CN108355987B - 一种基于分块模板匹配的电池丝印质量检测方法 - Google Patents

Abstract

本发明公开了一种基于分块模板匹配的电池丝印质量检测方法，采集电池的原始图像建立模板数据集，对电池图像进行矫正，再对已矫正的电池图像进行裁剪，提取检测区减少信息冗余，从电池背景中分割出电池丝印图案，确定电池丝印的位置，利用模板数据集中的分块模板图像对待测图像进行分块匹配来判别待测电池图像与模板的匹配度，将待测电池分块子图像与建立的模板子图像块逐一比较作差，分析作差结果得到电池丝印瑕疵信息，分别对每一个子图像进行色差定量分析得到全局图像中各部分色差情况，同时做平均化处理观察全局存在色差情况完成电池丝印质量检测。无需人工干预，可以实现快速、高精度的电池丝印质量检测。

Description

一种基于分块模板匹配的电池丝印质量检测方法

技术领域

本发明属于机器视觉自动化表面检测技术领域，具体涉及一种基于分块模板匹配的电池丝印质量检测方法。

背景技术

检测电池的丝印是电池组装加工过程中的重要步骤，不同型号的电池具有字符类型(汉字、韩文、英文及数字等)、字符格式、插图内容、条码格式等差异。目前电芯丝印受夹具、设备、人员等相关因素影响导致印刷缺陷，丝印缺陷类型主要分为：丝印缺损/歪斜/模糊/重影/脏污/色差、丝印与条码信息不匹配、丝印位置不符合规格要求等。当前电池制造企业主要依靠人工视觉进行检测，存在低效率高成本，主观判断性强等问题。为了提高自动化水平与工序整合度，实现丝印缺陷自动检测势在必行。

为实现丝印质量的自动化检测，国内外学者也进行了大量相关研究，提出了许多经典的方法，如基于逐象素匹配检测法、基于动态阈值和逐层检测法、基于最小二乘影像匹配的畸变图像校正法、人工神经网络法、形态图像处理法、傅里叶变换法、阈值比较法及全局模板比较法等图像缺陷识别算法。但目前对丝印缺陷检测算法的研究重点大都在于算法的识别率和稳定性上，将检测实时性作为次要考虑，导致许多优良的方法只能在试验环境或离线测试下运行。而国外一些先进的自动化丝印检测设备售价高昂，使国内众多企业难以接受。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于分块模板匹配的电池丝印质量检测方法，可以实现快速、高精度的电池丝印质量检测而无需人工干预，可在一定程度上提高国内电池制造行业就电池丝印质量检测方面的自动化水平。

本发明采用以下技术方案：

一种基于分块模板匹配的电池丝印质量检测方法，采集电池的原始图像，根据电池模板图像及其配置参数文件建立模板数据集，利用最小二乘法对电池图像进行矫正，再对已矫正的电池图像进行裁剪，提取检测区减少信息冗余，采用自适应灰度阈值分割方法从电池背景中分割出电池丝印图案，确定电池丝印的位置，利用模板数据集中的分块模板图像对待测图像进行分块匹配来判别待测电池图像与模板的匹配度，将待测电池分块子图像与建立的模板子图像块逐一比较作差，分析作差结果得到电池丝印瑕疵信息，分别对每一个子图像进行色差定量分析得到全局图像中各部分色差情况，同时做平均化处理观察全局存在色差情况完成电池丝印质量检测；

电池模板的创建包括模板图像创建和配置参数文件创建；

模板图像创建具体为：选取一块无瑕疵的电池采集其图像，然后对图像使用自动阈值法将电池从背景中分割出来，然后对电池图像进行倾斜矫正与裁剪，裁剪方式为边缘轮廓位置向中心偏移，所裁剪的区域必须包含所有印刷内容，模板图像所包含的参数有模板图像的宽W、高H以及裁剪偏移量D；

配置参数文件创建具体为：配置参数文件包含条码类型、模板分块窗、瑕疵尺寸阈值以及其他检测指标阈值，模板分块窗的分块原则为每一个子块内包含一个或多个完整的丝印插画，图像分块为5～10个，在分块区域确定后记录每个图像子块的顶点坐标并保存。

