一种用于气密性试验的相机的曝光时间调整方法及系统

技术领域

本发明涉及一种用于气密性试验的相机的曝光时间调整方法及系统，属于气密性检测技术领域。

背景技术

现有的气密性检验技术包括泡水法和压降法，对于泡水法，其一般都是通过部署相机进行图像的获取，并通过视觉感知进行图像分析从而获得气泡的特征与参数，进行样品的气密性评价。

但是，在利用泡水法进行气密性检测过程中，存在相机曝光时间过长导致图像中的气泡出现虚化、拖影过长等现象，或者曝光时间过短导致采集的图像中气泡过暗等现象，从而导致样品的气密性检测不准确的问题。

而针对上述问题，现有技术中一般采用的技术手段为：

1)基于图像亮度均值的曝光时间调整方法，利用图像平均灰度估计场景的平均亮度，并以灰度均值为依据调整摄像机的曝光时间；

2)基于图像亮度直方图的曝光时间调整方法，利用图像亮度直方图信息作为依据，根据直方图的几何形状信息调整相机的曝光时间。

其中，对于基于图像亮度均值的曝光时间调整方法，对背光和强正面光照条件下的场景曝光效果欠佳；基于图像亮度直方图的曝光时间调整方法，并不能针对图像中的感兴趣内容进行有针对性的亮度调节；而气密性检测过程中，由于环境较复杂，如气泡动态运动的因素，会导致图像的虚化、拖影的问题，若采用现有手段仍是无法准确地实现相机曝光时间的调整，后续的气密性检测也同样不准确。

发明内容

本发明的目的在于提供一种用于气密性试验的相机的曝光时间调整方法及系统，用于解决由于气密性检测过程中环境复杂，现有手段无法准确地实现相机曝光时间的调整，从而导致气密性检测不准确的问题。

为了解决上述问题，本发明采用以下技术方案：

一种用于气密性试验的相机的曝光时间调整方法，包括以下步骤：

步骤1，获取图像信息，对获取的图像信息进行预处理，得到灰度图像信息；

步骤2，利用水体晃动等级分类网络对灰度图像信息进行特征提取，得到水体晃动程度；

步骤3，当水体晃动程度小于设定阈值时，对所述水体晃动程度对应的图像信息进行预处理，并利用帧差法进行气泡特征的提取，得到气泡图像；

步骤4，采用连通域分析方法对所述气泡图像进行气泡数量的统计，并根据得到的连通域的最小外接矩形的长度以及气泡直径，计算出气泡拖影长度；

步骤5，根据所述水体晃动程度、预先确定的气泡数量关系式以及气泡拖影长度关系式，对所述气泡数量以及所述气泡拖影长度进行修正，得到修正后的气泡数量以及气泡拖影长度；

步骤6，构建相机曝光指标分析模型，并根据获取的气泡数量、气泡拖影长度得到相机曝光指标,并结合相机初始曝光时间，计算调整的曝光时间，并将所述调整的曝光时间作为下一次的相机曝光时间。

进一步地，步骤5中，所述预先确定的气泡数量关系式为：

N′＝[c

其中，L为水体晃动程度，c为系数，N为气泡数量，N′为修正后的气泡数量，[]表示对括号里面的式子取整；

所述气泡拖影长度关系式为：

其中，d为气泡拖影长度，e为常数，d′为修正后的气泡拖影长度。

进一步地，其特征4在于，步骤6中，相机曝光指标分析模型为

δ＝log

其中，0

进一步地，所述的调整的曝光时间的表达式为：

T＝T

其中，T

进一步地，所述步骤1中的预处理为对所述图像进行灰度化处理，步骤5中的预处理为对所述图像信息依次进行高斯去噪和图像增强操作。

本发明还提供了一种用于气密性试验的相机的曝光时间调整系统，所述系统包括：

图像信息采集模块，获取图像信息，对获取的图像信息进行预处理，得到灰度图像信息；

特征检测模块，利用水体晃动等级分类网络对灰度图像信息进行特征提取，得到水体晃动程度；

图像处理模块，当水体晃动程度小于设定阈值时，对所述水体晃动程度对应的图像信息进行预处理，并利用帧差法进行气泡特征的提取，得到气泡图像；

特征提取模块，采用连通域分析方法对所述气泡图像进行气泡数量的统计，并根据得到的连通域的最小外接矩形的长度以及气泡直径，计算出气泡拖影长度；

修正模块，根据所述水体晃动程度、预先确定的气泡数量关系式以及气泡拖影长度关系式，对所述气泡数量以及所述气泡拖影长度进行修正，得到修正后的气泡数量以及气泡拖影长度；

调整模块，构建相机曝光指标分析模型，并根据获取的气泡数量、气泡拖影长度得到相机曝光指标,并结合相机初始曝光时间，计算调整的曝光时间，并将所述调整的曝光时间作为下一次的相机曝光时间。

本发明的有益效果为：

1)本发明考虑到水体晃动程度对气泡数量以及气泡拖影长度的影响，通过分类网络模型对水体晃动程度进行检测，并将其与水体晃动程度的设定阈值比较，筛选出适合进行相机曝光时间调整的图像信息，提高曝光时间调整的准确性。

