(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 202210636565.3 (22)申请日 2022.06.07 (71)申请人 江苏省特种设备安全监 督检验研究 院 地址 210000 江苏省南京市 鼓楼区草场门 大街107号龙江大厦 (72)发明人 陈延龙　糜亮　 (74)专利代理 机构 南京源点知识产权代理有限 公司 32545 专利代理师 罗超 (51)Int.Cl. G01M 3/10(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/00(2017.01)G06V 10/44(2022.01) (54)发明名称 一种基于人工智能的压力容器气密性的检 测方法及装置 (57)摘要 本发明提供了一种基于人工智能的压力容 器气密性的检测方法及装置， 涉及人工智能领 域， 方法包括： 采用压力容器气密性检测设备对 压力容器进行气密性检测； 获取压力容器气密性 检测设备的图像确认监测区域， 其为包括压力容 器的区域； 气密性检测过程中， 按时间顺序采集 检测图像集合包括气密性检测过程中产生的气 泡图像； 将检测图像集合输入气泡分析模型， 分 析气泡图像的大小； 按照气泡大小对气泡图像筛 选， 去除非气密性气泡图像获得气密性气泡图 像； 将气密性气泡图像输入气密性分析模型获得 气泡连续性特征和气泡规模特征确定压力容器 的气密性检测结果， 解决了 现有技术中的检测方 法由于自身的局限性， 导致存在实用性较差的技 术问题。 权利要求书3页 说明书10页 附图3页 CN 114878087 A 2022.08.09 CN 114878087 A 1.一种基于人工智能的压力容器气密性的检测方法， 其特征在于， 所述方法应用于基 于人工智能的压力容器气密性的检测装置， 所述装置包括压力容器气密性检测设备和图像 采集设备， 所述方法包括： 采用所述压力容器气密性检测设备对压力容器进行气密性检测； 采集获取压力容器气密性检测设备的图像， 确认监测区域， 所述监测区域为包括所述 压力容器的区域； 在所述气密性检测过程中， 采用所述图像采集设备按照时间顺序采集获取所述监测区 域的图像， 获得检测图像集 合， 所述检测图像内包括气密性检测过程中产生的气泡图像； 将所述检测图像集合输入气泡分析模型， 分析多个所述气泡图像的大小信息， 获得多 个气泡大小信息； 按照多个所述气泡大小信息对多个所述气泡图像进行筛选， 去 除非气密性气泡图像， 获得多个气密性气泡图像； 将多个所述气密性气泡图像， 输入气密性分析模型， 分析获得气泡连续性特征信息和 气泡规模特征信息； 基于所述气泡连续性特征信 息和气泡规模特征信 息， 获得所述压力容器的气密性检测 结果。 2.根据权利要求1所述的方法， 其特征在于， 所述采集获取压力容器气密性检测设备的 图像， 确认检测区域， 包括： 采集获取所述压力容器气密性检测设备在历史时间内进行各类压力容器气密性检测 的图像， 获得历史设备图像集 合； 在所述历史设备图像集合内的图像中， 对各类压力容器的图像区域进行框选标识， 获 得监测区域分析构建数据集； 基于深度卷积神经网络， 构建获得压力容器定位分析模型； 将所述压力容器气密性检测设备的图像输入所述压力容器定位分析模型， 获得输出结 果； 根据所述输出 结果， 获得 所述监测区域。 3.根据权利要求1所述的方法， 其特征在于， 所述分析多个所述气泡图像的大小信息， 包括： 采集获取用于分析气泡大小的气泡大小分析构建数据集； 基于深度卷积神经网络， 采用所述气泡大小分析构建数据集， 构建获得所述气泡分析 模型； 将所述检测图像集 合输入所述气泡分析模型， 获得输出 结果； 根据所述输出 结果， 获得 所述检测图像内的多个气泡的气泡大小信息 。 4.根据权利要求3所述的方法， 其特征在于， 所述采集获取用于分析气泡大小的气泡大 小分析构建数据集， 包括： 采集获取所述压力容器气密性检测设备内产生不同气泡时的图像， 获得气泡图像集 合； 采集获取 所述气泡图像集 合内气泡图像的大小信息， 获得多个实际气泡大小信息； 将所述气泡图像集合和多个所述实际气泡大小信息作为所述气泡大小分析构建数据权　利　要　求　书 1/3 页 2 CN 114878087 A 2集。 5.根据权利要求4所述的方法， 其特征在于， 所述按照多个所述气泡大小信 息对多个所 述气泡图像进行筛 选， 包括： 根据多个所述实际气泡大小信息， 设置获得气泡大小阈值， 其中， 所述气泡大小阈值大 于多个所述实际气泡大小信息中的任意 一个； 分别判断多个所述气泡大小信息是否大于所述气泡大小阈值， 若大于， 则对应的气泡 图像为非气密性气泡图像， 若 小于， 则对应的气泡图像为气密性气泡图像。 6.根据权利要求1所述的方法， 其特征在于， 所述将多个所述气密性气泡图像， 输入气 密性分析模型， 分析获得气泡连续 性特征信息和气泡 规模特征信息， 包括： 采集获取气泡连续 性构建数据集和气泡 规模构建数据集； 基于深度卷积神经网络， 构建所述气泡规模分析模型， 其中， 所述气泡规模分析模型包 括输入层、 输出层和气泡规模分析层， 所述气泡规模分析层基于所述气泡规模构建数据集 构建； 根据所述气泡连续 性构建数据集， 构建气泡连续 性分析分支； 结合所述气泡连续 性分支， 获得 所述气密性分析模型； 将所述气密性气泡图像输入所述气密性分析模型， 获得所述气泡连续性特征信 息和气 泡规模特征信息。 7.根据权利要求6所述的方法， 其特征在于， 所述采集获取气泡连续性构建数据集合气 泡规模构建数据集， 包括： 采集获取不同压力容器在采用所述压力容器气密性检测设备进行气密性检测时出现 气泡的图像， 获得压力容器气泡图像集 合； 根据所述压力容器气泡图像集合内气泡的大小和气泡出现的连续性进行特征提取， 获 得压力容器气泡 规模特征集和压力容器气泡连续 性特征集； 根据所述压力容器气泡图像集合、 压力容器气泡规模特征集和压力容器气泡连续性特 征集， 分别获得 所述气泡连续 性构建数据集和气泡 规模构建数据集。 8.一种基于人工智能的压力容器气密性的装置， 其特征在于， 所述装置包括压力容器 气密性检测设备和图像采集设备， 所述装置包括： 气密性检测模块， 用于采用所述压力容器气密性检测设备对压力容器进行气密性检 测； 监测区域设定模块， 用于采集获取压力容器气密性检测设备的图像， 确认监测区域， 所 述监测区域 为包括所述压力容器的区域； 图像采集模块， 用于在所述气密性检测过程中， 采用所述图像采集设备按照 时间顺序 采集获取所述监测区域的图像， 获得检测图像集合， 所述检测图像内包括气密性检测过程 中产生的气泡图像； 第一特征分析模块， 用于将所述检测图像集合输入气泡分析模型， 分析多个所述气泡 图像的大小信息， 获得多个气泡大小信息； 图像筛选模块， 用于按照多个所述气泡大小信息对多个所述气泡图像进行筛选， 去 除 非气密性气泡图像， 获得多个气密性气泡图像； 第二特征分析模块， 用于将多个所述气密性气泡图像， 输入气密性分析模型， 分析获得权　利　要　求　书 2/3 页 3 CN 114878087 A 3