具体的，包括以下步骤：

S1、设电池模板图像M_B及其配置参数文件，建立模板数据集；

S2、利用最小二乘法分别计算电池图像中电池的顶边、底边、右侧边的斜率K如下：

其中，x_j和y_j为电池边沿轮廓坐标，n为采样点数，在得到顶边、底边、右侧边斜率的基础上取平均值得到电池倾斜量K，将电池图像反向旋转实现电池图像矫正；

S3、依据步骤S1中电池模板图像尺寸与位置对步骤S2电池图像的原始待测图像进行裁剪，提取检测区减少信息冗余；

S4、采用自适应灰度阈值分割方法将步骤S3电池图像中的丝印区域从电池图像中分割出来，并对分割后图像使用中值滤波滤除噪声，得到丝印区域[x_l,y_l]，完成电池丝印位置测量；

S5、利用步骤S1模板数据集中的分块模板图像对步骤S4待测图像进行分块匹配来判别待测电池图像与电池模板图像的匹配度，利用基于边缘方向梯度的模版匹配算法在待测电池图像中搜索对应图案得到电池模板图像中子图像块M₁,M₂...M_N的匹配度S₁,S₂...S_N；利用最佳匹配的位置坐标[x_S,y_S]以及匹配位置旋转角度θ，对电池模板图像中子图像块M₁,M₂...M_N进行仿射变换得到平移旋转后图像M′₁,M′₂...M′_N；

S6、将步骤S5中平移旋转后图像M′₁,M′₂...M′_N与待测电池图像的分块子图像块T₁,T₂...T_N重合，逐一进行图像配准、阈值分割、图像侵蚀比较，然后与M′₁,M′₂...M′_N进行图像做差，对差值进行中值滤波后完成电池丝印瑕疵标记；

S7、对步骤S6每一幅子图像进行色差定量分析，完成电池丝印色差检测。

具体的，建立模板数据集具体如下：

S101、根据配置参数文件中的位置、坐标数据对电池模板图像进行分块截取，得到电池模板子图像块M₁,M₂...M_N；

S102、提取每一个模板子图像块的特征值，将其保存并以不同的ID号标记，后续通过不同ID号的模板分块匹配检测。

具体的，步骤S2中，旋转角电池倾斜量如下：

其中，K₁为电池顶边斜率，K₂为电池底边斜率，K₃为电池右侧边斜率。

具体的，步骤S3中，以电池顶边与侧边为基准，利用多点扫描法来确定电池图像中其顶边与侧边轮廓的位置坐标，则在原始图像中截取的检测区部分四顶点[X₁,Y₁]、[X₂,Y₂]、[X₃,Y₃]、[X₄,Y₄]的坐标如下：

X₁＝X_Rside-D-W,Y₁＝Y_Up+D

X₂＝X_Rside-D,Y₂＝Y_Up+D

X₃＝X_Rside-D-W,Y₃＝Y_Up+H+D

X₄＝X_Rside-D,Y₄＝Y_Up+H+D

其中，W与H分别为电池模板图像的宽与高，D为偏移量，X_Rside为电池轮廓右侧边的位置坐标，Y_Up为电池轮廓上侧边的位置坐标。

具体的，步骤S4中，自适应灰度阈值分割方法包括以下步骤：

S401、计算电池图像的灰度直方图，直方图中背景色像素数与前景色像素数占据主导；

S402、对步骤S401中直方图进行高斯滤波，得到滤波后平滑的直方图；

S403、计算步骤S402直方图中极大值a与次极大值b的灰度级位置；

S404、根据Th＝(a+b)/2得到自适应阈值；

S405、计算丝印区域距电池外轮廓相对距离，得到丝印在电池图像中的位置。

具体的，步骤S5中，设在检测前已创建N个模板子图像块M，在分块模板匹配过程中，分别用第1至N个模板子图像块M₁,M₂...M_N在待测电池图像中搜索匹配，分别得到匹配度S₁,S₂...S_N，则对待测电池图像与基准模板的整体匹配度表示如下：

其中，S_i表示子图像匹配度，利用最佳匹配位置坐标[x_S,y_S]以及旋转角度θ对每个模板子图像块M进行仿射变换得到对应平移旋转后的图像M′如下：

具体的，步骤S6中，图像做差具体为：电池丝印瑕疵信息包括缺失和多印，平移旋转后图像M′₁,M′₂...M′_N减待测子图像块T₁,T₂...T_N得到的结果为缺失，而待测子图像块T₁,T₂...T_N减平移旋转后图像M′₁,M′₂...M′_N得到的结果为多印。