2)本发明通过将水体晃动程度引入到气泡数量、气泡拖影长度的模型中，能够在计算相机曝光指标时，能够进一步地提高曝光时间的准确度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍：

图1是本发明的用于气密性试验的相机的曝光时间调整方法实施例的流程示意图；

图2是本发明的用于气密性试验的相机的曝光时间调整系统实施例的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行介绍。为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本实施例提供了一种用于气密性试验的相机的曝光时间调整方法，如图1所示，包括：

步骤一：获取图像信息，对获取的图像信息进行预处理，得到灰度图像信息；

具体的，本实施例中首先固定相机，使摄像头从侧面拍摄检测池的图像，且在采集图像过程中保持稳定。

为了降低图像处理的计算量，本实施例对相机采集的图像进行灰度化处理，本实施例中采用加权平均法对图像进行灰度化操作；作为其他实施方式，还可以采用最大值法、平均值法、加权平均值法等。

本实施例中的灰度图像信息包括测试集和训练集，其中待测试集占20％，训练集占80％；其中的训练集是实现对灰度图像信息进行人工标注，用于后续建立的网络模型的训练。

步骤二：利用水体晃动等级分类网络对灰度图像信息进行特征提取，得到水体晃动程度；

本实施例中为保证等级检测网络的特征提取编码器能够提取出良好的水体晃动特征，本实施例选取多帧灰度图像，并将多帧灰度图像进行信息融合，其是通过concat操作来实现的，其中concat操作需要两个特征图的尺寸保持一致。然后，将融合后的多帧灰度图像，送入水体晃动等级分类网络，通过特征提取编码器提取水体晃动特征数据，经全连接层FC得到水体的晃动程度。

具体的，在获取的图像信息进行灰度处理之后，通道数为1，其中将5帧图像进行信息融合，则concat操作之后图像的通道数为5。需要说明的是，对于图像的帧数的选择，实施者可根据情况进行选择。

本实施例中的水体晃动等级分类网络采用神经网络模型，如基于VGG16的神经网络。其中，针对水体晃动等级分类网络的训练过程为：对步骤一中的80％的灰度图像进行人工标注，并将其进行concat操作后作为输入图像，输出为水体晃动程度信息，需要说明的是，本发明是根据灰度图像中的特征信息，得到了相应的水体晃动程度，水体晃动程度越高，证明检测池的稳定性越差。

同时，本实施例中的水体晃动等级分类网络在训练时，采用交叉熵损失函数，对网络参数进行迭代更新。

本发明中，对于水体晃动程度的检测，是考虑到检测池存在晃动的情况，比如平台的稳定性，使得检测池内的液体出现晃动，这样就会使检测池壁以及底部的黏着气泡被震起，导致气泡数量增多，而此时的气泡数量显然并不全是由于器件的密封性而产生的；同时，由于气泡是动态运动的，因此拍摄的气泡拖影长度也会受到影响，所以，通过对检测池稳定性的因素分析，能够进一步保证相机在后续的气密性的检测中的准确性。

步骤三：当水体晃动程度小于设定阈值时，对所述水体晃动程度对应的图像信息进行预处理，并利用帧差法进行气泡特征的提取，得到气泡图像。

本实施例中的设定阈值为20％，即当水体晃动程度大于20％时，认为水体晃动程度过大，将不进行气密性的检测；当水体晃动程度小于20％时，则认为水体晃动程度较小。

本实施例对水体晃动程度对应的图像信息进行预处理的方法包括：高斯去噪、图像增强操作；具体的，采用的去噪方法是利用3×3的高斯滤波模板对图像进行滤波操作，根据高斯分布函数来对图像进行线性平滑；采用的图像增强操作的处理方法是：

在对图像信息进行预处理之后，从序列图像中选择相邻两帧图像：gn(x,y)，g

g

其中，g

步骤四：采用连通域分析方法对所述气泡图像进行气泡数量的统计，并根据得到的连通域的最小外接矩形的长度以及气泡直径，计算出气泡拖影长度。

本实施例中是将步骤三中得到的气泡图像进行连通域分析，获取每个气泡的连通区域，统计图像中连通域的个数，即为图像中气泡的数量N。

其中，计算的气泡拖影长度d为：

d＝l-D

其中，l为最小外接矩形的长度，D为气泡直径的经验值。

本实施例中将连通域最小外接矩形的长减去气泡直径作为气泡的拖影长度，在此需要说明，气泡直径D为经验值。其中的最小外接矩形的长度，采用后处理的方式得到每个连通域的最小外接矩形，即可得到最小外接矩形的长度。

步骤五：根据所述水体晃动程度、预先确定的气泡数量关系式以及气泡拖影长度关系式，对所述气泡数量以及所述气泡拖影长度进行修正，得到修正后的气泡数量以及气泡拖影长度。

其中所述预先确定的气泡数量关系式为：

N′＝[c

其中，L为水体晃动程度，c为拟合的系数，N为气泡数量，N′为修正后的气泡数量，[]表示对括号里面的式子取整；需要说明的是，c为在一定的环境下拟合出的系数，本实施例中的取值为0.5。

