如何使用贝叶斯判别准则进行机械设备泄露区域的全自动检测

　　大型机械设备安装过程复杂、繁琐，要求密闭的区域常常出现泄漏，传统检测泄漏的方法效率低，成本高，针对这一难题，本文提出一种基于贝叶斯判别准则的机械设备安装泄露区域全自动检测方法，利用贝叶斯理论推导出自适应的动态阈值，作为区分前景泄漏目标区域和背景的准则。实验结果显示，该方法可以在复杂环境下，快速、准确地找到机械设备安装过程中泄漏区域的位置。

　　在大型机械设备安装过程中，常常要求密封条件满足一定的要求，但是由于安装误差，人为因素等不确定事件的存在，泄漏情况时有发生，最终导致设备无法正常运行，进而带来巨大的损失和安全隐患，因此，能够快速、准确地确定安装设备的泄露区域，是很多工程实践的迫切需求。

　　传统检测安装设备泄漏区域的方法，是利用肥皂水涂抹机械设备表面，通过人工观察气泡变化情况，判断是否存在泄露现象，即如果某区域有气泡生成，说明安装过程存在泄漏，否则，不存在泄漏，但是这种方法效率低下，而且容易引起工作人员的疲劳，导致误报率上升。随着计算机技术和人工智能技术的快速发展，利用机器学习方法实现观测目标的全自动实时检测与跟踪，已经成为一种必然趋势，为此，很多学者做出了不断的探索。Huang Xinjuan等人使用背景减除法，实时地选择每个像素的高斯数，用来检测移动变化的目标。Morelander等人利用粒子滤波同时跟踪多个目标。此外，还有很多基于固定阈值的目标检测算法，显示出较好的性能。

　　虽然这些算法都获得了很好的表现，但是由于固定阈值会引起大量有用信息的损失，因此，利用自适应阈值建立模型将更有助于动态目标的检测与跟踪。在此启发下，本文提出一种全自动的设备泄露区域实时检测方法，即实时检测设备是否存在气泡生成的区域。该方法利用贝叶斯理论，根据视频流中的每一帧图像，实时动态地调整门限阈值参数，作为区分前景泄漏目标区域和背景的准则，最终实现泄露区域生成气泡的实时检测，有效提高工作效率和准确率，降低生产的运作成本。