基于人工智能的气瓶缺陷图像数据处理系统及方法与流程

本发明涉及气瓶缺陷图像数据处理，具体为基于人工智能的气瓶缺陷图像数据处理系统及方法。

背景技术：

1、气瓶定期检验，是指特种设备检验机构按照一定的时间周期，根据有关安全技术规范以及相关标准的规定，对气瓶安全状况所进行的符合性验证活动。气瓶定期检验项目包括外观检查、音响检查、内部检查、瓶口螺纹检查、重量与容积测定、水压试验、瓶阀检验和气密性试验，在目前的技术手段中，外观检查、音响检查、内部检查、瓶口螺纹检查等都需要人工判断，进行感官分析。

2、然而目前的感官分析技术有着很大的局限性，它主要依靠少数所谓“行家”的经验，评价结果缺乏科学性，客观性和可比性。随着智能技术的发展，图像对比技术逐渐应用，目前的图像对比技术也仅仅是针对于单项检查，单项对比，大多数时候，仅通过一个标定阈值来判断单项的检验成果，而忽略单项检测与单项检测之间的关联，例如一个气瓶的内部与外部同时出现阈值以内的腐蚀现象，在普通的检测中，两项检测均会通过，但是在实际使用中，这样的气瓶腐蚀速度会快速加剧，从而造成意外，而目前针对于气瓶的检测关联上尚没有相关的技术。

技术实现思路

1、本发明的目的在于提供基于人工智能的气瓶缺陷图像数据处理系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：基于人工智能的气瓶缺陷图像数据处理方法，该方法包括以下步骤：

3、s1、构建气瓶缺陷图像处理端口，所述气瓶缺陷图像处理端口调用标记异常对象，所述标记异常对象存储于检测图像数据库内；

4、s2、检测图像数据库实时存储气瓶各项检测的特征检测数据，并根据标记模型实时变换标记异常对象，保证标记异常对象在检测图像数据库内有且仅有一个；

5、s3、调用气瓶历史检测大数据库，所述气瓶历史检测大数据库内包含两种类别气瓶，分别记为安全性气瓶与非安全性气瓶，获取非安全性气瓶各项检测的特征检测数据；

6、s4、构建非安全性气瓶数据判断模型，基于调用的标记异常对象代入非安全性气瓶数据判断模型，形成判断数据，若存在判断数据满足非安全性气瓶判断，对气瓶添加警示标志，提醒管理员巡查。

7、根据上述技术方案，所述气瓶各项检测包括：外观检测、音响检测、内部检测以及瓶口螺纹检测；所述外观检测用于对气瓶的瓶体外观进行检测，形成若干组瓶体外观图像；所述音响检测指在没有附加物或其他妨碍瓶体震动的情况下，用木锤轻击瓶壁，振动的音响通过传声器，再经过电子管和变压器放大，从示波器的纵轴显示出波形图像，以及由闸流管、继电器及整流器组成回路，沿示波器横轴，把波形从一端向另一端横向展开，记录下波形图像；所述内部检测借助内窥镜从瓶口伸入，形成瓶体内部的若干组图像数据；所述瓶口螺纹检测借助放大镜形成放大图像，生成螺纹状况图像数据；

8、所述标记模型包括：

9、获取每一项检测下的特征检测数据，调用系统设定的特征检测数据的瓶体标准图像，进行图像之间相似度比对：

10、；

11、其中，代表特征检测数据的图像与系统设定的特征检测数据的瓶体标准图像之间的相似度；代表特征检测数据的图像下的任一数据特征；代表系统设定的特征检测数据的瓶体标准图像的对应的同一数据特征；代表序号；t代表图像上选取的特征数量；

12、例如所述外观检测的特征检测数据包括：腐蚀、裂纹、凹陷、鼓包、磕伤、划伤、倾斜、筒体失圆、颈圈松动、瓶底磨损等等，即每一项会设置有标准图像，例如裂纹，系统会内置有无裂纹的瓶体图像，系统计算实时检测的裂纹与标准图像的裂纹相似度，越相似代表越接近标准图像，也即代表裂纹越小；越不相似，则代表裂纹较大；

13、基于每个特征检测数据的图像与系统设定的特征检测数据的瓶体标准图像之间的相似度，计算平均值，形成特征检测数据的标记异常值，对标记异常值按照从大到小的顺序进行排序，形成异常序列，最大值对应的特征检测数据记为标记异常对象；

14、标记异常对象代入非安全性气瓶数据判断模型后，在异常序列中将其删除，同时继续选取序列中的最大值对应的特征检测数据记为标记异常对象。

15、根据上述技术方案，所述安全性气瓶与非安全性气瓶包括：

16、任一气瓶的所有单项特征检测数据均满足系统设定阈值时，记录气瓶处于安全模式，根据气瓶的出厂铭牌标记安全使用期限，若任一标记安全使用期限的气瓶在未达到安全使用期限时，出现特征检测数据预警的情况，标记气瓶为非安全性气瓶；

17、所述安全性气瓶指除了非安全性气瓶以外的气瓶。

18、根据上述技术方案，所述非安全性气瓶数据判断模型包括：

19、获取非安全性气瓶各项检测的特征检测数据，选取判定为非安全性气瓶的前一次各项检测的特征检测数据，在所有单项特征检测数据中，与系统设定的特征检测数据的瓶体标准图像达到完全相似的标记为指标特征，满足系统设定阈值但未达到完全相似的标记为非指标特征，对每一个非安全性气瓶建立非指标特征集合；

