CN111766245B - 一种基于机器视觉的纽扣电池负极壳缺陷检测方法 - Google Patents
一种基于机器视觉的纽扣电池负极壳缺陷检测方法 Download PDFInfo
- Publication number
- CN111766245B CN111766245B CN202010419696.7A CN202010419696A CN111766245B CN 111766245 B CN111766245 B CN 111766245B CN 202010419696 A CN202010419696 A CN 202010419696A CN 111766245 B CN111766245 B CN 111766245B
- Authority
- CN
- China
- Prior art keywords
- negative electrode
- electrode shell
- shell
- station
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及纽扣电池缺陷检测技术,为基于机器视觉的纽扣电池负极壳缺陷检测方法,负极壳出料反面朝上有序地经过一号工位、二号工位、三号工位进行缺陷检测,然后进入翻转流槽,正面朝上依次经过四号工位、五号工位进行缺陷;一号工位用于纽扣电池负极壳反面密封圈胶体缺陷检测;二号工位用于纽扣电池负极壳反面金属面和密封圈的缺陷检测;三号工位用于纽扣电池负极壳反面内缺胶、外缺胶缺陷检测;四号工位用于纽扣电池负极壳正面密封圈胶体和金属面的缺陷检测;五号工位用于纽扣电池负极壳正面外打点和压伤缺陷检测。本发明在多个视觉检测工位分别采用不同的视觉光源配置,对纽扣电池负极盖正反两面的内外沿及表面等进行全方位检测。
Description
技术领域
本发明涉及纽扣电池缺陷检测技术,特别是一种基于机器视觉的纽扣电池负极壳缺陷检测方法。
背景技术
生产纽扣电池需要的材料包括:正极壳、正极材料、隔膜、负极材料、垫片、弹片以及负极壳,其中负极壳的作用主要用于装载纽扣电池内部材料和隔离作用。在负极壳制造过程中会出现背飞边、内飞边、口飞边、内缺胶、外缺胶、内打点、外打点、划痕、变形、胶盖、注塑收缩不良、白盖、油污和压伤缺陷,会导致纽扣电池生产过程中出现漏液、短路、飞边、划痕等缺陷,大大影响纽扣电池的成品质量,所以在纽扣电池生产过程中需要对负极壳进行缺陷检测。
其中,纽扣电池负极壳包括密封圈、负极钢壳(为金属部分,简称负极壳),密封圈通过注塑的方式注塑到负极钢壳之上从而形成一体结构。在注塑过程中,负极壳正面的密封圈内沿出现明显剩余料边,称为背飞边;负极壳反面的密封圈内沿靠近负极钢壳部分出现明显剩余料边,称为内飞边;负极壳反面的密封圈外沿出现明显剩余料边,称为口飞边;负极壳反面的密封圈内沿出现缺失,称为内缺胶;负极壳上的密封圈出现缺失,称为外缺胶;负极壳反面负极钢壳上出现凹陷,称为内打点;负极壳正面负极钢壳上出现凹陷,称为外打点;负极壳上没有注塑密封圈时,称为白盖缺陷;而划痕缺陷指负极壳正面负极钢壳上出现划痕;变形缺陷指负极壳形状异常;胶盖缺陷指负极壳上没有负极钢壳;压伤缺陷指正面负极钢壳上出现压伤,出现凹陷或者部分麻点消失情况;注塑收缩不良指负极壳上的密封圈在注塑过程中没有很好的收缩成型。
目前没有负极壳缺陷自动检测方法,生产过程中主要依靠人工肉眼进行检测,缺点主要有:
一、检测精度低,漏检率高,浪费大量的人力资源
1、由于存在视觉疲劳和专注度下降现象,使用人工肉眼检测时,由于长时间工作,极容易出现漏检情况。
2、由于人工肉眼批量检测,对负极壳的半径、内外圆等方面的测量难以做到精确的计算,导致负极壳的检测精度低。
3、负极壳一天的生产量达到百万数量级,每个检测工人的工作负担极大,对负极壳的检测进行批量浏览式检测,漏检的概率进一步增大。
4、熟练的检测工人一天的检测数量约为9万个,1天产量达到100万时需要11个工人同时工作,极大的浪费人力资源。
二、人工检测没有统一标准,且培训难度大
1、没有统一的检测标准
人工检测还受工人熟练程度的影响,且不同的检测工人在检测标准的理解和认识上存在一定的差异,对负极壳的检测难以做到统一的标准。
2、培训难度大
由于人工检测需要检测工人对负极壳以及每种缺陷的特征进行充分的了解后,并进行一定时间的培训练习磨合,才能达到上岗的要求,检测工人的人员变动所需要耗费的时间长,极大影响纽扣电池的生产进度。