所述气泡拖影长度关系式为：

其中，d为气泡拖影长度，e为常数，一般取2.71828，d′为修正后的气泡拖影长度。

需要说明的是，本步骤中的水体晃动程度作为气泡数量和气泡拖影长度的修正参数与步骤三中的将水体晃动程度作为图像筛选的条件的作用是不同的：步骤三中主要是排除检测池的稳定性较差(水体晃动程度较大)的情况，筛选出能够用于后续的气密性检测的图像；而本步骤是在步骤三的基础上，进一步深入考虑水体晃动程度对图像中的气泡数量和气泡拖影长度的影响，确定水体晃动程度分别与图像中的气泡数量和气泡拖影长度的对应关系，排除水体晃动程度对气泡数量和气泡拖影长度的影响，实现相机曝光时间的更精确的调整。

上述实施例中,气泡数量的表达式、气泡拖影长度的表达式的建立，是事先通过实验获取的，即在实验中设置若干组实验，第一组的水体晃动程度为0，测量此时的气泡数量和气泡拖影长度的数据，其他组分别设置为不同晃动程度(如可以划分成5％、10％、15％、20％等)，分别测量相应组的气泡数量和气泡拖影长度的数据；分别进行气泡数量、气泡拖影长度与水体晃动程度的数据拟合。

步骤六：构建相机曝光指标分析模型，并根据获取的气泡数量、气泡拖影长度得到相机曝光指标,并结合相机初始曝光时间，计算调整的曝光时间，并将所述调整的曝光时间作为下一次的相机曝光时间。

其中，构建的气密性检测相机曝光时间调整模型为：

δ＝log

其中，0

其中，调整的曝光时间的表达式为：

T＝T

式中，T

本实施例中的初始曝光指标是根据初始曝光时间获取的对应的指标，其能够根据后续曝光指标的变化以及初始曝光时间对相机曝光时间进行调整。

本发明设置相机曝光时间范围，也即函数值域为[T1,T2]，T1,T2分布为相机最小、最大曝光时间；由于相机类型不同，因此，相机曝光时间可以根据实际的相机类型进行具体设置。

为了进一步保证曝光时间的准确性，本发明还可以通过进行多次同一时间的图像采集，并按照上述步骤进行曝光时间指标的计算，进而计算得到调整的曝光时间。

作为其他实施方式，考虑到相机的响应时间，本申请中还可以将进行不同时段的曝光时间的计算，并将所述调整的曝光时间组成相机曝光时间特征序列，输入到构建的TCN网络时序预测模型，进行下一次时段的相机曝光时间进行预测，能够保证在进行气密性检测过程中相机曝光时间一直处于最佳装填。

其中，时序预测模型是通过建立时序预测网络来预测未来时间的相机曝光时间序列，具体的可基于LSTM、GRU、TCN等神经网络来实施。

基于当前的特征数据来预测未来相机曝光时间，如基于10次图像采集的相机曝光时间特征序列，来预测未来5次的相机采集图像时的曝光时间。

其中，TCN网络时序预测模型的训练过程为：

首先将特征值进行归一化，调整到统一的区间。

输入的形状为[B,10,1]，B为网络输入的batch size，1为相机曝光时间特征，基于历史长度为10次图像采集的相机曝光时间特征序列，对未来5次的相机采集图像时的曝光时间进行预测，故网络输出为[B,5]。

经过TCN特征提取后，接全连接FC，最终输出未来相机采集图像时的曝光时间。

在进行，TCN网络时序预测模型的训练过程中，采用均方差损失函数进行参数的更新。

基于与方法同样的发明构思，本发明还提供了一种用于气密性检测的相机的曝光时间调整系统，如图2所示，为该系统实施例的结构图，包括：

图像信息采集模块1，获取图像信息，对获取的图像信息进行预处理，得到灰度图像信息；

特征检测模块2，利用水体晃动等级分类网络对灰度图像信息进行特征提取，得到水体晃动程度；

图像处理模块3，当水体晃动程度小于设定阈值时，对所述水体晃动程度对应的图像信息进行预处理，并利用帧差法进行气泡特征的提取，得到气泡图像；

特征提取模块4，采用连通域分析方法对所述气泡图像进行气泡数量的统计，并根据得到的连通域的最小外接矩形的长度以及气泡直径，计算出气泡拖影长度；

修正模块5，根据所述水体晃动程度、预先确定的气泡数量关系式以及气泡拖影长度关系式，对所述气泡数量以及所述气泡拖影长度进行修正，得到修正后的气泡数量以及气泡拖影长度；

调整模块6，构建相机曝光指标分析模型，并根据获取的气泡数量、气泡拖影长度得到相机曝光指标,并结合相机初始曝光时间，计算调整的曝光时间，并将所述调整的曝光时间作为下一次的相机曝光时间。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全软件实施例或结合软件或硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、装置(模块、系统)和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。