具体的，步骤S7具体如下：

S701、对子图像中丝印区域进行动态阈值分割，计算该区域的直方图H，直方图的灰度等级为0～255；

S702、对直方图重组，将每5级灰度的直方图数据合并，使得子图像的灰度直方图分辨率降低，此时新的直方图H′灰度等级为0～51；

S703、对新的直方图进行从小到大排序，得到H″，此时在H″中H″(0)为直方图中最小值而H″(51)为直方图中最大值；

S704、通过计算在整幅子图像中灰度比重最大的15级灰度占据整体灰度值的比例得到单幅子图像的色差系数E，通过加权平均法得到全局图像的色差系数，

其中，H″(i)为排序后直方图元素，N为电池模板子图像块个数，A_i为电池模板子块丝印区域面积，E_i为该电池模块子图像的色差系数。

进一步的，色差定量分析完成后，以瑕疵几何中心为圆心，瑕疵区域所占最大面积半径R在输出图像中绘制一个圆圈作为标记，瑕疵区域所占最大面积半径R表示如下：

其中，设子图像坐标系为xoy，[x_i,y_i]为存在瑕疵的区域坐标，[x_c,y_c]为该瑕疵在子图像的位置坐标，通过将已标记瑕疵的检测结果图像保存至本地磁盘输出；或将丝印瑕疵数、丝印位置坐标、丝印版本匹配度、丝印色差、条码信息、条码尺寸和条码位置保存至数据库当中完成结果输出。

与现有技术相比，本发明至少具有以下有益效果：

本发明一种基于分块模板匹配的电池丝印质量检测方法，先进行电池模板图像的创建，电池模板的创建可提高系统的通用性，同时为丝印瑕疵检测提供一种参照标准，提高检测精度，然后采集电池的原始图像，根据电池模板图像及其配置参数文件建立模板数据集，利用最小二乘法对电池图像进行矫正，再对已矫正的电池图像进行裁剪，提取检测区减少信息冗余，采用自适应灰度阈值分割方法从电池背景中分割出电池丝印图案，确定电池丝印的位置，利用模板数据集中的分块模板图像对待测图像进行分块匹配来判别待测电池图像与模板的匹配度，将待测电池分块子图像与建立的模板子图像块逐一比较作差，分析作差结果得到电池丝印瑕疵信息，分别对每一个子图像进行色差定量分析得到全局图像中各部分色差情况，同时做平均化处理观察全局存在色差情况完成电池丝印质量检测，本方法无需人工干预，可以实现快速、高精度的电池丝印质量检测。

进一步的，最小二乘法是一种常用的直线拟合方法，该方法成熟、计算量小，可快速计算电池三条边的斜率，本发明利用最小二乘法分别计算电池图像中电池的顶边、底边、右侧边的斜率，通过计算三条边的斜率来表示图像中电池区域的整体倾斜情况，采用自适应灰度阈值分割可大大降低因光照条件变化对检测造成的影响，利用基于边缘方向梯度的模版匹配算法在待测电池图像中搜索对应图案得到电池模板图像中子图像块的匹配度、最佳匹配的位置坐标以及匹配位置旋转角度，以及进行仿射变换得到平移旋转后图像，可实现模板与待检测电池图像的快速精确配准，为后期丝印瑕疵检测做好准备。

进一步的，模板数据集中包含的数据大多为检测算法运行时所需的参数，在模板建立时同时建立的数据集为针对此型号电池检测的最优参数，以这种方式执行可省略后期复杂的参数配置环节。

进一步的，利用多点扫描法来确定电池图像中其顶边与侧边轮廓的位置坐标，并在原始图像中截取的检测区部分四顶点的坐标，利用该扫描方法可确定电池区域在图像中的位置坐标，从而进一步方便检测区图像的裁剪，消除检测过程中的信息冗余与干扰。

进一步的，色差定量分析可对待测图像的每一个分块区域中丝印色差进行量化表示，以百分制直观表示色差情况。该方法主要针对于印刷过程产生的油墨浓度不均匀、印淡等现象。

进一步的，色差定量分析完成后通过两种方式进行输出，前台输出方式：用户可实时直观的观察检测输出结果与系统的运行状态，方便系统使用与维护；后台输出方式：检测数据与图像将保存至后台数据库中，无需人工干预，随后可上传至服务器中，利于实现生产环节的联网化。

综上所述，本方法可在最大程度上实现电池丝印检测自动化，在对某一款电池进行检测时只需前期建立其模板即可。同时，该方法具备一定的抗干扰能力，方便操作与维护。最后其输出方式较人性化、简单直观，便于生产环节的联机应用。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明检测方法硬件连接原理图；