发明内容
为解决现有技术所存在的技术问题,本发明提供一种基于机器视觉的纽扣电池负极壳缺陷检测方法,区别于人工肉眼检测,本发明通过机器视觉技术,在多个视觉检测工位分别采用不同的视觉光源配置,结合每个相机的视觉检测流程对纽扣电池负极盖正反两面的内外沿及表面等进行全方位检测。
本发明采用以下技术方案来实现:一种基于机器视觉的纽扣电池负极壳缺陷检测方法,负极壳出料反面朝上有序地经过一号工位、二号工位、三号工位进行缺陷检测,然后进入翻转流槽,正面朝上依次经过四号工位、五号工位进行缺陷;一号工位用于纽扣电池负极壳反面密封圈胶体缺陷检测;二号工位用于纽扣电池负极壳反面金属面和密封圈的缺陷检测;三号工位用于纽扣电池负极壳反面内缺胶、外缺胶缺陷检测;四号工位用于纽扣电池负极壳正面密封圈胶体和金属面的缺陷检测;五号工位用于纽扣电池负极壳正面外打点和压伤缺陷检测。
本发明与现有技术相比,具有如下优点和有益效果:
1、用机器视觉代替人眼检测,多工位配合实现全分位检测
本发明使用机器视觉代替原有的人眼检测方法,使用多个视觉工位,分别采用正上方高角度环形光、低角度同轴光、低角度环形光、低角度同轴光、倾斜条形光源的视觉光源配置,结合每个相机的的视觉检测流程对纽扣电池负极盖正反两面的内外沿及表面等进行全方位检测。
2、检测精度高,漏检率低
由于利用机器视觉技术,可以对进入机器的每个负极壳进行检测,不存在人工检测时的主观因素影响而产生的漏检问题;通过设计对应的缺陷检测算法,能够实现对每个负极壳缺陷进行稳定、精确计算,实现多种缺陷的精确检测,其中包括背飞边、内飞边、口飞边、内缺胶、外缺胶、内打点、外打点、划痕、变形、胶盖、注塑收缩不良和压伤缺陷。
3、检测效率高,可节省大量的人力资源
本发明检测方法对单个负极壳的检测时间不超过50ms,具有检测速度快、检测效率高等优点,只需要1名操作工人进行入料和出料操作即可完成代替人工检测的多个工位。
4、使用统一的检测标准
本发明经过针对性的视觉光源配置,可以得到稳定的图像信息,并采用标准化的检测方法对负极壳进行缺陷检测,解决人工肉眼检测时存在的检测标准难以统一的问题。
5、操作简单,降低了培训难度
使用本发明检测方法,对工人的操作经验要求低,只需要对机器的操作做简单的了解即可开机正常运行,缩短工人培训时间。
附图说明
图1是本发明的纽扣电池负极壳缺陷检测系统示意图;
图2是本发明的纽扣电池负极壳缺陷检测方法流程图;
图3是一号检测工位的检测流程图;
图4是二号检测工位的检测流程图;
图5是三号检测工位的检测流程图;
图6是四号检测工位的检测流程图;
图7是五号检测工位的检测流程图;
图中,1为一号工位,2为二号工位,3为三号工位,4为四号工位,5为五号工位,6为上层传送带,7为翻转流槽,8为下层传送带。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
图1为应用本发明检测方法的纽扣电池负极壳缺陷检测系统的示意图,负极壳从震盘出料反面朝上有序地进入上层传送带6,依次经过一号工位1、二号工位2、三号工位3的相机进行缺陷检测,经过三号工位之后,进入翻转流槽7,正面朝上进入下层传送带8,依次经过四号工位4、五号工位5的相机进行缺陷的检测,如果被判断为缺陷品则进行剔除。
本发明检测方法通过机器视觉技术,共包括多个视觉检测工位(本实施例包括五个视觉检测工位),分别采用正上方高角度环形光、低角度同轴光、低角度环形光、低角度同轴光、倾斜条形光源的视觉光源配置,结合每个相机的视觉检测流程对纽扣电池负极盖正反两面的内外沿及表面等进行全方位检测。分别为:
一号视觉检测工位(简称一号工位)用于纽扣电池负极壳反面密封圈胶体缺陷检测,包括检测口飞边、密封圈变形、胶盖、白盖缺陷;
二号视觉检测工位(简称二号工位)用于纽扣电池负极壳反面金属面和密封圈的缺陷检测,包括检测内打点、内多胶、缺胶和油污缺陷;
三号视觉检测工位(简称三号工位)用于纽扣电池负极壳反面内缺胶、外缺胶缺陷检测;
四号视觉检测工位(简称四号工位)用于纽扣电池负极壳正面密封圈胶体和金属面的缺陷检测,包括检测外打点、压伤、油污、背飞边和划痕缺陷;
五号视觉检测工位(简称五号工位)用于纽扣电池负极壳正面外打点和压伤缺陷检测;
上述五个工位相互配合,从多个角度对纽扣电池负极壳进行多类型缺陷检测,并且单个负极壳经过每个视觉检测工位的检测时间不超过50ms,检测速度快的同时,避免了人工检测中因疲劳和标准不一等情况下产生的错检、漏检的问题。
