大型機械設備安裝過程復雜、繁瑣，要求密閉的區(qū)域常常出現(xiàn)泄漏，傳統(tǒng)檢測泄漏的方法效率低，成本高，針對這一難題，本文提出一種基于貝葉斯判別準則的機械設備安裝泄露區(qū)域全自動檢測方法，利用貝葉斯理論推導出自適應的動態(tài)閾值，作為區(qū)分前景泄漏目標區(qū)域和背景的準則。實驗結果顯示，該方法可以在復雜環(huán)境下，快速、準確地找到機械設備安裝過程中泄漏區(qū)域的位置。

　　在大型機械設備安裝過程中，常常要求密封條件滿足一定的要求，但是由于安裝誤差，人為因素等不確定事件的存在，泄漏情況時有發(fā)生，最終導致設備無法正常運行，進而帶來巨大的損失和安全隱患，因此，能夠快速、準確地確定安裝設備的泄露區(qū)域，是很多工程實踐的迫切需求。

　　傳統(tǒng)檢測安裝設備泄漏區(qū)域的方法，是利用肥皂水涂抹機械設備表面，通過人工觀察氣泡變化情況，判斷是否存在泄露現(xiàn)象，即如果某區(qū)域有氣泡生成，說明安裝過程存在泄漏，否則，不存在泄漏，但是這種方法效率低下，而且容易引起工作人員的疲勞，導致誤報率上升。隨著計算機技術和人工智能技術的快速發(fā)展，利用機器學習方法實現(xiàn)觀測目標的全自動實時檢測與跟蹤，已經成為一種必然趨勢，為此，很多學者做出了不斷的探索。Huang Xinjuan等人使用背景減除法，實時地選擇每個像素的高斯數(shù)，用來檢測移動變化的目標。Morelander等人利用粒子濾波同時跟蹤多個目標。此外，還有很多基于固定閾值的目標檢測算法，顯示出較好的性能。

　　雖然這些算法都獲得了很好的表現(xiàn)，但是由于固定閾值會引起大量有用信息的損失，因此，利用自適應閾值建立模型將更有助于動態(tài)目標的檢測與跟蹤。在此啟發(fā)下，本文提出一種全自動的設備泄露區(qū)域實時檢測方法，即實時檢測設備是否存在氣泡生成的區(qū)域。該方法利用貝葉斯理論，根據視頻流中的每一幀圖像，實時動態(tài)地調整門限閾值參數(shù)，作為區(qū)分前景泄漏目標區(qū)域和背景的準則，最終實現(xiàn)泄露區(qū)域生成氣泡的實時檢測，有效提高工作效率和準確率，降低生產的運作成本。