图2为本发明检测系统检测流程示意图；

图3为本发明检测系统软件架构图；

图4为本发明检测系统软件用户操作界面示意图；

图5为本发明检测方法的图像裁剪示意图；

图6为本发明检测方法的图像剪运算示意图；

图7为本发明检测方法的丝印瑕疵检测流程示意图；

图8为本发明检测方法的模板图像创建示意图。

其中：1.工控机；2.图像采集设备；3.光源控制设备；4.送料机构；5.PLC控制器；6.良品出料带；7.次品出料带；8.电池。

具体实施方式

本发明提出的检测方法是一种基于模板匹配的检测方法，故系统在对电池丝印检测前需要模板。因为电池的种类、型号繁多，所以检测模板的创建是需要针对具体型号的。模板的创建包括两个方面，即模板图像的创建与配置文件的创建，利用色差检测算法处理即可得到全局图像中各部分色差的情况。同时也可以做平均化处理来观察全局存在色差的情况。

请参阅图8，模板图像的创建：

选取一块无瑕疵的电池采集其图像，然后对图像使用自动阈值法将电池从背景中分割出来，然后对电池图像进行倾斜矫正与裁剪，裁剪方式为边缘轮廓位置向中心偏移，所裁剪的区域必须包含所有印刷内容。模板图像所包含的参数有模板图像的宽W、高H以及裁剪偏移量D。

配置参数文件的创建：

配置参数文件中包含了算法在运行中所必要的参数，同时以文件的形式创建方便用户修改；主要内容包含为条码类型(QR码或DataMatrix码)、模板分块窗、瑕疵尺寸阈值以及其他检测指标阈值。其中模板分块窗为分块模板匹配算法的基础，分块原则为每一个子块内包含一个或多个完整的丝印插画。图像分块过少会降低匹配重合度，而太多则会增加匹配次数影响实时性，一般设定在5到10个。在分块区域确定后记录每个图像子块的顶点坐标并保存即可。

请参阅图2，本发明一种基于分块模板匹配的电池丝印质量检测方法，包括以下步骤：

S1、建立模板数据集

设已有某型号电池模板图像M_B及其配置参数文件，数据集的建立具体分以下两步：

第一步：根据配置参数文件中的位置、坐标数据对模板图像进行分块截取，得到一系列模板子图像块M₁,M₂...M_N；

第二步：提取每一个模板子图像块的特征值，将其保存并以不同的ID号标记，后续通过不同ID号的模板子图像块匹配检测。

S2、电池图像矫正

在检测时，电池的送料是通过机械手的抓取实现的，由于机械精度限制，每次送料的位置不尽相同，可能会存在偏移、倾斜等定位误差。若在检测区内电池能被视场所覆盖则偏移将不会对检测结果造成影响，但电池图像的倾斜会影响到后续丝印位置的检测，故电池图像矫正主要是矫正电池图像倾斜。

要矫正倾斜首先需要得到当前存在的倾斜角度，利用最小二乘法分别计算图像中电池的顶边、底边、右侧边(左侧边为软质材料，在夹取过程中可能会产生形变)的斜率，如式3-1所示：

式中，x_j和y_j为电池边沿轮廓坐标，n为采样点数，边沿轮廓坐标可由逐像素点扫描法计算得到，扫描点越多计算所得斜率越精确，扫描方式采用多点扫描法；

在得到三条边斜率的基础上取平均值代表电池整体的倾斜量，如式3-2所示：

其中，K₁为电池顶边斜率，K₂为电池底边斜率，K₃为电池右侧边斜率

经过上述计算得到了电池的倾斜量，此时对整体图像反向旋转即实现了矫正，旋转角如式3-3所示：

其中，I表示校正前图像，I′表示校正后图像。

S3、电池图像裁剪

此时的图像为已校正倾斜的电池图像，因为本发明是一种基于分块模板匹配的电池丝印检测方法，故在实施测量前需要依据模板图像尺寸与位置对原始待测图像进行裁剪，提取检测区减少信息冗余。

同样，以电池顶边与侧边为基准，利用多点扫描法来确定电池图像中其顶边与侧边轮廓的位置坐标，如图5所示。

设W与H分别为电池模板图像的宽与高，则在原始图像中截取的检测区部分四顶点的坐标可表示为式3-4：

其中，D为偏移量，即截取边与电池外轮廓边之间的偏移，其具体取值可参照模板制作环节所设定的对应参数值，X_Rside为电池轮廓右侧边的位置坐标，Y_Up为电池轮廓上侧边的位置坐标。

