CN104574389A - 基于彩色机器视觉的电池片色差分选控制方法 - Google Patents

Abstract

本发明公开了基于彩色机器视觉的电池片色差分选控制方法，针对不良品中的发白片、发黄片、发红片、白色斑点以及指纹印等，采用颜色分割方法根据HSI颜色空间中的色度(Hue，H)、饱和度(Saturation，S)和亮度(Intensity，I)3个参数设定图像分割的域值，根据颜色HSI空间原理，采用统计直方图算法对对灰度图像进行分析，对每一块图像的灰度值进行统计，系统中需要的参数主要是该区域灰度平均值和方差，其中统计各个区域灰度均值主要是用于计算各个区域平均灰度值的差值，而统计方差主要是用于设定门限值，使该区域内的灰度值波动较小，从而达到，运用彩色机器视觉分析，对产品的颜色进行检测分类，有效解决人工作业所造成的问题与困难。

Description

基于彩色机器视觉的电池片色差分选控制方法

技术领域

本发明属于机器视觉检测技术领域，涉及一种对太阳能电池片色差识别的控制方法，尤其涉及基于彩色机器视觉的电池片色差分选控制方法。

背景技术

在新能源中，太阳能是具有洁净、无污染和取之不尽用之不竭的优点，电池片是将太阳能转换为电能的重要技术基础。然而太阳能电池片生产工艺复杂，导致生产出的电池片具有不同颜色，而且颜色具有不均匀性，从而影响到电池片的光电转换效率，并且不同转换效率的太阳能电池放在一起使用时会减低整体的转换效率，因此在生产的最后一道工序需要按照同一转换效率和同样颜色的标准对电池片进行分类。

目前，对颜色的分选，主要还是采用人工检测的方式,依赖作业人员的视觉判断,因此也带来了很多检测问题,一方面由于人眼的疲劳性和具有的不稳定性，无法保证硅片检测的合格率，而且电池片属于易碎品，人工分拣容易崩边、破碎，质量更难得到保证；另一方面人工分选的效率低、成本高，随着生产规模的扩大和生产线运行速度的提升，人工检测在速度上存在极大限制，无法达到现代大工业生产线的速度要求。

发明内容

本发明针对电池片人工检测的速度慢、精度低和实时性差等问题，提出了基于彩色机器视觉的电池片色差分选控制方法。利用高速触发工业相机对生产线上的电池片进行采集图像，通过图像处理技术进行分析，检测出带有缺陷和色差的电池片。

为了解决上述技术问题，本发明的技术方案如下：

基于彩色机器视觉的电池片色差分选控制方法，包括如下步骤：

11)通过上料执行机构及传送机构将电池片送达到指定的拍摄取像工位，获取原始图像；

12)对原始图像噪声滤除后，进行边缘检测，除去原始图像的背景，提取有效图像；

13)对有效图像颜色空间转换，将RGB值转换为HSI颜色空间；

14)建立H、S、I分量的颜色直方图，并对颜色直方图进行划块分区域；

15)统计每个区域内颜色直方图，得到HSI颜色空间直方图，对每个区域进行灰度值统计，计算平均灰度值、统计方差；

16)通过将计算得到的平均灰度值与各个模板数据的比较，计算图像与模板的相似度测量，计算与模板匹配的系数，得出分类的结果。

进一步的，在步骤14)中，对彩色图像H、S、I分量进行维数缩减后再计算颜色直方图。

进一步的，在步骤14)中采用重叠方式的图像分块方法进行分块。

进一步的，将彩色直方图分割成i个区域，将彩色直方图i个区域提取特征,形成特征库；计算模板电池片图像i个区域中各子图像的局部颜色直方图,设X_i为模板电池片A区域，Y_i为待分类的电池片A区域，N表示图像中出现的颜色级数,x_k和y_k分别表示图X和Y中k级色出现的频数,则两个区域的欧氏距离:

$\mathrm{Ed}(X,Y)h=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}},(x_k-y_k)};$

$\mathrm{Ed}(X,Y)h=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}},(x_k-y_k)};$

$\mathrm{Ed}(X,Y)h=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}},(x_k-y_k)};$

Edm＝a*Ed(X,Y)h+b*Ed(X,Y)s+c*Ed(X,Y)I；

系数a、b、c为灰度图h、s、i对颜色影响权重的系数；Edm表示目标区域与模板m的欧式距离，Edm越小,表示该区域与模板m的A区域相似度越大.

