基于機器視覺的電池表面缺陷檢測技術(shù)研究.pdf

1、機器視覺作為一項先進自動化檢測技術(shù)，可有效提高生產(chǎn)效率和工業(yè)制造水平，視覺檢測可應用于產(chǎn)品外觀缺陷自動識別。本文以扣式電池為對象，研究了正負兩極面的表面外觀缺陷檢測方法。
　　 本文設(shè)計了一種基于視覺技術(shù)的扣式電池在線檢測系統(tǒng)，分析了扣式電池金屬表面缺陷成像的難點，研究其視覺成像原理，并設(shè)計了低成本的機器視覺硬件系統(tǒng)；同時開發(fā)了視覺檢測上位機軟件，實現(xiàn)系統(tǒng)控制、圖像處理與識別等功能，并包含能夠?qū)崟r顯示的人機界面。
　　

2、機器視覺算法是缺陷檢測技術(shù)的核心，本文重點研究了電池表面圖像預處理、定位和字符校正、字符區(qū)域定位和分割、缺陷分析和識別等算法。
　　 提出了一種電池圖像預處理算法，包括濾波、限制對比度自適應直方圖均衡、自適應閾值二值化、形態(tài)學處理等步驟，原始帶有噪聲干擾的圖像經(jīng)處理后，缺陷區(qū)域得到顯著增強。
　　 提出了扣式電池目標定位算法，原始圖像中含有多圓形目標，定位算法通過圖像處理和輪廓提取，并使用橢圓曲線擬合計算出各目標中心與徑

3、長，定位正確后將各目標ROI 作為單一圖像分割。
　　 提出了電池正極面字符校正算法，使ROI 圖像與字符傾斜1°至360°的全角度模板集進行相似度遍歷計算，獲得字符傾斜度數(shù)，然后圖像旋轉(zhuǎn)完成校正；同時研究了幾種改進算法并進行實驗比較。
　　 研究了電池正極面圖像的字符去除方法，通過模板匹配對圖像字符區(qū)域進行定位，然后比較模板差減法和區(qū)域分割法兩種算法效果。實驗表明，模板差減法局限性大，因此采用區(qū)域分割法將正極面圖像分離

4、為背景和字符兩區(qū)域以去除字符。
　　 研究了電池外觀圖像質(zhì)量的整體特征提取方法，圖像整體相似系數(shù)可分別作為正負兩極特征量，正極面圖像字符區(qū)域的模板匹配定位系數(shù)還可作為正極面測度的特征量。
　　 研究了電池外觀圖像質(zhì)量的局部特征提取方法。正極面圖像的背景區(qū)域以全部連通域的幾何特征最大值為特征量，字符區(qū)域以像素平均值、標準差及Hu 矩為特征量；負極面圖像則以全部連通域的幾何特征最大值為特征量。
　　 提出了聯(lián)合整體和