全自動電池檢測系統(tǒng)解決方案

精品文檔-下載后可編輯全自動電池檢測系統(tǒng)解決方案0引言

機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統(tǒng)是指通過機器視覺產(chǎn)品（即圖像攝取裝置，分CMOS和CCD兩種）將被攝取目標轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號；圖像系統(tǒng)對這些信號進行各種運算來抽取目標的特征，進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作。

機器視覺系統(tǒng)的特點是提高生產(chǎn)的柔性和自動化程度。在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；同時在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高，用機器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。而且機器視覺易于實現(xiàn)信息集成，是實現(xiàn)計算機集成制造的基礎(chǔ)技術(shù)。正是由于機器視覺系統(tǒng)可以快速獲取大量信息，而且易于自動處理，也易于同設(shè)計信息以及加工控制信息集成，因此，在現(xiàn)代自動化生產(chǎn)過程中，人們將機器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗和質(zhì)量控制等領(lǐng)域。

在電池生產(chǎn)過程中，電池的檢測是一個非常重要的環(huán)節(jié)。傳統(tǒng)的檢測方法是工人把成型的電池分批放到X光機中，相機采集到電池的內(nèi)部圖像并在電腦上顯示出來，然后通過肉眼觀測來判斷電池的好壞。這種方法存在很多問題。本文給出的全自動電池檢測系統(tǒng)實現(xiàn)全自動自檢測和自判定的流程，不需人工操作，無安全隱患；計算機判別結(jié)果，不受主觀條件影響；每分鐘檢測數(shù)量達到30個，比原來的檢測速度有了較大的提高。

1系統(tǒng)結(jié)構(gòu)

本系統(tǒng)對電池質(zhì)量判斷的整個過程分為圖像采集、圖像處理以及電池判定等過程，其系統(tǒng)流程圖如圖1所示。

為了實現(xiàn)全自動的流水線檢測方式，本研究在原有設(shè)備基礎(chǔ)了做了一定的改造。首先，在其兩側(cè)開口并裝入傳送帶，傳送帶從一側(cè)進入，從X射線發(fā)生器和工業(yè)相機之間通過后由另一側(cè)導出。為了安全起見，在開口部分外側(cè)加設(shè)鉛板以防止X射線外泄。其次，固定X射線發(fā)射儀器和攝像機的位置以保證圖像的穩(wěn)定性。該軟件還實現(xiàn)了計算機與PLC之間的通信，將電池判定結(jié)果告訴PLC，PLC根據(jù)判定結(jié)果對電池進行分類。

電池種類繁多但是內(nèi)部結(jié)構(gòu)相似，以普通的圓形鋰電池為例，其內(nèi)部結(jié)構(gòu)如圖2所示。

圖中黑色柱體表示正極，白色柱體表示負極，正極和負極間的黑線表示塑料隔膜。鋰電池內(nèi)部結(jié)構(gòu)是一種層狀卷繞結(jié)構(gòu)，正、負極之間用隔膜隔開，正極由鋰鈷氧化物、導電劑、粘結(jié)劑及鋁箔組成，而負極由石墨、導電劑、粘結(jié)劑及銅箔組成。電解液是有機溶劑，外殼是不銹鋼殼或者鋁殼[1]。

2圖像處理

2.1圖像增強

電池從X光機的一側(cè)進入到達工業(yè)相機的正下方時停下來，工業(yè)相機進行拍照從而得到電池的實時圖像。實時采集的圖像噪聲比較嚴重，對檢測正、負極的準確位置有很大的影響，因此必須對圖像進行預處理以增強圖像的信息。根據(jù)檢測目的不同，圖像增強的方法也不一樣，在本文中需要增強圖像的清晰度，增大正極與負極以及其他特征的灰度值差異，以便能準確區(qū)分極片的位置。

2.1.1圖像積分濾波

積分濾波法本質(zhì)上是一種均值濾波，與一般的均值濾波不同，它取的是N幅圖像在同一像素點的均值而不是該像素點的領(lǐng)域均值，因而不會造成圖像的模糊，而且能有效消除噪聲。因為拍照過程中圖像的位置不變，只有噪聲是變化的，所以通過積分濾波的方法可以將噪聲平滑，降低它對圖像信息的影響。積分濾波的表達公式如下：

