气密性试验是保证压力容器质量的重要手段之一。运用科学技术提高气密性试验的精度和效率已成为一种发展趋势。然而,当前提出的气密性试验方法仍难以应用于真实场景,其检测效率和精度无法满足工业需求。本文以基于机器视觉和压力检测的气密性试验方法为研究目标,旨在利用时序图像和压力变化计算泄漏源及泄漏量,主要的研究工作和成果如下:1.设计了融合多传感器的压力容器气密性试验装置。该装置由气密性试验水槽、工业相机、压力传感器、串口服务器及工控机等构成。其中,工业相机为泄漏定位方法提供视频帧数据源,压力传感器为泄漏量计算方法提供压强数据源。该装置可有效提高气密性试验效率和准确率。2.探讨了多场景下压力容器精确定位的解决思路。首先,提出了一种基于卷积神经网络的压力容器初定位方法,粗定位容器位置;然后,针对预测框精确度和试验场景,分别提出了基于边缘检测的压力容器精确定位方法和基于密封塞定位的压力容器精确定位方法。3.研究了压力容器气密性试验时的泄漏源定位方法和泄漏量计算思路。提出了一种基于背景建模的多区域泄漏定位方法,该方法利用时序图像前景点分布及频次信息,实现多泄漏源定位;提出了一种区域泄漏量计算方法,该方法将视觉数据与压力数据相结合,实现局部泄漏区域的泄漏量计算。4.研发了压力容器气密性试验系统及气密性试验云平台。其中,压力容器气密性试验系统帮助生产企业提高气密性试验效率和可靠性。气密性试验云平台协助特种设备监检单位对各生产企业的气密性试验情况进行管理。