为了获得大量、完整、多样、可靠的实验数据，本文自主研发了一种微泄漏检测实验台。该试验台分为两个部分：泄漏设备模拟平台和图像数据采集平台。模拟泄漏工件的漏点经激光打孔、划痕等方式制成。图像数据采集部分由工业高速摄像机、镜头和光源组成。

实验台整体结构如图1所示。其中，针阀用于调节气压。

通过自主设计，实验使用圆盘模拟泄漏工件和长方体模拟泄漏工件：

(1)圆盘工件能更换激光穿孔工件来控制漏点大小，穿孔直径尺寸有20 μm、30 μm、40 μm、50 μm、60 μm等。

(2)长方体工件内部空心，表面通过激光打孔制造漏点。

模拟泄漏工件和漏点如图2所示。

依据体积位移法，将足量的水注入整个实验装置，获得装置容积V_total约为23.17×10⁻³ m³。通过直压法实验和式(1)，获得装置不同气压下的体积泄漏率Q_v：

其中，p_s表示标准大气压；p_n表示在第n个时刻的瞬时气压；$ {t_1} $表示测量间隔时长，为20 ms。

本次测量选用半径为20 μm的漏点，气压为0.6 kPa。经测量，在4种气压下，体积泄露率均为7.23×10⁻⁵ m³/s。依据式(2)，所求的体积泄露率等于皂泡的形成速率。

其中，$ {t_2} $表示皂泡生成所用的总时长。

新的检测方法是通过处理皂泡形成过程的视频数据来判断泄漏和漏点位置，所以皂泡的形成速率会在一定程度上影响到检测效率。依据所测量到的皂泡形成速率可知，该实验装置只需1 s就能够形成体积为7.23×10⁻⁵ m³的皂泡，即半径9.27×10⁻³ m的类半圆皂泡，基本满足图像处理算法的检测要求。

由此可推断，当漏点半径大于20 μm或气压大于0.6 kPa时，模拟漏件皆能较快地产生皂泡，基本能满足图像处理算法的检测要求。

在实验开始之前，检查各个实验设备情况，如阀门是否处于关闭状态、质量是否完好、气密性是否良好、模拟漏件表面是否干净等；调节光源的光圈、光强和镜头的焦距。设备调节完后，正式开始实验。首先，根据所需气压，空压机压入适当空气，用针阀调节气压，在模拟漏件上均匀涂抹皂液；接着，开启相机采集数据，打开手动阀，漏件表面的皂泡生长，当皂泡生长到一定程度，关闭工业相机，结束采集；最后，打开排气阀排光空气后，关闭所有阀门，将漏件表面的皂液擦拭干净，实验结束。

Canny边缘检测^[14]是一种常见的边缘检测算法，该算法有较好的信息提取能力和运算效率，但也存在一定的缺陷。算法流程如图3所示：

算法缺陷如下：

(1)传统Canny算法使用高斯滤波，会丢失部分边缘，而且卷积核大小受人为因素的影响较大，缺乏自适应能力。

(2)对噪声较为敏感，容易出现伪边缘。

(3)高低阈值的设置没有自适应性，难以提取完整的边缘信息。

针对复杂情况下的皂泡目标检测，应当让算法拥有自适应性和较好的类圆目标边缘检测性能，故对Canny算法做出如下改进：

(1)改善卷积模板^[15]

传统的Canny算法用的是2×2的差分模板，现改为3×3，增加了两个方向的差分模板：

其中，S_x和S_y是垂直和水平方向的卷积核，S_Opr和S_Opl是45°和135°方向的卷积核。通过卷积操作，获得对应的梯度分量g_x、g_y、g_ur、g_dl，计算出梯度幅值$ {G_r} $和梯度方向角$ \vartheta $：

(2)自适应阈值分割

传统的Canny算法高低阈值设置是固定的，故双阀值的选取对最终的结果影响较大。本文引入Otsu算子^[16]，但传统Otsu算子对噪声十分敏感，只能对单一目标进行分割。为了弥补缺陷，本文采用了两次Otsu算子。首先，用Otsu算子得出图像的全局最大类间方差，作为Canny算法的高阈值，而低于高阈值的区域认定为阴暗处，对阴暗处求最大类间方差，作为Canny算法的低阈值。

