亚星游戏官网-www.yaxin868.com

专利名称：一种蓄电池极板外观缺陷自动检测方法
技术领域：
本发明属于蓄电池生产技术领域，具体涉及一种蓄电池极板外观缺陷自动检测方法。
背景技术：
蓄电池极板是蓄电池的关键部件。由于生产原料本身的缺陷、生产过程的不足，蓄电池极板可能会存在一定的缺陷如外观缺陷、组成成分缺陷等，这些缺陷会对蓄电池的性能产生致命影响，因此需在生产过程中对极板进行检验。目前，蓄电池极板的外观缺陷主要采用目测方法，必要时辅以卡尺或直尺测量；组成成分缺陷检测主要基于化学方法完成。不管是外观缺陷检测还是组成成分检测均需人工完成，存在以下几个方面的问题:首先，含铅材料对人体有较大伤害；其次，效率较低；再者，人工检测容易出错。因此，实际生产过程中往往采用抽样检测的方式，具有较大的局限性。

发明内容
本发明的目的就是克服现有技术的不足，提出一种基于机器视觉的蓄电池极板外观缺陷自动检测方法，缺陷检测速度快、成功率高，无需人工参与。本发明的蓄电池极板外观缺陷自动检测方法，具体步骤是:
步骤(1)由线阵CCD摄像头获得蓄电池极板其中一面的灰度图像其中图像分辨率为,χ/ ;ΙΤ表示图像宽度—表示图像高度。步骤(2)对4进行保留边缘的平滑滤波处理，得到滤波后图像具体步骤如下:
①对厶中的每一象素(U),抽取出其左上角、右上角、左下角及右下角4个3X3邻域，其中:左上角邻域的9个像素坐标分别为0-2,7-2)、(X-2J-1)、(x-2,y)、(x-\,y-2)
、O-1j-1)、(x-Xy)、(x,y-2)、(x,广I)、(x,f);右上角邻域的9个像素坐标分别为(1--2,^)、(Λ--2,y+l)、(x-2,>' + 2)、(x-ly)、(x-l,y+l)、(x-l,j+2)、(x,y)、(x,y+i)
、(u+2);左下角邻域的9个像素坐标分别为(U-2)、(xj-l)、(U)、(x + lj-2)、(x + ly- )、(x + 1,7)、(^ + 2, f-2)、(x+2,y-T)、0 + 2,7);右下角邻域的 9 个像素坐标分别为(Di)、(U + l)、￠^^ + 2)、(x + ly)、(-τ+1,^+1)、(x+ly + 2)、(χ+2,>-)、0 + 2,,-+1)
、0c+2^ + 2);上述邻域若因(U)处图像的边沿或角落不存在则忽略。②计算上述每个3X3邻域的灰度均值,分别记为glu, gru, gld, grdo③对glu、gra、gld、grd> Ih 进行排序，令它们的中间值为gm，则滤波后图像为
Uh(x，y、为灰度图像ιΗ中的象素(u)的灰度值。
步骤(3)对步骤(2)中所获得的滤波后图像4进行自适应阈值分割，具体步骤为:
①计算4的均值h②对4中的所有像素以I1力分界点进行二分类，灰度值大于h的归为一类，反之归为另一类，分别计算该两类像素的均值I和^令^力该两类像素均值的均值，即
V2 = (vd+Vu)/2。③继续以I为分界点对4中的所有像素进行二分类，令V3为该两类像素均值的均值。④重复上述二分类过程先次，获得4的自适应分割阈值Vit。⑤若VhW) >Vh则令= I ,对应的像素为备选缺陷点；若Ku) 则令I= ο,对应的像素不是备选缺陷点。步骤(4)在8-邻域上计算空间上连续的备选缺陷点的面积，即对每一个备选缺陷点(U),考查其邻域 8 个邻域点 O-1j-1)、0-1,7)、0-1,>; + 1)、(& 1)、0,j+l)、
(x+lj-1)、(x+l,/K(3T+U’+l)是否为备选缺陷点，若所有全部8个邻域点均不是备选缺陷点，一般可以认为(U)是孤立噪声点；反之，以邻域中的备选缺陷点为中心继续向外扩散，直到不能找到连续 备选缺陷点为止，统计所有连续备选缺陷点的数目，当该数量大于4时输出缺陷报警信号，否则不报警。其中4 为面积滤波阈值。步骤(5)获得蓄电池极板另一面的图像/^，重复步骤(2) (4)，获取极板该面的缺陷信息。本发明可以高效准确地进行蓄电池极板外观缺陷的检测，该方法速度快、缺陷检测成功率高、无污染。