S4、电池丝印位置测量

待检测电池图像一般为黑色电池白色丝印或白色电池黑色丝印，对电池丝印位置测量首先需要将丝印图案从电池背景中分割出来。这里提出了一种自适应灰度阈值分割方法，具体实施如下：

S401、计算电池图像的灰度直方图，直方图中背景色像素数与前景色像素数占据主导；

S402、对直方图进行高斯滤波，得到了滤波后的平滑的直方图；

S403、计算直方图中两个峰值(极大值与次极大值)a，b的灰度级位置；

S404、自适应阈值可由Th＝(a+b)/2得到；

利用自适应阈值，根据灰度级对待检测区域分割，如要提取白色电池中黑色丝印区域，则阈值分割的灰度级区间为[0,Th]，图像中满足该灰度级区间的像素将被筛选出来。

使用该方法将电池中的丝印区域从图像中分割出来，并对分割后图像使用中值滤波滤除噪声，此时得到的丝印区域为[x_l,y_l]。

采用冒泡排序法或选择排序法等基本排序方法分别计算出x_l与y_l集合中的最大值和最小值Max[x_l]、Min[x_l]、Max[y_l]、Min[y_l]即可得到丝印区域在电池图像坐标系中位置。

通过步骤S3的计算得到了电池轮廓上侧、右侧、底边的位置坐标Y_up、X_Rside、Y_bottom，利用同样的方法得到电池轮廓左侧边的位置坐标X_Lside。

最后计算丝印区域距电池外轮廓相对距离即可得到丝印在电池中的位置，如式3-5所示：

S5、电池丝印版本匹配

在完成上述图像预处理与基本测量环节的基础上，利用模板数据集中的分块模板图像对待测图像进行分块匹配来判别待测电池图像与模板的匹配度。每一个模板子图像是利用基于边缘方向梯度的模版匹配算法在待测图像中搜索对应图案，最终可得到子模板的匹配度S、最佳匹配的位置坐标(x_S,y_S)以及匹配位置旋转角度θ。

设在检测前已创建N个模板子图像，在分块模板匹配过程中，分别用第1至N个模板子图像在待测电池图像中搜索匹配，分别得到匹配度S₁,S₂...S_N。则对待测电池图像与基准模板的整体匹配度可表示为，如式3-6所示：

其中，S_i表示子图像匹配度，由于模板图像是不含瑕疵的基准图像，除进行匹配外，可在后续作为丝印瑕疵检测的基准。为了便于模板子图像与待测图像对应区域进行比较，需要将二者配准。在进行匹配过程中可以利用最佳匹配位置坐标[x_S,y_S]以及旋转角度θ，对每个模板子图像块M进行仿射变换得到平移旋转后图像M′如式3-7所示：

此时每个M′均与待测图像的每个分块子图像块T重合，随后即可进行瑕疵检测。

S6、电池丝印瑕疵检测

电池丝印存在瑕疵从宏观角度讲分为两种情况，即缺失与多印。

本发明对电池丝印瑕疵检测是将待测电池分块子图像与建立的模板子图像块逐一比较作差，最后对作差结果进行分析得到电池丝印瑕疵信息，具体的，平移旋转后图像M′₁,M′₂...M′_N减待测子图像块T₁,T₂...T_N得到的结果为缺失，而待测子图像块T₁,T₂...T_N减平移旋转后图像M′₁,M′₂...M′_N得到的结果为多印。

本发明提出了一种新的图像作差方法记作“”，设有A，B两幅图像，A对B进行本文所述的差运算，最终得到的结果仅保留A比B多出的部分C，如式3-8所示：

C＝A∪B-B或C＝A-A∩B (3-8)

若则相减结果为；若则相减结果为A-B，该方法的示意图如图6所示；

则电池图像中丝印缺失部分可表示为，而丝印多印部分可表示为。

在电池丝印瑕疵检测环节，上述方法为核心检测方法，同时一些预处理与后处理部分工作也是必要的，具体流程如图7所示。

S7、电池丝印色差检测

根据步骤S1图像分块模板的建立，此时全局图像已按照丝印内容划分为多个子图像，这里分别对每一个子图像利用色差检测算法处理即可得到全局图像中各部分色差的情况。同时也可以做平均化处理来观察全局存在色差的情况。