20、获取调用的标记异常对象，选取出存在标记异常对象的非指标特征集合参加模型训练：

21、在每个非指标特征集合中去除标记异常对象，按照出现频次对特征检测数据进行排序，形成第一特征序列，设置频次阈值，出现频次低于频次阈值的不计入第一特征序列，按照第一特征序列在实时气瓶各项检测的特征检测数据中进行选取，若某一个特征检测数据在实时气瓶各项检测的特征检测数据中被标记为指标特征，则不选取，将选取出的特征检测数据形成第二特征序列，记录第二特征序列的特征总数量n，并智能生成第二特征序列内的组合方式数量p：

22、；

23、其中，为组合内的特征数量；

24、计算每一个组合在选取出存在标记异常对象的非指标特征集合中的概率占比，生成标记异常对象的非安全性气瓶判断概率：

25、；

26、其中，h代表标记异常对象的非安全性气瓶判断概率；j代表任一种组合方式；指在组合方式j在非指标特征集合中的概率占比；k代表衡量系数常量，是一个小于1且大于0的常数项，一般取值情况下为无限靠近于0，远小于1；

27、不断调用标记异常对象，计算标记异常对象的非安全性气瓶判断概率，系统设立标定值，若标记异常对象的非安全性气瓶判断概率超出标定值的数量达到v个，代表判断数据满足非安全性气瓶判断，对气瓶添加警示标志，提醒管理员巡查；若标记异常对象调用完成后，标记异常对象的非安全性气瓶判断概率超出标定值的数量未达到v个，标记为安全性气瓶，v由人工手动设置。利用这样的方式能够加快气瓶缺陷图像数据处理进度，一般从标记异常对象出发，其能够带来的概率影响是最大的，按照序列不断选取，如果较大的概率影响已经成功达到v个，后续就不用再进行计算了，进而降低工作频次，提高处理速度，v一般设置为三个。

28、基于人工智能的气瓶缺陷图像数据处理系统，该系统包括：实时检测图像数据库模块、气瓶历史检测大数据库模块、ai计算模块以及警示模块；

29、所述实时检测图像数据库模块用于构建检测图像数据库，在系统传输实时气瓶各项检测的特征检测数据时进行存储，并构建气瓶缺陷图像处理端口调用标记异常对象；所述气瓶历史检测大数据库模块用于存储不同类别气瓶的历史各项检测的特征检测数据；所述ai计算模块用于构建非安全性气瓶数据判断模型，基于调用的标记异常对象代入非安全性气瓶数据判断模型，形成判断数据；所述警示模块用于存在判断数据满足非安全性气瓶判断，对气瓶添加警示标志，提醒管理员巡查；

30、所述实时检测图像数据库模块、所述气瓶历史检测大数据库模块的输出端与所述ai计算模块的输入端相连接；所述ai计算模块的输出端与所述警示模块的输入端相连接。

31、根据上述技术方案，所述实时检测图像数据库模块包括检测图像数据库单元以及标记转换单元；

32、所述检测图像数据库单元用于构建检测图像数据库，在系统传输实时气瓶各项检测的特征检测数据时进行存储；所述标记转换单元用于构建气瓶缺陷图像处理端口，根据标记模型实时变换标记异常对象，保证标记异常对象在检测图像数据库内有且仅有一个，同时调用标记异常对象；

33、所述检测图像数据库单元的输出端与所述标记转换单元的输入端相连接。

34、根据上述技术方案，所述气瓶历史检测大数据库模块包括安全性气瓶数据存储单元与非安全性气瓶数据存储单元；

35、所述安全性气瓶数据存储单元用于存储安全性气瓶的历史各项检测的特征检测数据；所述非安全性气瓶数据存储单元用于存储非安全性气瓶的历史各项检测的特征检测数据；

36、任一气瓶的所有单项特征检测数据均满足系统设定阈值时，记录气瓶处于安全模式，根据气瓶的出厂铭牌标记安全使用期限，若任一标记安全使用期限的气瓶在未达到安全使用期限时，出现特征检测数据预警的情况，标记气瓶为非安全性气瓶；

37、所述安全性气瓶指除了非安全性气瓶以外的气瓶；

38、所述安全性气瓶数据存储单元与非安全性气瓶数据存储单元的输出端均连接至ai计算模块。

39、根据上述技术方案，所述ai计算模块包括模型计算单元与判断单元；

40、所述模型计算单元用于构建非安全性气瓶数据判断模型，基于调用的标记异常对象代入非安全性气瓶数据判断模型，形成判断数据；所述判断单元用于计算标记异常对象的非安全性气瓶判断概率，系统设立标定值，记录标记异常对象的非安全性气瓶判断概率超出标定值的数量；

41、所述模型计算单元的输出端与所述判断单元的输入端相连接。

42、根据上述技术方案，所述警示模块包括：

43、存在判断数据满足非安全性气瓶判断时，以红色标记对气瓶添加警示标志，输出至系统内部，提醒管理员改变气瓶的巡查年限。

44、与现有技术相比，本发明所达到的有益效果是：本发明能够以图像处理方式代替目前的感官分析技术，提高检测的科学性，客观性和可比性。同时针对于图像处理过程提出了一系列全新的判断方式，能够解决对当前环境下单项检测带来的弊端，进一步提高安全程度，降低意外风险。