如图2-7所示,本发明检测方法包括以下步骤:
一、一号工位的检测流程及方法
一号工位采用的是环形光源,在较高的距离内形成边缘清晰的负极壳反面的整体图像,便于负极壳反面缺陷的检测;用于纽扣电池负极壳反面密封圈胶体缺陷检测,包括检测口飞边、密封圈变形、外缺胶、胶盖和无密封圈缺陷。算法实现如下:
步骤11、在一号工位采用环形光源,通过相机采集图像;对所采集的图像进行二值化处理及区域生长进行负极壳的定位;
由于一号工位使用的是较高位置的环形光源,能够清晰辨别负极壳的整体图像和背景传送带,背景颜色为白色,将二值化阈值设置为负极壳和背景传送带之间的灰度值,对一号工位相机所拍摄图像进行二值化操作后,负极壳区域为黑色,背景为白色;然后以图像中心向下平移,找到黑色点作为生长点进行生长,得到负极壳的目标区域,只保留负极壳的密封圈区域信息,并利用求重心算法,得到负极壳的中心点(x1,y1)和半径R1,实现对负极壳的定位。
步骤12、通过边缘提取算法,提取负极壳密封圈的内边缘轮廓和外边缘轮廓,获取负极壳密封圈的内边缘轮廓点、外边缘轮廓点信息;
在一号工位相机所采集的图像中利用sobel算子对中心点为(x1,y1)的环形区域(环形区域的内外半径差r满足:0.88*R1<r<1.06*R1)进行边缘提取,得到负极壳密封圈的内边缘轮廓和外边缘轮廓,本步骤主要保留负极壳密封圈的内、外边缘轮廓点信息。
步骤13、利用最小二乘法对所获取的外边缘轮廓点进行圆拟合,得到负极壳的中心点(x_out,y_out)、半径R_out以及负极壳密封圈的圆度误差P;
步骤14、将负极壳半径与设定半径参数R0进行比较,根据比较结果判断为口飞边缺陷,缺胶或白盖负极壳缺陷;
由于工位相机的高度固定,采集到的图像中负极壳的大小是不变的,所以设定半径参数R0来作为负极壳半径的对比值,利用步骤13中求得的负极壳半径R_out和设定半径参数R0做对比,若设定半径参数R0高出半径R_out的数值在范围b0内,则判断为口飞边缺陷,若设定半径参数R0低于半径R_out的数值在范围b1内,则判断为缺胶或白盖负极壳缺陷。
步骤15、利用计算得到的圆度误差P,设定判断阈值e0,若圆度误差P高于设定的判断阈值则判断负极壳存在密封圈变形缺陷;
步骤16、根据最小二乘法利用负极壳内边缘轮廓点计算内沿的中心(x_in,y_in)、半径R_in,并对负极壳反面负极钢壳区域进行分割;
步骤17、计算负极壳反面负极钢壳图像灰度均匀度,首先计算负极钢壳区域灰度的平均值Gray_avg,设置正常图像的灰度均值为G0,求取Gray_avg与G0的差值,若差值超过一定的范围e_gray时,负极钢壳区域灰度分布不均匀,判断为空膜负极壳,否则负极壳进入二号工位进行检测。
二、二号工位的检测流程及方法
二号检测工位采用的是同轴光源,在较低的距离内可形成清晰的负极壳反面的整体图像,并且避免了负极钢壳面上形成的倒影对缺陷检测的影响,便于负极壳反面负极钢壳面缺陷的检测。二号检测工位用于纽扣电池负极壳反面金属面和密封圈的缺陷检测,包括内打点、负极钢壳变形、内飞边、密封圈变形和油污缺陷。算法实现如下:
步骤21、在二号工位采用同轴光源,通过相机采集图像;对所采集的图像进行二值化处理及区域生长进行负极壳的定位;
二号工位采用的较低的同轴光源,负极壳的金属面亮度明显高于周围,将二值化阈值设置为负极壳和背景传送带之间的灰度值,对二号工位相机所拍摄图像进行二值化操作后图像负极钢壳区域变为白色,周围为黑色;然后以图像中心向下平移,找到白色点即作为生长点进行生长,得到负极壳的目标区域,只保留负极钢壳区域信息,并利用求重心算法,得到负极壳的中心点(x1,y1)和半径R1,实现对负极壳的定位。
步骤22、通过边缘提取算法,提取负极壳密封圈的内边缘轮廓,获取负极壳密封圈的内边缘轮廓点信息;
在二号工位相机所采集的图像中利用sobel算子对中心点为(x1,y1)和半径为1.06*R1圆形区域进行边缘提取,获得负极壳密封圈内边缘轮廓,得到内边缘像素点,求得负极钢壳的目标区域信息。
步骤23、利用最小二乘法对提取到的内边缘轮廓点进行圆拟合,得到负极壳内边缘的中心点(x_in,y_in)、半径R_in以及圆度误差P;
步骤24、将圆度误差P与设定判断阈值e0进行比较,若圆度误差大于设定判断阈值则判断负极壳存在缺陷;
