CN117689637B - 一种新能源电池五金件加工质量视觉检测方法 - Google Patents
一种新能源电池五金件加工质量视觉检测方法 Download PDFInfo
- Publication number
- CN117689637B CN117689637B CN202311715798.3A CN202311715798A CN117689637B CN 117689637 B CN117689637 B CN 117689637B CN 202311715798 A CN202311715798 A CN 202311715798A CN 117689637 B CN117689637 B CN 117689637B
- Authority
- CN
- China
- Prior art keywords
- point
- seed point
- initial seed
- points
- initial
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 230000000007 visual effect Effects 0.000 title claims abstract description 12
- 238000003466 welding Methods 0.000 claims abstract description 91
- 238000007789 sealing Methods 0.000 claims abstract description 76
- 230000011218 segmentation Effects 0.000 claims abstract description 24
- 230000001788 irregular Effects 0.000 claims abstract description 9
- 230000007547 defect Effects 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 15
- 238000011179 visual inspection Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000002950 deficient Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 239000012535 impurity Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种新能源电池五金件加工质量视觉检测方法,包括:获取密封钉焊接灰度图像,根据灰度图像中像素点的灰度值得到初始点集合,进而得到灰度图像进行分水岭分割的初始种子点,根据选取因子、初始种子点的连通域的面积及发生突变的像素点数量,得到初始种子点属于噪声点的可能程度,得到初始种子点的连通域的不规则程度,根据不规则程度、可能程度及连通域中不同初始种子点之间的距离,得到最终种子点,进而完成分水岭分割并对新能源电池的密封焊接质量进行评估。本发明解决了焊接不均匀或者杂志的影响导致选取分水岭算法的种子点难以确定,进而影响新能源电池的质量检测。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种新能源电池五金件加工质量视觉检测方法。
背景技术
在新能源电池制作加工过程中,需要使用密封钉对电池的注液孔进行焊接密封,在焊接过程中容易出现焊接不均匀或者杂质的影响从而导致新能源电池的密封性降低。现有方法利用分水岭算法对缺陷区域进行分割时,由于焊接不均匀或者杂志的影响导致选取分水岭算法的种子点难以确定,进而影响新能源电池的质量检测,因此需要对图像中选取种子点的位置进行分析。
发明内容
为解决上述问题,本发明提供一种新能源电池五金件加工质量视觉检测方法。
本发明的一种新能源电池五金件加工质量视觉检测方法采用如下技术方案:
本发明一个实施例提供了一种新能源电池五金件加工质量视觉检测方法,该方法包括以下步骤:
采集新能源电池的密封钉焊接图像并灰度化得到密封钉焊接灰度图像;
根据密封钉焊接灰度图像中像素点的灰度值进行阈值判断得到初始点集合,根据初始点集合中每个像素点的邻域范围内像素点的灰度值和初始点集合中每个像素点的灰度值,得到初始种子点的选取因子,根据选取因子得到密封钉焊接灰度图像进行分水岭分割的若干初始种子点;
对初始种子点进行区域生长,获取初始种子点的连通域和连通域的面积,获取初始种子点的八邻域范围内灰度值发生突变的像素点数量,根据选取因子、初始种子点的连通域的面积及八邻域范围内灰度值发生突变的像素点数量,得到初始种子点属于噪声点的可能程度;根据连通域的边缘上相邻像素点的曲率差异和连通域中像素点的数量,得到初始种子点的连通域的不规则程度,根据连通域的不规则程度、初始种子点属于噪声点的可能程度及初始种子点的连通域中不同初始种子点之间的距离,得到每个初始种子点作为最终种子点的可能程度;