对每一幅子图像进行色差定量分析的方法如下：

S701、对子图像中丝印区域进行动态阈值分割，计算该区域的直方图H，这里图像为8位灰度图像，即可将灰度等级分为0至255；

S702、对直方图重组，将每5级灰度的直方图数据合并，使得子图像的灰度直方图分辨率降低，此时新的直方图H′灰度等级为0至51；

S703、对新的直方图进行从小到大排序，得到H″，此时在H″中H″(0)为直方图中最小值，而H″(51)为直方图中最大值。

S704、通过计算在整幅子图像中灰度比重最大的15级灰度占据整体灰度值的比例大小来反映色差，如式3-9所示：

以上方法介绍了单幅子图像色差系数的计算，若要得到全局图像的色差系数可通过加权平均法得到，如式3-10所示：

式中，H″(i)为排序后直方图元素，N为电池模板子图像块个数，A_i为模板子块丝印区域面积，E_i为该模块子图像的色差系数。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1所示，本发明设计了一种电池丝印质量视觉检测系统，该系统可对大多数消费类电子产品的电池丝印质量进行检测。检测系统硬件平台主要分为五大部分，

工控机1、图像采集设备2、光源控制设备3、送料机构4、下位机PLC控制器5、良品出料带6、次品出料带7和电池8，光源控制设备3包括光源控制器，光源控制器与光源连接，送料机构4包括送料带和机械手；

工控机1通过RS232分别与PLC控制器5、光源控制器设备3中的光源控制器以及图像采集设备2中的相机连接，PLC控制器5分别与送料机构4的送料带、机械手以及良品出料带6和次品出料带7连接，机械手用于拾取电池8。

请参阅图2，系统检测的步骤如下：

1、启动系统，创建待检测电池型号的模板；

2、配置系统，在系统运行前配置其输出方式、串口通信、检测选项、模板信息、图像采集，并对这些配置项保存；

3、启动系统，此时系统配置完成，准备就绪，系统软件向电控装置PLC发送送料命令Cmd1；

4、送料，PLC收到送料命令后控制机械手抓取一片待测电池至图像检测区处，然后给系统主机发送送料完成命令Cmd2后等待；

5、系统软件收到Cmd2命令后控制图像采集设备捕获检测区域电池图像；

6、将采集到的电池原始图像保存至计算机内存当中，这时作为输入项利用第3章所述方法进行处理；

7、将检测过程中的检测数据(丝印缺陷、丝印位置、丝印版本、条码信息、条码尺寸、条码位置)保存至Access数据库中，同时输出检测结果图像；

8、经过算法处理后，检测结果分为良品与不良品，系统软件根据结果不同向电控PLC发送命令Cmd3或Cmd4，

9、PLC根据命令的不同控制机械手对已检测电池分拣，并等待下一周期的检测任务，重复步骤3～9的工作。

请参阅图3和图4，软件部分主要分为五大模块，包括系统管理、检测算法、系统配置、系统控制以及系统输出。除检测算法外，其他部分用户都可在可视化界面下操作，而该部分在后台执行，用户不可修改。

其中，检测系统软件中的系统配置为非常重要的一个环节，包括检测模板配置、检测结果输出配置、检测选项配置、图像采集配置以及串口通信配置。只有正确的配置才能保证本方法正常运行。

缺陷的分类、定位标记以及检测结果的输出

在实际生产当中电池丝印与条码存在的缺陷种类繁多，多达8种以上，基于本发明的算法实现，可大致将这些缺陷归为4类，即丝印瑕疵、丝印位置不良、丝印版本不匹配、丝印色差。其中，丝印瑕疵缺陷又可分为缺失与多印，模板图像M减待测图像T得到的结果为缺失，而待测图像M减模板图像T得到的结果为多印，算法在检测过程中将自动分类。

由于该方法对电池丝印的检测是分块执行的，而最终的检测结果是输出已标记瑕疵的全局图像，故瑕疵定位标记涉及坐标变换问题。设子图像坐标系为xoy，其中某片区域[x_i,y_i]存在瑕疵，则该瑕疵在子图像的位置可由其几何中心[x_c,y_c]来表示，如式(4-1)所示：

n为采样点数，此时要对全局图像中的瑕疵进行标记就需要将局部坐标系转换到全局坐标系中。在子图像截取时，截取区域坐标已由事先制作好的模板定义。

若存在一子图像，其左上角顶点在全局图像中坐标为[X_a,Y_a]，因此只需要对xoy平移[X_a,Y_a]即可得到新坐标，瑕疵在全局图像中的位置[X_i,Y_i]表示为式4-2：

最后根据瑕疵尺寸在原图中标记出瑕疵。瑕疵区域所占最大面积半径R可表示如下：

以此为半径，以瑕疵几何中心为圆心在输出图像中绘制一个圆圈作为标记。其他类型的缺陷，如位置缺陷或色差将以数据的形式表现。

最终的结果输出以两种形式表示：

第一种：通过将已标记瑕疵的检测结果图像保存至本地磁盘输出；

第二种：将所有检测数据(丝印瑕疵数、丝印位置坐标、丝印版本匹配度、丝印色差、条码信息、条码尺寸、条码位置)保存至数据库当中。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (8)

1.一种基于分块模板匹配的电池丝印质量检测方法，其特征在于，采集电池的原始图像，根据电池模板图像及其配置参数文件建立模板数据集，利用最小二乘法对电池图像进行矫正，再对已矫正的电池图像进行裁剪，提取检测区减少信息冗余，采用自适应灰度阈值分割方法从电池背景中分割出电池丝印图案，确定电池丝印的位置，利用模板数据集中的分块模板图像对待测图像进行分块匹配来判别待测电池图像与模板的匹配度，将待测电池分块子图像与建立的模板子图像块逐一比较作差，分析作差结果得到电池丝印瑕疵信息，分别对每一个子图像进行色差定量分析得到全局图像中各部分色差情况，同时做平均化处理观察全局存在色差情况完成电池丝印质量检测，包括以下步骤：

S1、设电池模板图像M_B及其配置参数文件，建立模板数据集，具体如下：

S101、根据配置参数文件中的位置、坐标数据对电池模板图像进行分块截取，得到电池模板子图像块M₁,M₂...M_N；

S102、提取每一个模板子图像块的特征值，将其保存并以不同的ID号标记，后续通过不同ID号的模板分块匹配检测；

S2、利用最小二乘法分别计算电池图像中电池的顶边、底边、右侧边的斜率K如下：

其中，x_j和y_j为电池边沿轮廓坐标，n为采样点数，在得到顶边、底边、右侧边斜率的基础上取平均值得到电池倾斜量将电池图像反向旋转实现电池图像矫正；

S3、依据步骤S1中电池模板图像尺寸与位置对步骤S2电池图像的原始待测图像进行裁剪，提取检测区减少信息冗余；

S4、采用自适应灰度阈值分割方法将步骤S3电池图像中的丝印区域从电池图像中分割出来，并对分割后图像使用中值滤波滤除噪声，得到丝印区域[x_l,y_l]，完成电池丝印位置测量；

S5、利用步骤S1模板数据集中的分块模板图像对步骤S4待测图像进行分块匹配来判别待测电池图像与电池模板图像的匹配度，利用基于边缘方向梯度的模版匹配算法在待测电池图像中搜索对应图案得到电池模板图像中子图像块M₁,M₂...M_N的匹配度S₁,S₂...S_N；利用最佳匹配的位置坐标[x_S,y_S]以及匹配位置旋转角度θ，对电池模板图像中子图像块M₁,M₂...M_N进行仿射变换得到平移旋转后图像M₁′,M₂′...M′_N；

S6、将步骤S5中平移旋转后图像M₁′,M₂′...M′_N与待测电池图像的分块子图像块T₁,T₂...T_N重合，逐一进行图像配准、阈值分割、图像侵蚀比较，然后与M₁′,M₂′...M′_N进行图像做差，对差值进行中值滤波后完成电池丝印瑕疵标记；

S7、对步骤S6每一幅子图像进行色差定量分析，完成电池丝印色差检测。

2.根据权利要求1所述的一种基于分块模板匹配的电池丝印质量检测方法，其特征在于，步骤S2中，旋转角电池倾斜量如下：

其中，K₁为电池顶边斜率，K₂为电池底边斜率，K₃为电池右侧边斜率。

3.根据权利要求1所述的一种基于分块模板匹配的电池丝印质量检测方法，其特征在于，步骤S3中，以电池顶边与侧边为基准，利用多点扫描法来确定电池图像中其顶边与侧边轮廓的位置坐标，则在原始图像中截取的检测区部分四顶点[X₁,Y₁]、[X₂,Y₂]、[X₃,Y₃]、[X₄,Y₄]的坐标如下：

X₁＝X_Rside-D-W,Y₁＝Y_Up+D

X₂＝X_Rside-D,Y₂＝Y_Up+D

X₃＝X_Rside-D-W,Y₃＝Y_Up+H+D

X₄＝X_Rside-D,Y₄＝Y_Up+H+D

其中，W与H分别为电池模板图像的宽与高，D为偏移量，X_Rside为电池轮廓右侧边的位置坐标，Y_Up为电池轮廓上侧边的位置坐标。

4.根据权利要求1所述的一种基于分块模板匹配的电池丝印质量检测方法，其特征在于，步骤S4中，自适应灰度阈值分割方法包括以下步骤：

S401、计算电池图像的灰度直方图，直方图中背景色像素数与前景色像素数占据主导；

S402、对步骤S401中直方图进行高斯滤波，得到滤波后平滑的直方图；

S403、计算步骤S402直方图中极大值a与次极大值b的灰度级位置；

S404、根据Th＝(a+b)/2得到自适应阈值；

S405、计算丝印区域距电池外轮廓相对距离，得到丝印在电池图像中的位置。

5.根据权利要求1所述的一种基于分块模板匹配的电池丝印质量检测方法，其特征在于，步骤S5中，设在检测前已创建N个模板子图像块M，在分块模板匹配过程中，分别用第1至N个模板子图像块M₁,M₂...M_N在待测电池图像中搜索匹配，分别得到匹配度S₁,S₂...S_N，则对待测电池图像与基准模板的整体匹配度表示如下：

其中，S_i表示子图像匹配度，利用最佳匹配位置坐标[x_S,y_S]以及旋转角度θ对每个模板子图像块M进行仿射变换得到对应平移旋转后的图像M′如下：

6.根据权利要求1所述的一种基于分块模板匹配的电池丝印质量检测方法，其特征在于，步骤S6中，图像做差具体为：电池丝印瑕疵信息包括缺失和多印，平移旋转后图像M′₁,M′₂...M′_N减待测子图像块T₁,T₂...T_N得到的结果为缺失，而待测子图像块T₁,T₂...T_N减平移旋转后图像M′₁,M′₂...M′_N得到的结果为多印。

7.根据权利要求1所述的一种基于分块模板匹配的电池丝印质量检测方法，其特征在于，步骤S7具体如下：

S701、对子图像中丝印区域进行动态阈值分割，计算该区域的直方图H，直方图的灰度等级为0～255；

S702、对直方图重组，将每5级灰度的直方图数据合并，使得子图像的灰度直方图分辨率降低，此时新的直方图H′灰度等级为0～51；

S703、对新的直方图进行从小到大排序，得到H″，此时在H″中H″(0)为直方图中最小值而H″(51)为直方图中最大值；

S704、通过计算在整幅子图像中灰度比重最大的15级灰度占据整体灰度值的比例得到单幅子图像的色差系数E，通过加权平均法得到全局图像的色差系数

其中，H″(i)为排序后直方图元素，N为电池模板子图像块个数，A_i为电池模板子块丝印区域面积，E_i为该电池模块子图像的色差系数。

8.根据权利要求1所述的一种基于分块模板匹配的电池丝印质量检测方法，其特征在于，电池模板的创建包括模板图像创建和配置参数文件创建；

模板图像创建具体为：选取一块无瑕疵的电池采集其图像，然后对图像使用自动阈值法将电池从背景中分割出来，然后对电池图像进行倾斜矫正与裁剪，裁剪方式为边缘轮廓位置向中心偏移，所裁剪的区域必须包含所有印刷内容，模板图像所包含的参数有模板图像的宽W、高H以及裁剪偏移量D；

配置参数文件创建具体为：配置参数文件包含条码类型、模板分块窗、瑕疵尺寸阈值以及其他检测指标阈值，模板分块窗的分块原则为每一个子块内包含一个或多个完整的丝印插画，图像分块为5～10个，在分块区域确定后记录每个图像子块的顶点坐标并保存；

色差定量分析完成后，以瑕疵几何中心为圆心，瑕疵区域所占最大面积半径R在输出图像中绘制一个圆圈作为标记，瑕疵区域所占最大面积半径R表示如下：

其中，设子图像坐标系为xoy，[x_i,y_i]为存在瑕疵的区域坐标，[x_c,y_c]为该瑕疵在子图像的位置坐标，通过将已标记瑕疵的检测结果图像保存至本地磁盘输出；或将丝印瑕疵数、丝印位置坐标、丝印版本匹配度、丝印色差、条码信息、条码尺寸和条码位置保存至数据库当中完成结果输出。