步骤25、求取半径R_in与设定半径参数R0的差值,根据差值进一步判断负极壳所存在的缺陷为缺胶负极壳或内飞边;
由于工位相机的高度固定,采集到的图像中负极壳的大小是不变的,所以设定半径参数R0作为负极壳半径的对比值,若步骤24中判断负极壳为缺陷产品,将步骤23中求得的半径R_in和设定半径参数R0做对比,若半径R_in与设定半径参数R0的差值高于预设范围b0,则判断为缺胶负极壳缺陷,若半径R_in与设定半径参数R0的差值低于预设范围b1,则判断为内飞边缺陷。
步骤26、根据负极壳的边缘轮廓信息,分割目标区域图像;
步骤27、计算负极壳反面负极钢壳区域图像的灰度均匀度,计算负极钢壳区域灰度的直方图,分析灰度的分布情况,计算灰度平均值Gray_avg,判断图像灰度分布是否正常,若图像灰度分布不正常,例如灰度值较为集中在均值Gray_avg以下,则判断存在油污缺陷。
三、三号工位的检测流程及方法
三号检测工位采用的是低角度环形光和超广角镜头,在较近的距离内形成清晰的负极壳上密封圈的内侧图像,便于负极壳缺陷的检测。三号检测工位用于纽扣电池负极壳反面内缺胶、外缺胶和无密封圈缺陷检测。算法实现如下:
步骤31、在三号工位采用低角度环形光和超广角镜头,通过相机采集图像;对所采集的图像进行二值化处理及区域生长进行负极壳的定位;
由于三号工位使用的是低角度环形光和超广角镜头,在较近的距离内形成清晰的负极壳密封圈的内侧图像,能够清晰的得到负极壳的整体图像,并且负极壳的整体图像较黑,和背景白色传送带区别明显,将二值化阈值设置为负极壳和背景传送带之间的灰度值,对三号工位所采集的图像使用二值化操作后,图像的负极壳区域变为黑色,背景为白色;然后以图像中心向下平移,找到黑色点即作为生长点进行生长,得到负极壳的目标区域,只保留负极壳的密封圈区域信息,并利用求重心算法,得到负极壳的中心点(x1,y1)和半径R1,实现对负极壳的定位。
步骤32、通过边缘提取算法,提取负极壳密封圈的内边缘轮廓,获取负极壳密封圈的内边缘轮廓点信息;
在三号工位相机所采集的图像中利用sobel算子对中心点为(x1,y1)的环形区域(环形区域的内外半径差r满足:0.88*R1<r<1.06*R1)进行边缘提取,获得负极壳密封圈的内边缘轮廓和外边缘轮廓,保留负极壳密封圈的内、外边缘像素点信息。
步骤33、利用最小二乘法对提取到的内边缘轮廓点进行圆拟合,得到负极壳的中心点(x_in,y_in)、半径R_in和圆度误差P;
步骤34、计算所求得的半径R_in和设定半径参数R0的差值,若差值超过预设数值范围b0,则判断为外缺胶负极壳,否则分割密封圈图像。
由于工位相机的高度固定,采集到的图像中负极壳的大小是不变的,所以设定半径参数R0来作为负极壳半径的对比值,若负极壳半径R1与设定半径参数R0的差值超过预设值,则判断为负极壳外缺胶缺陷。
步骤35、判断所分割的密封圈图像的灰度值是否均匀,若不均匀则判断为内缺胶负极壳,否则负极壳进入四号工位。
本步骤判断灰度值是否均匀的方法为:计算圆心为(x_in,y_in)和半径r满足0.88*R_in<r<1.06*R_in的密封圈环形区域图像的灰度均匀度,首先计算区域灰度的直方图,分析灰度的分布情况,计算灰度平均值Gray_avg,判断图像灰度分布是否正常,若图像灰度分布不正常,例如灰度值较为集中在均值Gray_avg以下,则判断存在内缺胶缺陷。
四、四号工位的检测流程及方法
四号检测工位采用低角度同轴光,在较低的距离内可形成清晰的负极壳正面的整体图像,避免了负极钢壳面上形成的倒影对缺陷检测的影响,便于负极壳反面负极钢壳面缺陷的检测。四号检测工位用于纽扣电池负极壳正面密封圈胶体和金属面的缺陷检测,包括背飞边、油污、压伤、外缺胶、外打点和划痕缺陷。算法实现如下:
步骤41、在四号工位采用低角度同轴光,通过相机采集图像;对所采集的图像进行二值化处理及区域生长进行负极壳的定位;
四号工位使用的是侧面条形光,在较低的距离内可形成清晰的负极壳正面的整体图像,避免了负极钢壳面上形成的倒影对缺陷检测的影响,可以分为负极钢壳、密封圈和背景传送带三层,将二值化阈值设置为传送带与密封圈的灰度值之间,对四号工位相机所采集的图像进行二值化处理后图像密封圈区域变为黑色,背景为白色;然后以图像中心向下平移,找到黑色点即作为生长点进行生长,得到负极壳的目标区域,只保留负极壳的密封圈区域信息,并利用求重心算法,得到密封圈的重心(x1,y1)和半径R1,实现负极壳的定位。