对初始种子点作为最终种子点的可能程度进行阈值判断,得到密封钉焊接灰度图像进行分水岭分割的若干最终种子点,根据最终种子点对密封钉焊接灰度图像进行分割得到缺陷区域分割结果图,根据缺陷区域分割结果图对新能源电池的密封焊接质量进行评估。
进一步地,所述根据初始点集合中每个像素点的邻域范围内像素点的灰度值和初始点集合中每个像素点的灰度值,得到初始种子点的选取因子,根据选取因子得到密封钉焊接灰度图像进行分水岭分割的若干初始种子点,包括的具体步骤如下:
将初始点集合中任意一个像素点,记为目标像素点,将目标像素点八邻域范围内像素点的最小灰度值,记为第一灰度值,将目标像素点的灰度值,记为第二灰度值,将第一灰度值减去第二灰度值得到的差值作为初始种子点的选取因子,记为A,若A>0,将目标像素点作为密封钉焊接灰度图像进行分水岭分割的初始种子点;若A≤0,不将目标像素点作为密封钉焊接灰度图像进行分水岭分割的初始种子点,对初始点集合中每一个像素点进行判断,得到密封钉焊接灰度图像进行分水岭分割的若干初始种子点。
进一步地,所述获取初始种子点的连通域和连通域的面积的具体方法如下:
对于任意一个初始种子点,预设一个第二阈值,以该初始种子点为中心进行区域生长,将第二阈值作为区域生长过程中的生长阈值,区域生长规则不变,得到该初始种子点的生长区域,记为该初始种子点的连通域,将该初始种子点的连通域内像素点数量作为该初始种子点的连通域的面积。
进一步地,所述获取初始种子点的八邻域范围内灰度值发生突变的像素点数量的具体方法如下:
对于任意一个初始种子点,预设一个第三阈值,对于该初始种子点的八邻域范围内任意一个像素点,若该像素点的灰度值减去该初始种子点的灰度值得到的差值大于第三阈值,将该像素点作为一个发生突变的像素点,统计该初始种子点的八邻域范围内灰度值发生突变的像素点数量。
进一步地,所述根据选取因子、初始种子点的连通域的面积及八邻域范围内灰度值发生突变的像素点数量,得到初始种子点属于噪声点的可能程度,包括的具体步骤如下:
式中,Q为任意一个初始种子点属于噪声点的可能程度,B为该初始种子点的灰度值,Bc为该初始种子点的八邻域范围内第c个像素点的灰度值,||为取绝对值,C为该初始种子点的八邻域范围内像素点的个数,D为该初始种子点的连通域的面积,A为该初始种子点的选取因子,S为该初始种子点的八邻域范围内灰度值发生突变的像素点数量。
进一步地,所述根据连通域的边缘上相邻像素点的曲率差异和连通域中像素点的数量,得到初始种子点的连通域的不规则程度,包括的具体步骤如下:
将任意一个初始种子点记为第一种子点,式中,LG为第一种子点的连通域的不规则程度,Sr为第一种子点的连通域的最小外接矩形中像素点的数量,Sd为第一种子点的连通域中像素点的数量,ui为第一种子点的连通域的边缘上第i个像素点的曲率,ui+1为第一种子点的连通域的边缘上第i+1个像素点的曲率,n为第一种子点的连通域的边缘像素点的数量,||为取绝对值;|ui-ui+1|表示第一种子点的连通域的边缘上相邻像素点的曲率差异。
进一步地,所述根据连通域的不规则程度、初始种子点属于噪声点的可能程度及初始种子点的连通域中不同初始种子点之间的距离,得到每个初始种子点作为最终种子点的可能程度,包括的具体步骤如下:
式中,Gh为第一种子点的连通域中第h个初始种子点与第一种子点之间的欧式距离,H为第一种子点的连通域中除第一种子点外其他初始种子点的个数,为第一种子点的连通域内所有像素点的平均梯度值,LG为第一种子点的连通域的不规则程度,Q为该初始种子点属于噪声点的可能程度,P为第一种子点作为最终种子点的可能程度。
进一步地,所述对初始种子点作为最终种子点的可能程度进行阈值判断,得到密封钉焊接灰度图像进行分水岭分割的若干最终种子点,包括的具体步骤如下:
预设一个第四阈值,记为th4,对所有初始种子点作为最终种子点的可能程度进行线性归一化处理,将经过线性归一化处理后任意一个初始种子点作为最终种子点的可能程度,记为P′,若P′>th4,将该初始种子点作为密封钉焊接灰度图像进行分水岭分割的一个最终种子点。
进一步地,所述根据最终种子点对密封钉焊接灰度图像进行分割得到缺陷区域分割结果图,根据缺陷区域分割结果图对新能源电池的密封焊接质量进行评估,包括的具体步骤如下:
根据最终种子点利用分水岭算法对密封钉焊接灰度图像进行分割,得到缺陷区域分割结果图,缺陷区域分割结果图中包含若干连通域,将缺陷区域分割结果图中所有连通域内像素点的数量记为TU,将密封钉焊接灰度图像中像素点的数量记为TV,将TU与TV的比值记为TS,预设一个第五阈值,记为th5,若TS>th5,密封钉对新能源电池的密封焊接质量不合格。
进一步地,所述根据密封钉焊接灰度图像中像素点的灰度值进行阈值判断得到初始点集合,包括的具体步骤如下:
预设一个第一阈值,在密封钉焊接灰度图像中获取灰度值小于第一阈值的若干像素点,将若干像素点构成的集合记为初始点集合。