具体实施例方式以下对本发明作进一步说明。步骤(I)由线阵CCD摄像头获得蓄电池极板其中一面的灰度图像心，其中图像分辦率为WxH ; Τ表示图像宽度，孖表示图像高度。步骤(2)对厶进行保留边缘的平滑滤波处理，得到滤波后图像具体步骤如下:
①对厶中的每一象素(U),抽取出其左上角、右上角、左下角及右下角4个3X3邻域，其中:左上角邻域的9个像素坐标分别为(X-2,广2)、(X-2,7-1)、( -2、y)、(>-1,广2)、O-1,7-1)、(λ--U.1)、(Χ7-2)、(υ-1)、(x,y);右上角邻域的9个像素坐标分别为(j-2,j)、(x-2,j+l)、(x-2,y + 2)、(j-1,j)、(z-l j+l)、(1-1 j+2)、(x,y)、(λ;^+1)
、(U + 2);左下角邻域的9个像素坐标分别为(U — 2)、(xj-1)、(x,y)、0 + 1，>'-2)、(x+Xy- )、(x+ly)、(x+2,y-2)、(x+2,y-1)、(x + 2,y);右下角邻域的 9 个像素坐标分别为(U)、(U + )、O，J+ 2)、(x+1,7)、(χ+l, j + 1)、0+1 j + 2)、(x+2,>')、(j + 2,>'+1)
、(x+2,.F+2);上述邻域若因(U)处图像的边沿或角落不存在则忽略。②计算上述每个3X3邻域的灰度均值,分别记为glu, gru, gld, grdo③对glu、gra、gld、grd> I11 {x，y、进行排序，令它们的中间值为gm，则滤波后图像为
Uh 为灰度图像Ih中的象素0,7)的灰度值。步骤(3)对步骤(2)中所获得的滤波后图像4进行自适应阈值分割，具体步骤为:
①计算4的均值H。②对4中的所有像素以”力分界点进行二分类，灰度值大于h的归为一类，反之归为另一类，分别计算该两类像素的均值V,和力，令V2为该两类像素均值的均值，gpV2 = Oti +Vii) / 2。③继续以巧为分界点对4中的所有像素进行二分类，令V3为该两类像素均值的均值。④重复上述二分类过程i次，获得4的自适应分割阈值I。⑤若iy入f) >Vk则令= I ,对应的像素为备选缺陷点；若^则令4(λ>') = 0，对应的像素不是备选缺陷点。步骤(4)在8-邻域上计算空间上连续的备选缺陷点的面积，即对每一个备选缺陷点(W),考查其邻域 8 个邻域点(A--1j-1)、0-1,7)、(x-l,j + l)、(U-1)、(U+1)、
(x+l,/-l)、O+l.y)、(x+lj + l)是否为备选缺陷点,若所有全部8个邻域点均不是备选缺陷点，一般可以认为(U)是孤立噪声点；反之，以邻域中的备选缺陷点为中心继续向外扩散，直到不能找到连续备选缺陷点为止，统计所有连续备选缺陷点的数目，当该数量大于Λ时输出缺陷报警信号，否则不报警。其中4为面积滤波阈值。步骤(5)获得蓄电池极板另一面的图像It,重复步骤(2) ⑷，获取极板该面的缺陷信息。`本发明的一个具体实施例中，面积滤波阈值等参数根据经验及现场环境设置。试验中图像分辨率为320 X 240，在内存大小为2GB、CPU频率为3GHz的工业控制机上图像处理速率为15帧/秒，因此每秒可完成7.5片电池极板的外观检测。在现有试验中尚未发生漏检和误检现象。本发明方法在进行电池极板外观缺陷检测时，采用边缘保持的平滑方法，结合自适应阈值分割技术，并充分考虑了缺陷的面积特征，实现了实时准确的蓄电池极板外观检测。
权利要求