步骤42、通过边缘提取算法,提取负极壳密封圈的内、外边缘轮廓,获取负极壳密封圈的内边缘轮廓点和外边缘轮廓点信息;
在四号工位相机所采集的图像中利用sobel算子对中心点为(x1,y1)和半径r满足0.88*R1<r<1.06*R1的环形区域进行边缘提取,获得负极壳密封圈的内边缘轮廓和外边缘轮廓,得到负极壳密封圈的内、外边缘轮廓点信息。
步骤43、利用最小二乘法对提取到的外边缘轮廓点进行圆拟合,得到负极壳的中心点(x_out,y_out)、半径R_out以及圆度误差P;
步骤44、根据圆度误差P,设定判断阈值e0,若圆度误差大于判断阈值则转入步骤45,否则转入步骤46;
步骤45、将步骤43所求取的半径R_out和设定半径参数R0做对比,若半径R_out与设定半径参数R0的差值超过预设范围b0,则判断为外缺胶缺陷;
由于工位相机的高度固定,采集到的图像中负极壳的大小是不变的,所以设定半径参数R0来作为负极壳半径的对比值,利用步骤43中求得的半径R_out和设定半径参数R0做对比,若半径R_out与设定半径参数R0的差值超过预设范围b0,则判断为外缺胶缺陷,否则转入步骤46。
步骤46、根据负极壳的边缘轮廓点信息分割密封圈图像,得到负极壳反面负极钢壳区域图像;
步骤47、判断所分割的密封圈图像的灰度值是否均匀,若不均匀则判断为外打点、油污负极壳;
本步骤判断灰度值是否均匀的方法为:计算负极壳反面负极钢壳区域图像的灰度均匀度,计算负极钢壳区域图像的灰度直方图,分析灰度的分布情况,计算灰度平均值Gray_avg,判断图像灰度分布是否正常,若图像灰度分布不正常,例如灰度值较为集中在均值Gray_avg以下,则判断存在油污缺陷。
步骤48、利用sobel算子对中心点为(x0,y0)和半径为0.88*R1的圆形区域进行边缘提取,获得负极壳的边缘信息,若边缘信息中存在明显的边缘,则判断为划痕和压伤缺陷,否则进入五号工位。
五、五号工位的检测流程及方法(倾斜平面光->大角度光源)
五号检测工位采用的是倾斜条形光源,工业智能相机从另一侧进行倾斜采图,得到纽扣电池负极钢壳正面的倾斜图像,便于外打点和压伤缺陷的检测;用于纽扣电池负极壳正面外打点和压伤缺陷检测。算法实现如下:
步骤51、在五号工位采用设置在负极壳侧面的倾斜条形光源,通过相机采集图像;对所采集的图像进行二值化处理及区域生长进行负极壳上沿的定位;
五号检测工位采用的是负极壳侧面的倾斜条形光源,工业智能相机从另一侧进行倾斜采图,得到纽扣电池负极钢壳正面的倾斜图像,负极壳的负极钢壳面由于对光线的反射与周围环境的灰度差别较大,特别是上沿部分为一条连起来的弧线,将二值化阈值设置为负极壳和背景传送带之间的灰度值,对五号工位所采集图像进行二值化操作后,图像整体图像为黑色,负极壳的反射点为白色,从图像中间列数从上往下寻找白色点进行区域生长,求得负极壳上沿弧线的区域,实现负极壳上沿的定位。
步骤52、对负极壳上沿进行椭圆拟合,得到负极壳的目标区域图像;
五号工位从负极壳侧面采集到的负极壳图像为椭圆,利用步骤51中得到的负极壳上沿的白色区域,根据最小二乘法拟合椭圆方程,计算得到负极壳中心坐标(x1,y1)。
步骤53、利用椭圆方程和中心坐标(x1,y1)分割椭圆形负极壳目标区域图像;
步骤54、计算负极壳目标区域图像的灰度平均值,并根据灰度平均值判断负极壳是否存在压伤或内打点缺陷;
本步骤计算目标区域灰度平均值的方法如下:计算负极壳反面内圈图像灰度均匀度,首先计算负极壳金属盖区域灰度的平均值Gray_avg,设置正常图像的灰度均值为G0,将平均值Gray_avg与G0做对比,若Gray_avg与G0的差值在预设范围e_gray内,判断压伤缺陷,否则利用水平投影和垂直投影计算灰度的分布情况,判断图像灰度分布是否正常,若灰度分布不正常,则判断为外打点缺陷。
需要说明的是,五号检测工位为四号检测工位内打点和压伤缺陷检测的补充功能,可以通过反光异常检测出垂直俯视图像正常的压伤。
由上可知,本发明检测方法利用机器视觉技术,实时地对每个负极壳进行检测,判断其是否存在背飞边、内飞边、口飞边、内缺胶、外缺胶、内打点、外打点、划痕、变形、胶盖、注塑收缩不良、白盖、油污和压伤缺陷,实现对纽扣电池负极壳的自动化缺陷检测。本发明的多个视觉检测工位分别采用正上方高角度环形光、低角度同轴光、低角度环形光、侧面条形光和低角度同轴光的视觉光源配置,结合每个相机的的视觉检测流程对纽扣电池负极盖正反两面的内外沿及表面等进行全方位检测;可以快速检出纽扣电池负极壳的14种缺陷,并进行剔除,包括:背飞边、内飞边、口飞边、内缺胶、外缺胶、内打点、外打点、划痕、变形、胶盖、注塑收缩不良、白盖、油污和压伤。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (1)