利用子块权重Wi,计算目标图片S和模板中任一图片G的全图直方图相似值 $\mathrm{Sim}(G,S)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{WiXSimi}(\mathrm{Gi},\mathrm{Si}),$ Sim(G,S)值最小，则跟模板越相似。

本发明的有益效果在于：针对不良品中的发白片、发黄片、发红片、白色斑点以及指纹印等，采用颜色分割方法根据HSI颜色空间中的色度(Hue，H)、饱和度(Saturation，S)和亮度(Intensity，I)3个参数设定图像分割的域值根据颜色HSI空间原理，采用统计直方图算法对对灰度图像进行分析，对每一块图像的灰度值进行统计，系统中需要的参数主要是该区域灰度平均值和方差，其中统计各个区域灰度均值主要是用于计算各个区域平均灰度值的差值，而统计方差主要是用于设定门限值，使该区域内的灰度值波动较小，从而达到，运用彩色机器视觉分析，对产品的颜色进行检测分类，有效解决人工作业所造成的问题与困难。

附图说明

图1为系统检测流程框图；

图2为采用具有重叠方式的图像分块的示意图。

具体实施方式

下面将结合附图和具体实施例对本发明做进一步的说明。

如图1所示，系统总体结构设计电池片检测系统硬件结构，主要有图像采集设备、执行机构以及工控机(图像处理设备)。图像采集设备由工业相机、光学镜头和光源组成，工业相机通过千兆网接口与工控机相连接，将采集的图像数据传输给计算机处理。执行机构由三菱PLC、电磁阀、伺服电机以及滑台机构等组成。工控机是核心控制部分，主要承担相机图像的采集处理与运动控制。

针对不良品中的发白片、发黄片、发红片、白色斑点以及指纹印等，采用颜色分割方法。该方法是根据HSI颜色空间中的色度(Hue，H)、饱和度

(Saturation，S)和亮度(Intensity，I)3个参数设定图像分割的域值。H，S，I参数的设定主要是根据对大量的电池片样品采集图像分析后确定。

根据颜色HSI空间原理，程序中使用图像转换方法，将彩色图像转化成灰度图像，并采用统计直方图方法对灰度图像进行分析。由于需要分析图像颜色的均匀性，故需要对图像进行分块处理。对每一块图像的灰度值进行统计，系统中需要的参数主要是该区域灰度平均值和方差，其中统计各个区域灰度均值主要是用于计算各个区域平均灰度值的差值，而统计方差主要是用于设定门限值，使该区域内的灰度值波动较小，保证表面蓝色的均匀性。

实施例一：

(1)上料机构将电池片传送到抓取工作位，通过抓取吸盘将电池片放置于传送带上，到达拍摄工位时，触发工业相机对其拍摄彩色图片。

(2)对拍摄的图片进行滤波处理，用canny边缘检测方法，检测图像轮廓，拟合直线，提取有效图像。

将有效图片的RGB值,通过(1)～(3)式转换到HSI色彩空间:

$H=\mathrm{ar}\cos \left\{\frac{(R-G)+(R+B)}{2\sqrt{(R-G)(R-G)+(R-B)(G-B)}}\right\}---\left(1\right)$

其中,R≠G或R≠B；若B>G,则H＝2π-H。

S＝MAX(R,G,B)-MIN(R,G,B)     (2)

I＝R+G+B/3             (3)

(3)建立彩色图像H、S、I分量的颜色直方图，对颜色直方图进行分析，统计每块区域内的颜色直方图得到该图像的HSI颜色空间直方图；

由于，电池片一幅图像的颜色一般不会非常的多,因此,颜色直方图矢量的维数可适当缩减，对HSI色彩空间进行适当的量化后再计算直方图,就会减少计算量,提高计算效率。本实施例可以将HSI色彩空间均匀量化成50维。

对每一块图像的灰度值进行统计，系统中需要的参数主要是该区域灰度平均值和方差，其中统计各个区域灰度均值主要是用于计算各个区域平均灰度值的差值，而统计方差主要是用于设定门限值，使该区域内的灰度值波动较小，保证表面蓝色的均匀性判断；计算各块的累加直方图,并根据相似度计算方法计算每块子图像的累加直方图和模板图像对应块的累加直方图的相似度；最后根据各块子图像的重要性进行加权,得出色差分类的结果。

根据电池片颜色空间分布规律，采用具有重叠方式的图像分块方法,通过在每一区域内统计颜色直方图来获得颜色的空间分布信息。如图2所示，首先将图像均分成8＊8块,。将图像分割成感兴趣的i(比如i＝7)个区域A、B、C、D、E、F、G。

