大型機械設備安裝過程復雜、繁瑣，要求密閉的區域常常出現泄漏，傳統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域全自動檢測方法，利用貝葉斯理論推導出自適應的動態閾值，作為區分前景泄漏目標區域和背景的準則。實驗結果顯示，該方法可以在復雜環境下，快速、準確地找到機械設備安裝過程中泄漏區域的位置。

　　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域，是很多工程實踐的迫切需求。

　　傳統檢測安裝設備泄漏區域的方法，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象，即如果某區域有氣泡生成，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展，利用機器學習方法實現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，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，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目標的檢測與跟蹤。在此啟發下，本文提出一種全自動的設備泄露區域實時檢測方法，即實時檢測設備是否存在氣泡生成的區域。該方法利用貝葉斯理論，根據視頻流中的每一幀圖像，實時動態地調整門限閾值參數，作為區分前景泄漏目標區域和背景的準則，最終實現泄露區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。