1.一种基于机器视觉的纽扣电池负极壳缺陷检测方法,其特征在于,负极壳出料反面朝上有序地经过一号工位、二号工位、三号工位进行缺陷检测,然后进入翻转流槽,正面朝上依次经过四号工位、五号工位进行缺陷检测;一号工位用于纽扣电池负极壳反面密封圈胶体缺陷检测;二号工位用于纽扣电池负极壳反面金属面和密封圈的缺陷检测;三号工位用于纽扣电池负极壳反面内缺胶、外缺胶缺陷检测;四号工位用于纽扣电池负极壳正面密封圈胶体和金属面的缺陷检测;五号工位用于纽扣电池负极壳正面外打点和压伤缺陷检测;
一号工位的检测包括以下步骤:
步骤11、在一号工位采用环形光源,通过相机采集图像;对所采集的图像进行二值化处理及区域生长进行负极壳的定位;
步骤12、通过边缘提取算法,提取负极壳密封圈的内边缘轮廓和外边缘轮廓,获取负极壳密封圈的内边缘轮廓点、外边缘轮廓点信息;
步骤13、对所获取的外边缘轮廓点进行圆拟合,得到负极壳的中心点(x_out,y_out)、半径R_out以及负极壳密封圈的圆度误差P;
步骤14、将负极壳半径与设定半径参数R0进行比较,根据比较结果判断为口飞边缺陷,缺胶或白盖负极壳缺陷;
步骤15、利用计算得到的圆度误差P,设定判断阈值e0,若圆度误差P高于设定的判断阈值则判断负极壳存在密封圈变形缺陷;
步骤16、利用负极壳内边缘轮廓点计算内沿的中心点(x_in,y_in)、半径R_in,并对负极壳反面负极钢壳区域进行分割;
步骤17、计算负极壳反面负极钢壳图像灰度均匀度,判断负极钢壳区域灰度分布是否均匀,若不均匀判断为空膜负极壳,否则负极壳进入二号工位进行检测;
二号工位的检测包括以下步骤:
步骤21、在二号工位采用同轴光源,通过相机采集图像;对所采集的图像进行二值化处理及区域生长进行负极壳的定位;
步骤22、通过边缘提取算法,提取负极壳密封圈的内边缘轮廓,获取负极壳密封圈的内边缘轮廓点信息;
步骤23、对提取到的内边缘轮廓点进行圆拟合,得到负极壳内边缘的中心点(x_in,y_in)、半径R_in以及圆度误差P;
步骤24、将圆度误差P与设定判断阈值e0进行比较,若圆度误差大于设定判断阈值则判断负极壳存在缺陷;
步骤25、求取半径R_in与设定半径参数R0的差值,根据差值进一步判断负极壳所存在的缺陷为缺胶负极壳或内飞边;
步骤26、根据负极壳的边缘轮廓信息,分割目标区域图像;
步骤27、计算负极壳反面负极钢壳区域图像的灰度均匀度,计算负极钢壳区域灰度的直方图,分析灰度的分布情况,计算灰度平均值Gray_avg,判断图像灰度分布是否正常,若图像灰度分布不正常,则判断存在油污缺陷;
三号工位的检测包括以下步骤:
步骤31、在三号工位采用低角度环形光和超广角镜头,通过相机采集图像;对所采集的图像进行二值化处理及区域生长进行负极壳的定位;
步骤32、通过边缘提取算法,提取负极壳密封圈的内边缘轮廓,获取负极壳密封圈的内边缘轮廓点信息;
步骤33、对提取到的内边缘轮廓点进行圆拟合,得到负极壳的中心点(x_in,y_in)、半径R_in和圆度误差P;
步骤34、计算所求得的半径R_in和设定半径参数R0的差值,若差值超过预设数值范围b0,则判断为外缺胶负极壳,否则分割密封圈图像;
步骤35、判断所分割的密封圈图像的灰度值是否均匀,若不均匀则判断为内缺胶负极壳,否则负极壳进入四号工位;
四号工位的检测包括以下步骤:
步骤41、在四号工位采用低角度同轴光,通过相机采集图像;对所采集的图像进行二值化处理及区域生长进行负极壳的定位,利用求重心算法,得到密封圈的中心点(x1,y1)和半径R1;
步骤42、通过边缘提取算法,提取负极壳密封圈的内、外边缘轮廓,获取负极壳密封圈的内边缘轮廓点和外边缘轮廓点信息;
步骤43、对提取到的外边缘轮廓点进行圆拟合,得到负极壳的中心点(x_out,y_out)、半径R_out以及圆度误差P;
步骤44、根据圆度误差P,设定判断阈值e0,若圆度误差大于判断阈值则转入步骤45,否则转入步骤46;
步骤45、将步骤43所求取的半径R_out和设定半径参数R0做对比,若半径R_out与设定半径参数R0的差值超过预设范围b0,则判断为外缺胶缺陷;
