本发明属于图像检测，具体涉及一种水表检测的智能气泡识别系统及方法。
背景技术：
1、气泡随着水流进入水表后，气泡以空气杂质的形式通过水表。此时，水表会产生一个错误的脉冲，因为目前的测量技术还无法区分空气体积量和水流体积量。因此，这种情况下水表会产生正误差，严重时可能导致水表漏水。因此需要对水平气泡进行检测，对水表进行及时维护调整。现有的检测方式为人工查验，该查验方式检测精度较差，且由于环境限制，对其图像采集较为不便。除此之外，采用人工校验的方式所需时间以及成本较多。
2、为了解决现有技术存在的不足，人们进行了长期的探索，提出了各式各样的九游会国际的解决方案。例如，中国专利文献公开了一种水表气泡检测方法[202310124708.7]，其通过摄像头采集水表表盘图像，利用水表气泡检测模型检测水表表盘图像中的数字区域是否存在气泡；若上述过程中不存在气泡，则通过检测亮度关键点判断水表表盘图像中的数字区域是否存在气泡，否则由人工识别度数；若上述过程中不存在气泡，则通过边缘特征判断水表表盘图像中的数字区域是否存在气泡，否则由人工识别度数；若上述过程中不存在气泡，则自动识别度数，否则由人工识别度数。
3、上述方案在一定程度上解决了水表气泡检测的问题，但是该方案依然存在着诸多不足，例如仍然需要进行人工校验、无法保证检测精度等问题。
技术实现思路
1、本发明的目的是针对上述问题，提供一种设计合理，识别检测精度高的水表检测的智能气泡识别方法。
2、本发明的目的是针对上述问题，提供一种检测精度高的水表检测的智能气泡识别系统。
3、为达到上述目的，本发明采用了下列技术方案：一种水表检测的智能气泡识别方法，包括如下步骤：
4、s1：采集水表图像；
5、s2：对水表图像进行预处理；
6、s3：对水表图像进行特征提取；
7、s4：利用yolov8模型进行图像分类检测；
8、s5：识别判断水表内部气泡。
9、在上述的一种水表检测的智能气泡识别方法中，步骤s1包括如下步骤：
10、s11：将摄像头与水表表面平行；
11、s12：检测水表表面是否位于摄像头最佳聚焦位置；
12、s13：调整水表表面边缘接近fov拍摄矩形成像区域大小；
13、s14：水表表面中心与摄像头的镜头光轴相合；
14、s15：调整水表表面成像亮度接近像素灰度饱和值。
15、在上述的一种水表检测的智能气泡识别方法中，步骤s2包括如下步骤：
16、s21：将采集的水表图像导入opencv；
17、s22：利用opencv中的minread函数读取图像；
18、s23：调整图像大小，并进行灰度化以及阈值化；
19、s24：利用numpy数组调整图像的像素；
20、s25：利用中值过滤器对图像进行锐化处理；
21、s26：进行边缘检测识别图像边界。
22、在上述的一种水表检测的智能气泡识别方法中，步骤s26包括如下步骤：
23、s261：获取灰度图像并利用微分算子对灰度图像预处理；
24、s262：将图像灰度值作为信息素量，采用蚁群算法进行迭代；
25、s263：根据设置的阈值，将图像按照每个像素的灰度值大小转换为二值图像，得到边缘结果图。
26、在上述的一种水表检测的智能气泡识别方法中，s26包括如下步骤：
27、s264：对图像进行二值化处理；
28、s265：对二值图像进行距离变换；
29、s266：对距离变换图像进行阈值处理；
30、s267：对初始标记图像进行分水岭分割得到边缘结果图。
31、在上述的一种水表检测的智能气泡识别方法中，步骤s3包括如下步骤：
32、s31：通过gamma校正法对图像标准化处理；
33、s32：计算图像中各像素梯度；
34、s33：将图像划分为若干cells；
35、s34：根据各cells的梯度直方图构建descriptor；
36、s35：将若干cells组合为block并将特征descriptor串联得到该block的hog特征descriptor；
37、s36：将图像内所有block的hog特征descriptor串联得到图像的hog特征descriptor。
38、在上述的一种水表检测的智能气泡识别方法中，步骤s4包括如下步骤：
39、s41：准备运行环境，安装ultralytics包；
40、s42：建立数据集；
41、s43：利用步骤s3提取的特征向量划分数据集。
42、在上述的一种水表检测的智能气泡识别方法中，步骤s4包括如下步骤：
43、s44：将数据集中文件类型转换为yolov8标准的格式；
44、s45：查看数据集标签类型以及数量；
45、s46：修改数据并配置文件。
46、在上述的一种水表检测的智能气泡识别方法中，步骤s4包括如下步骤：
47、s47：进行模型训练；
48、s48：验证模型并对新数据进行预测；
49、s49：导出训练模型。
50、在上述的一种水表检测的智能气泡识别方法中，步骤s4采用混淆矩阵对模型进行评估，计算模型准确率和召回率。
51、一种水表检测的智能气泡识别系统，采用了上述水表检测的智能气泡识别方法。
52、与现有的技术相比，本发明的优点在于：利用yolov8模型进行图像分类检测，从而对水表内部气泡进行自动识别检测，其具有较高的识别精度；根据实际需要采用蚁群算法或分水岭算法进行边缘检测，保证后续数据集划分准确性；图像采用方向梯度直方图进行特征提取，可有效避免气泡细小变化的干扰。
1.一种水表检测的智能气泡识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种水表检测的智能气泡识别方法，其特征在于，所述的步骤s1包括如下步骤：
3.根据权利要求1所述的一种水表检测的智能气泡识别方法，其特征在于，所述的步骤s2包括如下步骤：
4.根据权利要求3所述的一种水表检测的智能气泡识别方法，其特征在于，所述的步骤s26包括如下步骤：
5.根据权利要求3所述的一种水表检测的智能气泡识别方法，其特征在于，所述的s26包括如下步骤：
6.根据权利要求1所述的一种水表检测的智能气泡识别方法，其特征在于，所述的步骤s3包括如下步骤：
7.根据权利要求1所述的一种水表检测的智能气泡识别方法，其特征在于，所述的步骤s4包括如下步骤：
8.根据权利要求7所述的一种水表检测的智能气泡识别方法，其特征在于，所述的步骤s4包括如下步骤：
9.根据权利要求9所述的一种水表检测的智能气泡识别方法，其特征在于，所述的步骤s4采用混淆矩阵对模型进行评估，计算模型准确率和召回率。
10.一种水表检测的智能气泡识别系统，其特征在于，采用了上述权利要求1-9任意一项所述的水表检测的智能气泡识别方法。