A＝{A1,A2,A3,A4,A5,A6,A7,A8,A57,A58,A59,A60,A61,A62,A63,A64},

B＝{A1,A9,A17,A25,A33,A41,A49,A57,A8,A16,A24,A32,A40,A48,A56,A64},

C＝{A1,A2,A3,A9,A10,A11,A17,A18,A19},

D＝{A6,A7,A8,A14,A15,A16,A22,A23,A24},

E＝{A41,A42,A43,A49,A50,A51,A57,A58,A59},

F＝{A38,A39,A40,A46,A47,A48,A62,A63,A64},

G＝{A10～A15,A18～A23,A26～31,A34～39,A42～47,A50～A55},

将目标图像i个区域提取特征(局部颜色直方图),形成特征库；计算模板电池片图像i个区域中各子图像的局部颜色直方图,设Xi为模板电池片A区域，Yi为待分类的电池片A区域，N表示图像中出现的颜色级数,xk和yk分别表示图X和Y中k级色出现的频数,则两个区域的欧氏距离:

$\mathrm{Ed}(X,Y)h=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}},(x_k-y_k)};$

$\mathrm{Ed}(X,Y)h=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}},(x_k-y_k)};$

$\mathrm{Ed}(X,Y)h=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}},(x_k-y_k)};$

Edm＝a*Ed(X,Y)h+b*Ed(X,Y)s+c*Ed(X,Y)I；

系数a、b、c为灰度图h、s、i对颜色影响权重的系数；Edm表示目标区域与模板m的欧式距离。Edm越小,表示该区域与模板m的A区域相似度越大.

最后考虑子块权重Wi,计算目标图片S和模板中任一图片G的全图直方图相似值 $\mathrm{Sim}(G,S)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{WiXSimi}(\mathrm{Gi},\mathrm{Si}),$ Sim(G,S)值最小，则跟模板越相似。

(4)根据色差分选结果，plc驱动下料的x—y轴滑台伺服，将电池片送到指定的料盒。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明构思的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明保护范围内。

Claims (4)

1.基于彩色机器视觉的电池片色差分选控制方法，其特征在于，包括如下步骤：

11)通过上料执行机构及传送机构将电池片送达到指定的拍摄取像工位，获取原始图像；

12)对原始图像噪声滤除后，进行边缘检测，除去原始图像的背景，提取有效图像；

13)对有效图像颜色空间转换，将RGB值转换为HSI颜色空间；

14)建立H、S、I分量的颜色直方图，并对颜色直方图进行划块分区域；

15)统计每个区域内颜色直方图，得到HSI颜色空间直方图，对每个区域进行灰度值统计，计算平均灰度值、统计方差；

16)通过将计算得到的平均灰度值与各个模板数据的比较，计算图像与模板的相似度测量，计算与模板匹配的系数，得出分类的结果。

2.根据权利要求1所述的基于彩色机器视觉的电池片色差分选控制方法，其特征在于，在步骤14)中，对彩色图像H、S、I分量进行维数缩减后再计算颜色直方图。

3.根据权利要求1所述的基于彩色机器视觉的电池片色差分选控制方法，其特征在于，在步骤14)中采用重叠方式的图像分块方法进行分块统计。

4.根据权利要求3所述的基于彩色机器视觉的电池片色差分选控制方法，其特征在于，将彩色直方图分割成i个区域，将彩色直方图i个区域提取特征,形成特征库；计算模板电池片图像i个区域中各子图像的局部颜色直方图,设X_i为模板电池片A区域，Y_i为待分类的电池片A区域，N表示图像中出现的颜色级数,x_k和y_k分别表示图X和Y中k级色出现的频数,则两个区域的欧氏距离:

$\mathrm{Ed}(X,Y)h=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}},(x_k-y_k)};$

$\mathrm{Ed}(X,Y)s=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}},(x_k-y_k)};$

$\mathrm{Ed}(X,Y)i=\sqrt{\underset{k=1}{\overset{N}{\mathrm{\Σ}}},(x_k-y_k)};$

Edm＝a*Ed(X,Y)h+b*Ed(X,Y)s+c*Ed(X,Y)I；

系数a、b、c为灰度图h、s、i对颜色影响权重的系数；Edm表示目标区域与模板m的欧式距离，Edm越小,表示该区域与模板m的A区域相似度越大.

最后考虑子块权重Wi,计算目标图片S和模板中任一图片G的全图直方图相似值 $\mathrm{Sim}(G,S)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{Wi\; X\; Sim\; i}(\mathrm{Gi},\mathrm{Si}),$ Sim(G,S)值最小，则跟模板越相似。