步骤46、根据负极壳的边缘轮廓点信息分割密封圈图像,得到负极壳正面负极钢壳区域图像;
步骤47、判断所分割的负极钢壳图像的灰度值是否均匀,若不均匀则判断为外打点、油污负极壳;
步骤48、对中心点为(x1,y1)和半径为0.88*R1的圆形区域进行边缘提取,获得负极壳的边缘信息,若边缘信息中存在明显的边缘,则判断为划痕和压伤缺陷,否则进入五号工位;
五号工位的检测包括以下步骤:
步骤51、在五号工位采用设置在负极壳侧面的倾斜条形光源,通过相机采集图像;对所采集的图像进行二值化处理及区域生长进行负极壳上沿的定位;
步骤52、对负极壳上沿进行椭圆拟合,得到负极壳的目标区域图像,根据最小二乘法拟合椭圆方程,计算得到负极壳中心坐标(x1,y1);
步骤53、利用椭圆方程和中心坐标(x1,y1)分割椭圆形负极壳目标区域图像;
步骤54、计算负极壳目标区域图像的灰度平均值,并根据灰度平均值判断负极壳是否存在压伤或外打点缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010419696.7A CN111766245B (zh) | 2020-05-18 | 2020-05-18 | 一种基于机器视觉的纽扣电池负极壳缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010419696.7A CN111766245B (zh) | 2020-05-18 | 2020-05-18 | 一种基于机器视觉的纽扣电池负极壳缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111766245A CN111766245A (zh) | 2020-10-13 |
CN111766245B true CN111766245B (zh) | 2023-05-23 |
Family
ID=72719446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010419696.7A Active CN111766245B (zh) | 2020-05-18 | 2020-05-18 | 一种基于机器视觉的纽扣电池负极壳缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111766245B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112683803A (zh) * | 2021-01-25 | 2021-04-20 | 扬州哈工博视科技有限公司 | 一种皮革正反面缺陷的自动检测装置 |
CN113189505B (zh) * | 2021-03-26 | 2022-06-28 | 深圳市磐锋精密技术有限公司 | 一种基于大数据的手机电池状态监测系统 |
CN114408566B (zh) * | 2022-01-28 | 2024-04-05 | 天津市海迅科技发展有限公司 | 一种视觉检测平台及检测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5233199A (en) * | 1991-07-15 | 1993-08-03 | Fuji Electric Co., Ltd. | Cylindrical container's inner surface tester |
JPH1090193A (ja) * | 1996-09-17 | 1998-04-10 | Fuji Elelctrochem Co Ltd | 電子部品の着色半透明塗布剤の検査方法 |
CN104297258A (zh) * | 2014-09-18 | 2015-01-21 | 景德镇陶瓷学院 | 一种圆形日用陶瓷器件的缺口检测方法 |
CN109146841A (zh) * | 2018-07-02 | 2019-01-04 | 广州市讯思视控科技有限公司 | 一种干电池浆层纸填充缺陷的视觉检测方法及系统 |
CN109870462A (zh) * | 2019-04-01 | 2019-06-11 | 常州金中源智能装备有限公司 | 一种电池在线检测装置 |
-
2020