1.一种蓄电池极板外观缺陷自动检测方法，其特征在于该方法的具体步骤是: 步骤⑴由线阵CCD摄像头获得蓄电池极板其中一面的灰度图像其中图像分辨率为 Τχ/ 表示图像宽度~表示图像高度； 步骤(2)对灰度图像厶进行保留边缘的平滑滤波处理，得到滤波后图像4,具体步骤如下: ①对灰度图像厶中的每一象素(U),抽取出其左上角、右上角、左下角及右下角4个3X3邻域，其中:左上角邻域的9个像素坐标分别为2)、(x_2,‘y_l)、(x-2j)、(x-1,广2)、(x-1,广I)、(λ —1，乂)、(υ-2)、(χ,广I)、(x,y);右上角邻域的 9 个像素坐标分别为(叉-2,7)、(x-2,^ + 1)、(x-2,y+2)、、(x-1,/+1)、(j-1,j + 2)、(U)、(U + l)、(Λ7+2);左下角邻域的9个像素坐标分别为(U —2)、(xj_I)、(x,y)、0+1,>>-2)、0+1 1)、(x+ly)、(x+2,7—2)、(x+2, v-l)、(x+2,y);右下角邻域的 9 个像素坐标分别为(U)、(U + l)、+2)、0 + 1,)0、(x + ly + l)、(x + l,ji + 2)、(x+2,y)、(^ + 2,7 + 1)、0 + 2,y + 2);上述邻域若因(U)处图像的边沿或角落不存在则忽略； ②计算上述每个3X3邻域的灰度均值,分别记为glu,gru, gld, grd ； ③对glu、gru>gld、grd>进行排序，令它们的中间值为gm，则滤波后图像为 Uh 为灰度图像Ih中的象素(U)的灰度值； 步骤(3)对步骤(2)中 所获得的滤波后图像4进行自适应阈值分割，具体步骤为: ①计算4的均值h ②对4中的所有像素以V1为分界点进行二分类，灰度值大于V1的归为一类，反之归为另一类，分别计算该两类像素的均值I和4，令V2为该两类像素均值的均值，gpV2 = CviJ+vj/2 ； ③继续以I力分界点对4中的所有像素进行二分类，令V3为该两类像素均值的均值； ④重复上述二分类过程免次,获得4的自适应分割阈值I； ⑤若则令rs{x,y.)= I,对应的像素为备选缺陷点；若1W) ^vA则令A(U) = ο ,对应的像素不是备选缺陷点； 步骤(4)在8-邻域上计算空间上连续的备选缺陷点的面积，即对每一个备选缺陷点(U),考查其邻域 8 个邻域点(X-1j-1)、Cx-1jjJ、O —1,>’+1.)、(U—I)、7+1)、(x+l>Ly-l)、(x+1, j)、f>+!,>> + !)是否为备选缺陷点,若所有全部8个邻域点均不是备选缺陷点，则认为(U)是孤立噪声点；反之，以邻域中的备选缺陷点为中心继续向外扩散，直到不能找到连续备选缺陷点为止，统计所有连续备选缺陷点的数目，当该数量大于4 时输出缺陷报警信号，否则不报警；其中为面积滤波阈值；步骤(5)获得蓄电池极板另一面的图像乃，重复步骤(2) (4)，获取极板该面的缺陷信息。·
全文摘要
本发明涉及一种蓄电池极板外观缺陷自动检测方法。传统的蓄电池极板的外观缺陷主要采用目测方法，具有较大的局限性。本发明方法首先由线阵CCD摄像头获得蓄电池极板其中一面的灰度图像，对灰度图像进行保留边缘的平滑滤波处理；然后对滤波后图像进行自适应阈值分割；最后确认孤立噪声点，统计所有连续备选缺陷点的数目，当该数量大于设定阈值时输出缺陷报警信号。本发明采用边缘保持的平滑方法，结合自适应阈值分割技术，并充分考虑了缺陷的面积特征，实现了实时准确的蓄电池极板外观检测。本发明可以高效准确地进行蓄电池极板外观缺陷的检测，该方法速度快、缺陷检测成功率高、无污染。
文档编号G01N21/88GK103245666SQ20131011259
公开日2013年8月14日 申请日期2013年4月2日 优先权日2013年4月2日
发明者何志伟, 高明煜, 吴占雄, 曾毓, 黄继业 申请人:杭州电子科技大学