CN109870460A - 一种基于机器视觉的复合材料电池盒表面质量检测方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的复合材料电池盒表面质量检测方法，包含以下步骤：A、搭建机器视觉检测系统硬件平台；B、采集图片，并且根据采集图像的特点对图片进行预处理；C、识别纤维走向、纤维缺陷并进行成型尺寸检测、表面质量指数的定义；D、检测系统的调试与验证，本发明基于机器视觉的复合材料电池盒表面质量检测方法以复合材料电池盒预成型体为研究对象，以机器视觉检测为手段，通过对电池盒预成型体表面纤维走向，表面质量、表面缺陷识别及预成型体成型尺寸完成电池盒预成型体整体尺寸的测量。

Description

一种基于机器视觉的复合材料电池盒表面质量检测方法

技术领域

本发明涉及电池技术领域，具体是一种基于机器视觉的复合材料电池盒表面质量检测方法。

背景技术

在汽车工业领域，传统电动汽车电池盒的材料多采用钢材或铝材，通过冲压、焊接或铸造的加工方式获得。但是即使采用密度较小的铝合金制成电池盒会减轻一些质量，但是为了汽车的安全标准，铝合金的电池盒厚度一般在5mm以上，加之电池盒的整体尺寸较大，使得电池盒的整体质量依然较大，增加了汽车的油耗，影响汽车的续航能力，因此电池盒轻量化的任务迫在眉睫。

近年来，随着材料工业的发展，复合材料已经广泛应用在航空航天、汽车工业、化工纺织、建筑以及医学等领域，具有广泛的应用背景和广阔的发展前途。电池盒轻量化的问题因此有了解决方案。复合材料具有比强度高、比模量大、膨胀系数低以及抗疲劳性能好等一系列的优点的同时，相比于传统的金属材料具有更强的耐腐蚀能力。重要的是，复合材料具有轻质的优点，相比于金属材料可以使结构重量减轻30%-40%，较好地解决了传统汽车电池盒质量较大的问题。

但是我国在利用机器视觉进行复合材料检测方面刚刚起步，检测精度低、检测速度慢，导致自动化生产线的检测效率较低。

发明内容

本发明的目的在于提供一种基于机器视觉的复合材料电池盒表面质量检测方法，以解决所述背景技术中提出的问题。

为实现所述目的，本发明提供如下技术方案：

一种基于机器视觉的复合材料电池盒表面质量检测方法，包含以下步骤：

A、搭建机器视觉检测系统硬件平台；

B、采集图片，并且根据采集图像的特点对图片进行预处理；

C、识别纤维走向、纤维缺陷并进行成型尺寸检测、表面质量指数的定义；

D、检测系统的调试与验证。

作为本发明的进一步技术方案：所述步骤A具体是：根据机器视觉的基础知识，搭建基于机器视觉的复合材料电池盒预成型体检测系统。

作为本发明的进一步技术方案：所述步骤A还包括根据待检测物品的纹理特征和凹凸特性选择合适的光源配置方案，根据复合材料电池盒预成型体表面的纹理特性和检测精度的要求选择合适的相机和镜头，根据大量图像信息的传输要求选择合适的PC机，根据机械结构以及运动要求选择合适的运动控制端，并完成相机图像采集端—PC图像处理端—机械运动控制端的通信。

作为本发明的进一步技术方案：所述步骤B还包括对采集到的含噪图片进行降噪，并对降噪后的图片进行图像增强算法处理。

作为本发明的进一步技术方案：所述步骤C具体是：对经过预处理的图片进行边缘检测，提出纤维的轮廓，采用梯度向量局部内积的方式检测直线纤维的走向，采用霍夫变换的方式检测弯曲纤维的走向，提取孔洞及纤维分布不均两种常见的纤维缺陷的多种特征，并对这两种常见的缺陷进行识别、分类与标定，使用自定义表面质量指数来衡量复合材料表面质量，确定物理尺寸与像素之间的换算关系并完成复合材料预成型体的成型尺寸检测。