为了验证改进的Canny算法，对圆盘漏件图像数据的处理结果进行比较，如图4。

本文设置P1、P2、P3分别代表边缘像素总数、4连通域数和8连通域数，对实验结果做客观比较。根据文献[17]，P3/P1的数值越小，表示图像边缘越连续，待测轮廓的间断也越少；P2/P3的数值越小，表示越符合边缘检测算法中的单一边缘相应准则。

由表1，改进Canny算法的P3/P1和P3/P2均小于传统Canny算法。因此在皂泡检测方面，改进的Canny算子边缘提取的性能更好。

与传统帧差法相比，五帧差法不仅能适应高帧率视频，而且能抑制光影变化的影响，减少图像的重影、缺陷；但存在计算量较大、难以提取完整边缘信息的问题。所以，本文将五帧差法与改进的Canny边缘检测结合，算法流程如下：

(1)选取连续图像，通过二值化与中值滤波，得到5帧灰度图：$ {o_{(t - 2)}}\left( {x,y} \right),\cdots,{o_{(t + 2)}}\left( {x,y} \right) $。

(2)对第$ t $帧图像采用改进Canny算法，提取边缘信息，记$ {Q_t}\left( {x,y} \right) $。

(3)将前后4帧的二值图与第$ t $帧的二值图做差分运算，获得$ {I_1}\left( {x,y} \right),\cdots,{I_4}\left( {x,y} \right) $。

(4)利用Otsu算子对差分后的四张图像进行二值分割，获得4张二值图。将二值图与$ {Q_t}\left( {x,y} \right) $进行逻辑“与”运算获得$ {R_1}\left( {x,y} \right),\cdots,{R_4}\left( {x,y} \right) $，再进行逻辑“或”运算获得$ {R_t}\left( {x,y} \right) $。

(5)对$ {R_t}\left( {x,y} \right) $进行中值滤波和形态学处理，获得最终的前景目标。

算法流程图如图5。

本文检测皂泡生长是为了检漏和漏点定位，所以采用圆盘工件和长方体工件的泄漏的视频数据集，并将新算法和文献[12-13]算法的处理结果进行比较，结果如图6与图7。

这里引入[18]Pr、Re、F_β和Tm做客观分析。各项指标的公式如下：

其中，TP为正确的目标点数；FP为误检的目标点数；FN为误检的背景点数。Pr表示查准率，Re表示查全率。可以看出Pr与Re是相互矛盾的指标，其中一个增高会导致另一个降低，所以对于Re与Pr的侧重就需要取决于应用环境。本文使用这两类的调和平均数F₁来衡量Pr和Re。Tm代表算法的运行时长，用来衡量检测效率。

客观分析结果如表2所示，由于皂泡与背景对比较小、边缘较窄等特点，导致皂泡内部会存在空洞，所以各项指标偏低。

据结果所示，文献[12]在长方体工件上的各项评价指标比本文算法略低，在圆盘工件上的查准率低于本文算法，查全率比本文算法低0.055，所以指标F₁低于本文算法。文献[13]的查准率普遍都高于本文算法，但在查全率方面比本文算法低，因此文献[13]的两项指标F₁分别低本文算法0.123和0.059。由Tm可知，3种算法的运行速率均较快，其中文献[12]和[13]算法的运行速率时快时慢，而本文算法速率适中，3种算法都基本能满足工业检测的速率要求。

综上所述，本文算法的处理结果中虽然存在一定程度的噪声，但能较为准确的提取出生长皂泡的运动目标，总体上优于另外两种对比算法，能够实现对生长皂泡有效的目标检测。

气密性是真空设备最重要的指标，为了提高真空设备检漏的工作效率，本文提出了一种基于五帧差法的目标检测算法，用于对皂泡法的生长皂泡进行目标检测。算法里结合了Canny边缘检测算法和Otsu算子，弥补了传统五帧差法目标轮廓的缺陷。实验结果表明，与文献[12-13]的算法相比，本文算法具有更高的漏点检测精确性，是一种智能化的高效自动气密性检测方法。该检测方法主要运用在工业检漏过程中的初筛阶段，能够同时实现检漏和漏点定位，拥有一定的应用前景。