取各子区域的纹理特征参数和明暗对比特征参数， 其中， 纹理特征参数包括能量、 对 比度、 相关度和熵， 明暗对比特 征参数根据子区域灰度和缸壁灰度的差值得到； 利用层次分析法， 选择最能反应水浑浊度的子区域， 具体地， 层次结构模型中目标层为 最能反应水浑浊度的子区域， 准则层为纹理特征参数和明暗对比特征参数， 方案层为各个 子区域； 根据所选 子区域的纹 理特征参数和明暗对比特 征参数进行 水浑浊度的检测。 2.如权利要求1所述的方法， 其特征在于， Canopy聚类与均值聚类相结合， 对依附气泡 进行聚类。 3.如权利要求2所述的方法， 其特征在于， 在每个气泡区域中选择依附气泡密度最大的 子区域， 具体为： 基于气泡 区域中各依附气泡的像素点坐标进行遍历搜索， 获取该气泡 区域中内由依附 气泡组成的最大凸包； 获取凸包的质心， 计算凸包质心到气泡区域中各依附气泡质心的距 离均值， 以该气泡区域中内任意一个依附气泡的质心 为初始圆心， 以距离均值为半径， 得到 初始圆； 根据初始圆心指向初始圆内各依附气泡的若干向量获取主成分方向， 过初始圆心且与 主成分方向所在直线垂 直的直线的两侧依附气泡数量较多一侧的依附气泡为待遍历气泡； 根据初始圆心指向各待遍历气泡的若干向量在主成分方向的投影长度确定新的圆心， 仍以 所述距离均值 为半径， 生成新的圆； 不断生成新的圆， 直至收敛至依附气泡密度最大的地方， 收敛时圆的位置为所述子区 域。 4.如权利要求3所述的方法， 其特征在于， 利用层次分析法可得到各个特征参数的权 重， 基于所选子区域的各个特征参数和相应的权重， 利用模糊综合评价法， 进 行水浑浊度的 检测。 5.如权利要求4所述的方法， 其特征在于， 所述缸壁图像的获取具体为， 采集检测缸的 正视图像， 在所述 正视图像中截取 缸壁区域， 经 过透视变换， 得到缸壁图像。 6.如权利要求1所述的方法， 其特征在于， 利用语义分割 网络， 进行缸壁上依附气泡的 检测。 7.一种基于人工智能的气密性检测中水浑浊度检测系统， 包括存储器、 处理器以及存 储在存储器上并可在处理器上运行 的计算机程序， 其特征在于， 所述计算机程序被处理器 执行时实现如权利要求1 ‑6任一项所述方法的步骤。权　利　要　求　书 1/1 页 2 CN 114627287 A 2基于人工智能的气密性检测中水浑浊度检测方 法及系统 技术领域 [0001]本发明涉及人工智能领域， 具体涉及一种基于人工智能的气密性检测中水浑浊度 检测方法及系统。 背景技术 [0002]泡水法是最常使用的传统气密性检测方法之一， 然而无论是直接泡水法还是间接 泡水法， 随着时间的推移水体的浑浊度都在逐渐增加。 一方面由于所检测的器件附带 的由 油污灰尘等污染物， 另一方面则是水体本身携带 的污染物越来越多， 因此当水体到达一定 的浑浊程度时需要及时换水来保证检测结果的可靠性。 传统的换水周期 基本依靠人的主观 判断， 因此对具体浑浊度的判断会出现诸多不确定性， 不仅会浪费水资源还会导致检测结 果的误差增大。 常规针对浑浊度的判断一般仅基于亮度值、 色调等单一因素， 检测结果不准 确。 发明内容 [0003]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气密性检测 中水浑浊度检测方法及系统， 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气密性检测中水浑浊度 检测方法， 该 方法包括以下 具体步骤： 获取检测缸的缸壁图像， 进行 缸壁上依附气泡的检测， 得到依附气泡图； 基于灰度， 对依附气泡进行聚类， 得到各灰度类别下的气泡区域； 在 每个气泡区域 中选择依附气泡密度最大的子区域； 获取各子区域的纹理特征参数和明暗对比特征参数， 其中， 纹理特征参数包括能 量、 对比度、 相关度和熵， 明暗对比特 征参数根据子区域灰度和缸壁灰度的差值得到； 利用层次分析法， 选择最能反应水浑浊度的子区域， 具体地， 层次结构模型中目标 层为最能反应水浑浊度的子区域， 准则层为纹理特征参数和明暗对比特征参数， 方案层为 各个子区域； 根据所选 子区域的纹 理特征参数和明暗对比特 征参数进行 水浑浊度的检测。 [0004]进一步地， Canopy聚类与 均值聚类相结合， 对依附气泡进行聚类。 [0005]进一步地， 在每个气泡区域中选择依附气泡密度最大的子区域， 具体为： 基于气泡区域中各依附气泡的像素点坐标进行遍历搜索， 获取该气泡区域中内 由 依附气泡组成的最大凸包； 获取凸包的质心， 计算凸包质心到气泡区域中各依附气泡质心 的距离均值， 以该气泡区域中内任意一个依附气泡的质心 为初始圆心， 以距离均值为半径， 得到初始圆； 根据初始圆心指向初始圆内各依附气泡的若干向量获取主 成分方向， 过初始圆心 且与主成分方向所在直线垂直的直线的两侧依附气泡数量较多一侧的依附气泡为待遍历 气泡； 根据初始圆心指向各待遍历气泡的若干向量在主成分方向的投影长度确定新的圆说　明　书 1/6 页 3 CN 114627287 A 3