基于机器视觉储气罐密封性检测方法研究

发布时间：2020-07-22 23:43

【摘要】：储气罐在人们的生产、生活当中是不可缺少的存储工具,因其应用场合的特殊性,所以储气罐的安全合格要求至关重要。在工业生产中密封性是检测储气罐是否安全合格的一个重要方法。传统的气密性检测方法是浸泡、涂抹方法,人工去检测是否有气泡产生从而判断出泄漏情况,效率低下,存在误判的情况。机器视觉是人工智能领域发展迅速的一个方向,也是现在国内外学者研究的一个热点,它具有学科综合性比较强的特点并与机器学习、深度学习结合应用。机器视觉在工业上比较热门的方向就是检测和测量。其原理是通过机器视觉产品将待测产品转换成图像信号,然后传送给图像处理系统,得到被摄目标的数字化信号信息,然后做出相应的处理。本文旨在基于机器视觉的方法改善传统的气密性检测方法。本文以某企业生产的规范化便携式氧气罐作为研究、检测对象,在传统方法的基础上结合机器视觉方法对氧气罐的气密性进行检测。主要研究了密封储气罐的气密性检测方法在国内外现状和发展趋势,论述了文中几种不同检测方法的优缺点。分析了机器视觉中光源系统的特性、影响光源系统的主要参数并总结出选择光源的一些经验和遵循原则;推导了如何从空间的一个物体点到相机图像中的像素点、像素平面坐标系、图像物理坐标系、相机坐标系、世界坐标系之间的转换关系;论述了对待检测运动目标的检测方法,在对比基于图像、帧间差分的检测方法、基于光流法运动的检测方法、传统单高斯方法的基础上,并结合改进的帧间差分方法、形态运算、阈值化处理,对单高斯背景估计模型运动目标检测的方法进行改进。论述了轮廓检测算法,应用Freman链码和图像矩计算出气泡的面积,中心坐标,实现气泡定量计算。设计了必要的机械机构部分,搭建实验平台对检测方法进行了实验验证。
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TE972
【图文】：

示意图,红外光谱,成像,示意图

境进行蒸汽分析，若是分析到注入的气体，则得出结论是该容器出相应的处理。其方法的优点是不受被测物体尺寸或者是结构物体周围环境进行蒸汽分析即可。但该方法也存在一定的局限性要有一定程度的透气性，而且需要在容器中加入易挥发物质，且气体不影响原有的物质，而容器中的气体或者是液体是多种多样注入物质没有化学反应，不影响容器本身的工作性能。，来自日本神户大学工程研究院的 Sakagami, Takahide[10]等人研集的图片检测气体泄露的检测方法。红外光谱检测成像示意图如把温度比较高的物体或者是一个红外线光源作为被测物体的背景式是背光打光，利用红外相机拍摄照片然后分析光谱的特性，从，并且同时该论文指出理论上可以检测气体的泄露和气体的类型。

流程图,检测模型,流程图

中北大学学位论文大康考迪亚大学的 SE Zahab，EM Abdelkader[11]等种实时的检测系统模型，其原理是将无线加速度外部，有多个传感器在多个阀门处。从每一个加之后用于识别每个传感器上的检测指数。对采集，如果检测到的信号高于阈值的话，则识别为发失而已，如图 1.2，是 SE Zahab 提出的检测模型

模型图,人工神经元,模型

睛长时间看一个物体就会出现疲劳的现象，不同工人视力的不同，当气泡也会相应较小，从而工人会造成气密性的误判和漏判。虽然我国研究和应用起步相对来说略晚于其他国家，但在党的十八大召开后按体布局‖以及《促进新一代人工智能产业发展三年行动计划(2018-202高校、科研院所生产企业对人工智能和机器视觉、无损检测的热情更9 年中国科学技术大学的赵勇[12]利用人工神经网络对高压气密性检测的温度预测模型来应用到高压气密性检测上，建立了一种人工神经网尤其对高压气密性的检测精度有了较明显的提高，人工神经网络中是些若干个神经元并行互连构成了人工神经网络。如图 1.3 是一个人工输入信号，w 是突触强度或者是连接权，u 是线性组合输出，也就是的净输入，b 是阈值，f(.)是激励函数，y 是神经元输出。图 1.4 所示多层前向的特例，它采用的是后向传播算法，称之为 BP 算法（网络

【相似文献】