- 2020-05-18 CN CN202010419696.7A patent/CN111766245B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5233199A (en) * | 1991-07-15 | 1993-08-03 | Fuji Electric Co., Ltd. | Cylindrical container's inner surface tester |
JPH1090193A (ja) * | 1996-09-17 | 1998-04-10 | Fuji Elelctrochem Co Ltd | 電子部品の着色半透明塗布剤の検査方法 |
CN104297258A (zh) * | 2014-09-18 | 2015-01-21 | 景德镇陶瓷学院 | 一种圆形日用陶瓷器件的缺口检测方法 |
CN109146841A (zh) * | 2018-07-02 | 2019-01-04 | 广州市讯思视控科技有限公司 | 一种干电池浆层纸填充缺陷的视觉检测方法及系统 |
CN109870462A (zh) * | 2019-04-01 | 2019-06-11 | 常州金中源智能装备有限公司 | 一种电池在线检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111766245A (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111766245B (zh) | 一种基于机器视觉的纽扣电池负极壳缺陷检测方法 | |
WO2022062812A1 (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
CN109884070B (zh) | 一种基于机器视觉的铝铝泡罩包装药片缺陷检测方法 | |
TWI603074B (zh) | 光學薄膜缺陷辨識方法及其系統 | |
CN110006920B (zh) | 一种复杂表面红宝石轴承缺陷检测的装置及方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN108896574B (zh) | 一种基于机器视觉的瓶装白酒杂质检测方法及系统 | |
CN109308700A (zh) | 一种基于印刷品字符的视觉识别缺陷检测方法 | |
CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
CN111696077A (zh) | 一种基于WaferDet网络的晶圆缺陷检测方法 | |
CN107516308B (zh) | 一种电池盖帽正面视觉检测方法 | |
CN102519972A (zh) | 一种pet瓶瓶盖和液位的检测方法 | |
CN112819844B (zh) | 一种图像边缘检测方法及装置 | |
CN109239073A (zh) | 一种用于汽车车身的表面缺陷检测方法 | |
CN106872488A (zh) | 一种快速大面积透明基片双表面缺陷视觉检测方法及装置 | |
CN114519696B (zh) | 基于光学智能化的pvc热收缩膜检测方法及系统 | |
CN110021012B (zh) | 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法 | |
CN113808104A (zh) | 一种基于分块的金属表面缺陷检测方法及系统 | |
CN113566704A (zh) | 一种基于机器视觉的轴承总成滚珠尺寸检测方法 | |
CN110412055A (zh) | 一种基于多光源暗场照明的透镜白雾缺陷检测方法 | |
CN116008294B (zh) | 一种基于机器视觉的键帽表面颗粒缺陷检测方法 | |
CN111008960A (zh) | 基于机器视觉的铝电解电容底部外观检测方法及装置 | |
CN116205860A (zh) | 一种基于机器视觉的酒瓶体包装缺陷检测系统 | |
CN211263229U (zh) | 一种瓶装液体检测光学系统 | |
CN104155306A (zh) | 一种单焊片灯头焊片缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |