[论文解读] Computer vision-based recognition of liquid surfaces and phase boundaries in transparent vessels, with emphasis on chemistry applications

Sagi Eppel, Tal Kachman|arXiv (Cornell University)|Apr 28, 2014

Innovative Microfluidic and Catalytic Techniques Innovation参考文献 18被引用 35

一句话总结

本文提出了一种计算机视觉方法，用于在不了解相数的前提下，检测透明容器中的液面和相界面。该方法采用曲线扫描结合图像特性分析——包括相对于曲线法线的强度变化、边缘密度变化以及梯度方向——以精确识别气液界面和液液界面，从而实现实验室化学应用中液体体积和相分离的自动化测量。

ABSTRACT

The ability to recognize the liquid surface and the liquid level in transparent containers is perhaps the most commonly used evaluation method when dealing with fluids. Such recognition is essential in determining the liquid volume, fill level, phase boundaries and phase separation in various fluid systems. The recognition of liquid surfaces is particularly important in solution chemistry, where it is essential to many laboratory techniques (e.g., extraction, distillation, titration). A general method for the recognition of interfaces between liquid and air or between phase-separating liquids could have a wide range of applications and contribute to the understanding of the visual properties of such interfaces. This work examines a computer vision method for the recognition of liquid surfaces and liquid levels in various transparent containers. The method can be applied to recognition of both liquid-air and liquid-liquid surfaces. No prior knowledge of the number of phases is required. The method receives the image of the liquid container and the boundaries of the container in the image and scans all possible curves that could correspond to the outlines of liquid surfaces in the image. The method then compares each curve to the image to rate its correspondence with the outline of the real liquid surface by examining various image properties in the area surrounding each point of the curve. The image properties that were found to give the best indication of the liquid surface are the relative intensity change, the edge density change and the gradient direction relative to the curve normal.

研究动机与目标

• 解决缺乏自动化、通用的液面和相边界识别方法的问题，以适用于透明容器。
• 在不预先假设相数的前提下，实现对实验室环境中液位和相分离的精确检测。
• 开发一种基于视觉的系统，通过自动化视觉评估支持滴定、萃取和蒸馏等关键化学技术。
• 克服真实实验环境中由于折射、透明度和光照条件变化带来的图像界面检测挑战。
• 提供一种灵活、开源的解决方案，适用于多种透明容器几何形状和流体系统。

提出的方法

• 该方法以透明容器的图像及其边界作为输入，扫描所有可能代表液面的曲线。
• 对于每个候选曲线，通过三种关键图像特性评估其与真实液面的匹配度：相对强度变化、边缘密度变化以及相对于曲线法线的梯度方向。
• 选择对应度得分最高的曲线作为检测到的液面或相边界。
• 该方法无需预先知晓相数，因此适用于气液界面和液液界面。
• 通过依赖局部图像梯度和边缘特征，该算法对光学失真和光照变化具有鲁棒性。
• 源代码公开可用，支持可复现性，并可集成至实验室自动化流程中。

实验结果

研究问题

• RQ1 计算机视觉方法是否能在不了解相数的前提下，检测透明容器中的液面和相边界？
• RQ2 在透明器皿中，哪些图像特性最可靠地指示液面或相边界的出现？
• RQ3 该方法在不同容器形状和流体系统中，检测液位和相边界的准确性如何？
• RQ4 该方法是否能泛化至不同的光照条件和光学效应（如折射）？
• RQ5 该方法在滴定和萃取等化学实验操作自动化中，支持程度如何？

主要发现

• 相对强度变化、边缘密度变化以及相对于曲线法线的梯度方向三者结合，提供了最可靠的液面和相边界检测结果。
• 该方法在无需预先假设相数的前提下，成功检测了多种透明容器中的气液界面和液液界面。
• 该算法在实验室成像设置中常见的光学失真和光照变化条件下表现出鲁棒性。
• 该方法在识别液位和相边界方面实现了高精度，支持精确的体积和相分离估算。
• 相边界和液面识别的源代码公开可用，支持可复现性，并可集成至科研与工业应用中。
• 该方法适用于滴定、萃取和蒸馏等核心化学技术，这些技术中液位的视觉评估至关重要。