式中，I（i，j）表示得到的圖像在（i，j）點的灰度值，In（i，j）表示采集到內(nèi)存中的第n幅圖像在（i，j）點的灰度值，N表示積分的次數(shù)。采集圖像過程中的噪聲是隨機噪聲，通過積分的方法可以減小噪聲的灰度值，從而降低噪聲的影響。本研究還把積分濾波法與中值濾波法作了比較，發(fā)現(xiàn)積分濾波的效果遠比中值濾波的效果好。其比較結(jié)果如圖3所示。

與原圖相比，中值濾波在一定程度上消除了噪聲，但是它卻使極片在豎直方向上更加模糊而且邊緣也變得不清晰。而積分濾波不僅成功消除了噪聲還使極片變得更加清晰。

2.1.2直方圖均衡化

直方圖均衡化實質(zhì)上是一種灰度拉伸法[2]，對于灰度圖像，它將所有灰度值比小閾值還小的像素點的灰度值重置為0，把所有灰度值比大閾值還大的像素點的灰度值重置為255，把灰度值介于小閾值和大閾值之間的像素點的灰度值按比例拉伸到0~255，其數(shù)學表達式如下：

式中，Iold（i，j）表示原圖像在（i，j）的灰度值，Inew（i，j）表示直方圖均衡化后的圖像在（i，j）的灰度值，Tmax表示大閾值，Tmin表示小閾值。由圖像可以看出，電池圖像在某個區(qū)域內(nèi)的灰度值比較接近，只是在邊緣部分才會有比較大的差異。運用直方圖均衡化的方法不會改變圖像的區(qū)域特性，而且能使邊緣部分的灰度值差變得更大，從而為分別去邊緣提供更大的支持。例如，取Tmax=200，Tmin=40，其效果如圖4（a）所示，原圖與直方圖均衡化后的直方圖分別如圖4（b）、圖4（c）所示。從圖可以看出，經(jīng)過直方圖均衡化后，圖像的灰度值范圍擴大了，圖像的分辨率增強了，正、負極都更加清晰。

2.2邊緣提取

要找到正、負極的位置就必須進行邊緣提取，在本文中采用的是Canny邊緣提取法。Canny邊緣提取法是有效的階梯型邊緣檢測算法，它是一種先濾波后求導的方法，在抑制噪聲的前提下根據(jù)對信噪比與定位乘積進行測量，得到化逼近算子，從而得到盡量的邊緣。其實現(xiàn)基本步驟[3]如下：

（1）用高斯濾波器平滑圖像。

（2）用一階偏導的有限差分來計算梯度的幅值和方向。

（3）對梯度幅值進行非極大值抑制。

（4）用雙閾值算法檢測和連接邊緣。

圖5（a）中的8個扇區(qū)對應(yīng)圖5（b）中0像素的8個鄰域，穿過圓心的4條直線表示梯度方向，在梯度方向上0像素的梯度與相鄰的2個像素的梯度作比較，如果0像素的梯度小于它相鄰的像素的梯度，則該點不是局部極大值點；若大于它相鄰的像素的梯度，則可判定為局部極大值點。

而步驟（4）中提到的雙閾值算法是先用大的閾值確定準確邊緣，但由于得到的邊緣往往不是連續(xù)的，所以再用小閾值在一定的范圍內(nèi)進行動態(tài)逼近，直到把得到的邊緣連接起來形成連續(xù)的曲線。圖6是提取正、負極邊緣的結(jié)果[4]。

圖6中央位置的2條連續(xù)的曲線就是正、負極的邊緣，上方曲線是電池的金屬外殼的邊緣，左右是電池的外殼的兩側(cè)以及靠近外殼的極片。將這些邊緣的位置值存入數(shù)組變量，通過VC自動判別軟件計算各個邊緣的距離值，比較這些距離值與廠家的要求值就能判別電池好壞，之后PLC對不合格電池貼上標簽，機械手將其揀出，電池的全自動生產(chǎn)流水線就形成了。表1是某一電池的各個特征間的距離以及質(zhì)量判定結(jié)果。

3結(jié)論