作为本发明的进一步技术方案：所述步骤D具体是：利用OpenCV+VS2012和Matlab两种编程语言实现图像算法的开发，并用计算机编程设计检测系统的用户交互界面，最后进行实验验证与分析，证明检测系统的可靠性。

与现有技术相比，本发明的有益效果是：本发明基于机器视觉的复合材料电池盒表面质量检测方法以复合材料电池盒预成型体为研究对象，以机器视觉检测为手段，通过对电池盒预成型体表面纤维走向，表面质量、表面缺陷识别及预成型体成型尺寸完成电池盒预成型体整体尺寸的测量。

附图说明

图1为系统总体结构图。

图2为图像预处理流程图。

图3为纤维走向及缺陷识别流程图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。

实施例1：请参阅图1-3，一种基于机器视觉的复合材料电池盒表面质量检测方法，包含以下步骤：

A、搭建机器视觉检测系统硬件平台；

首先根据机器视觉的基础知识，搭建基于机器视觉的复合材料电池盒预成型体检测系统，合理的选择硬件设备，设计检测系统的硬件平台。复合材料电池盒预成型体的尺寸一般为1.5m×2m，根据电池盒的尺寸制作合适大小的载物台。根据待检测物品的纹理特征和凹凸特性选择合适的光源配置方案。根据复合材料电池盒预成型体表面的纹理特性和检测精度的要求选择合适的相机和镜头，以获得最佳的采集图片。根据大量图像信息的传输要求选择合适的PC机。根据机械结构以及运动要求选择合适的运动控制端。并完成相机图像采集端—PC图像处理端—机械运动控制端的通信。

B、采集图片的预处理算法；

预处理手段的好坏对系统的检测精度有着重要的影响。跟据采集图像的特点对图片进行预处理。针对在图像采集过程中由于机械系统及电磁干扰等原因采集到的含噪图片进行降噪，并对降噪后的图片进行图像增强等一系列算法，达到消除模糊、提高图像信噪比等目的，为图像后续的处理奠定基础。

C、识别纤维走向、纤维缺陷并进行成型尺寸检测、表面质量指数的定义；

对经过预处理的图片进行边缘检测，提出纤维的轮廓。采用梯度向量局部内积的方式检测直线纤维的走向，采用霍夫变换的方式检测弯曲纤维的走向。提取孔洞及纤维分布不均两种常见的纤维缺陷的多种特征，并对这两种常见的缺陷进行识别、分类与标定。自定义表面质量指数来衡量复合材料表面质量。确定物理尺寸与像素之间的换算关系并完成复合材料预成型体的成型尺寸检测。

D、检测系统的调试与验证；

利用OpenCV+VS2012和Matlab两种编程语言实现相关的图像算法的开发，并用计算机编程设计检测系统的用户交互界面，便于用户对图像进行采集、处理和分析。最后进行实验验证与分析，证明检测系统的可靠性。

本设计的系统由摄像机、镜头、光源、PC机以及机械运动控制机构等组成。如图1所示，其中摄像机、镜头以及光源等构成图像采集模块。PC机构成控制台软件系统模块，包括人机交互模块、图像处理模块及数据统计模块。机械臂、运动控制器及电机等构成机械运动控制模块。

图像采集模块：光源保证图像采集时的光照稳定，克服被测物反光及表面凹凸特性；镜头和摄像机对待测物表面进行纤维走向、缺陷等特征的光学采集，同时满足对检测速度和检测精度的要求。摄像机通过GigE千兆网数据传输接口将采集到的数字图像传输到PC端，可以实现高速度远距离传输，满足电池盒预成型体纤维检测系统实时性的要求。

控制台软件系统模块：完成对采集图像的预处理、边缘检测、缺陷检测标定等图像处理算法等操作。将采集到的数据存储到数据统计模块，避免因断电造成的数据丢失，方便对图像进行识别与标定。人机交互的上位机界面可以控制相机与操作人员进行数据交互等功能，并且实时显示采集以及处理后的图片。

机械运动控制模块：完成系统的运动控制要求。指定机械臂运动坐标的原点为图像采集的起始点，相机与待测物的距离在图像采集过程中保持不变。在摄像机完成对当前区域图像采集的操作后，机械臂带动摄像机按照指定步长移动到下一图像采集区域，直到遍历完整个电池盒预成型体的表面，完成电池盒表面质量的检测。

图像预处理的原理及流程图如图2所示，经过图像采集模块采集到的图片由于机械噪声及电磁波等因素的干扰产生噪声，影响图片质量以及后续的研究，采用小波变换的方法将图像在小波域展开，利用图像噪声和图像原始信息在频域内的分布特性的不同的特点，在保留原始图像高频细节信息的同时将噪声去除，提高图像的信噪比。利用直方图均衡化等方法实现图像增强，在一定程度上减少由于复合材料电池盒预成型体表面反光对图像造成的干扰。

图像纤维走向及缺陷识别的原理及流程图如图3所示，对经过预处理的图片进行边缘检测，经过二值化将图像转化为黑白图像，经过膨胀、腐蚀等形态学操作去除孤立像素点，增强连通性。采用局部内积+霍夫变换的组合等操作识别纤维的走向、完成纤维角度的计算。对感兴趣区域内的缺陷特征进行特征提取及特征融合，融合多种特征组成特征向量从而增加缺陷识别的准确率，采用特征匹配、支持向量机等方法完成对采集图片中纤维缺陷的识别，并标定出缺陷的位置。通过图像采集区域内纤维缺陷的类型、纤维缺陷的面积等指标定义表面质量指数来综合评价电池盒预成型体的表面质量，并最终完成电池盒预成型体整体尺寸的测量。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种基于机器视觉的复合材料电池盒表面质量检测方法，其特征在于，包含以下步骤：

搭建机器视觉检测系统硬件平台；

采集图片，并且根据采集图像的特点对图片进行预处理；

识别纤维走向、纤维缺陷并进行成型尺寸检测、表面质量指数的定义；

检测系统的调试与验证。

2.根据权利要求1所述的一种基于机器视觉的复合材料电池盒表面质量检测方法，其特征在于，所述步骤A具体是：根据机器视觉的基础知识，搭建基于机器视觉的复合材料电池盒预成型体检测系统。

3.根据权利要求2所述的一种基于机器视觉的复合材料电池盒表面质量检测方法，其特征在于，所述步骤A还包括根据待检测物品的纹理特征和凹凸特性选择合适的光源配置方案，根据复合材料电池盒预成型体表面的纹理特性和检测精度的要求选择合适的相机和镜头，根据大量图像信息的传输要求选择合适的PC机，根据机械结构以及运动要求选择合适的运动控制端，并完成相机图像采集端—PC图像处理端—机械运动控制端的通信。

4.根据权利要求1所述的一种基于机器视觉的复合材料电池盒表面质量检测方法，其特征在于，所述步骤B还包括对采集到的含噪图片进行降噪，并对降噪后的图片进行图像增强算法处理。

5.根据权利要求1所述的一种基于机器视觉的复合材料电池盒表面质量检测方法，其特征在于，所述步骤C具体是：对经过预处理的图片进行边缘检测，提出纤维的轮廓，采用梯度向量局部内积的方式检测直线纤维的走向，采用霍夫变换的方式检测弯曲纤维的走向，提取孔洞及纤维分布不均两种常见的纤维缺陷的多种特征，并对这两种常见的缺陷进行识别、分类与标定，使用自定义表面质量指数来衡量复合材料表面质量，确定物理尺寸与像素之间的换算关系并完成复合材料预成型体的成型尺寸检测。

6.根据权利要求1所述的一种基于机器视觉的复合材料电池盒表面质量检测方法，其特征在于，所述步骤D具体是：利用OpenCV+VS2012和Matlab两种编程语言实现图像算法的开发，并用计算机编程设计检测系统的用户交互界面，最后进行实验验证与分析，证明检测系统的可靠性。