本发明的技术方案的有益效果是:通过灰度值筛选出初始种子点后,根据初始种子点在不同方向上的灰度值变化,判断其相邻区域是否存在灰度值突变,分析该点作为噪声点的可能性,从而确定该点作为种子点的可能性;通过分析焊接区域的形态特征,对当前选中种子点邻域范围内像素点的分布特征进行分析,根据连通域的不规则程度、初始种子点属于噪声点的可能程度及初始种子点的连通域中不同初始种子点之间的距离,得到每个初始种子点作为最终种子点的可能程度,进而得到密封钉焊接灰度图像进行分水岭分割的若干最终种子点,根据最终种子点对密封钉焊接灰度图像进行分割得到缺陷区域分割结果图,缺陷区域分割结果图中排除了噪声点的干扰,且分割结果只包含缺陷区域,达到了对新能源电池的密封焊接质量评估的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种新能源电池五金件加工质量视觉检测方法的步骤流程图;
图2本发明一个实施例所提供的一种新能源电池五金件加工质量视觉检测方法的密封钉焊接灰度图像;
图3本发明一个实施例所提供的一种新能源电池五金件加工质量视觉检测方法的噪声点灰度图像。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种新能源电池五金件加工质量视觉检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种新能源电池五金件加工质量视觉检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种新能源电池五金件加工质量视觉检测方法的步骤流程图,该方法包括以下步骤:
步骤S001、采集新能源电池的密封钉焊接图像并灰度化得到密封钉焊接灰度图像。
需要说明的是,本实施例的目的是,针对在进行分水岭算法对密封钉焊接图像进行分割时,由于焊接区域存在焊接不均匀或者杂质影响从而产生噪声点,噪声点对种子点选取造成了影响,进而影响新能源电池的质量检测。通过对初始种子点所处区域像素点灰度值的分布特征,分析该种子点的准确程度,降低噪声对最终分割结果的影响,开始分析之前首先需要采集图像并进行预处理。
具体的,在新能源电池完成注液密封后,利用相机从正上方拍摄新能源电池的密封钉焊接图像,对密封钉焊接图像进行灰度化处理得到密封钉焊接灰度图像;请参阅图2,图2为本实施例的密封钉焊接灰度图像,图2中包含正常焊接区域和黑色的缺陷区域。
至此,得到密封钉焊接灰度图像。
步骤S002、根据密封钉焊接灰度图像中像素点的灰度值得到初始点集合,根据初始点集合中每个像素点的邻域范围内像素点的灰度值和初始点集合中每个像素点的灰度值,得到初始种子点的选取因子,根据选取因子得到密封钉焊接灰度图像进行分水岭分割的若干初始种子点。
需要说明的是,密封钉为了保证密封效果,在进行密封时密封钉沿注液孔的边缘对其进行焊接,因此焊接区域呈现圆环状。受焊接区域的限制,加工过程中存在的缺陷存在于焊接区域的周围,且焊接区域正常与缺陷之间存在灰度值差异。由于缺陷区域形状的随机性会对焊接区域的整体性造成破坏,因此处于缺陷区域上的像素点与焊接圆环上的像素点在邻域像素点的分布特征上存在差异,较小的噪声点对焊接区域的破坏小,其邻域像素点的走向分布仍然符合焊接区域的分布特征。通过分析像素点所处区域灰度值的分布特征确定进行分水岭分割的种子点。
进一步需要说明的是,在灰度图像中,属于正常焊接区域的像素点其灰度值表现为高亮区域,但在高亮区域中存在部分低灰度区域以及像素点,因此灰度图像中低灰度区域存在缺陷的可能性较大,对像素点的局部最小特征进行分析,选择灰度值较小的像素点作为分水岭算法的初始种子点。
具体的,根据密封钉焊接灰度图像中像素点的灰度值进行阈值判断得到初始点集合,具体如下:
预设一个第一阈值,本实施例以第一阈值等于100进行叙述,在密封钉焊接灰度图像中获取灰度值小于第一阈值的若干像素点,将若干像素点构成的集合记为初始点集合。
需要说明的是,对于初始点集合中任意一个像素点,分析该像素点在八邻域范围内是否存在灰度值小于其的点,若在邻域中存在像素点的灰度值小于该像素点的灰度值,则认为该像素点没有达到局部最小;若在八邻域范围内没有像素点的灰度值小于该像素点,则认为其达到局部最小,将其筛选出来作为初始种子点。
具体的,根据初始点集合中每个像素点的邻域范围内像素点的灰度值和初始点集合中每个像素点的灰度值,得到初始种子点的选取因子,根据选取因子得到密封钉焊接灰度图像进行分水岭分割的若干初始种子点,具体如下:
将初始点集合中任意一个像素点,记为目标像素点,将目标像素点八邻域范围内像素点的最小灰度值,记为第一灰度值,其中目标像素点八邻域范围内像素点是不包含目标像素点在内的,后续的八邻域范围内像素点都是不包含中心像素点在内的,将目标像素点的灰度值,记为第二灰度值,将第一灰度值减去第二灰度值得到的差值作为初始种子点的选取因子,记为A,若A>0,说明第一灰度值大于第二灰度值,目标像素点具有局部最小灰度值,将目标像素点作为密封钉焊接灰度图像进行分水岭分割的初始种子点,且A越大,说明目标像素点是初始种子点的可能性越大;若A≤0,说明第一灰度值小于或等于第二灰度值,目标像素点不具有局部最小灰度值,不将目标像素点作为密封钉焊接灰度图像进行分水岭分割的初始种子点,对初始点集合中每一个像素点进行判断,得到密封钉焊接灰度图像进行分水岭分割的若干初始种子点。
至此,得到密封钉焊接灰度图像进行分水岭分割时的若干初始种子点。
步骤S003、对初始种子点进行区域生长,获取初始种子点的连通域和连通域的面积,获取初始种子点的八邻域范围内灰度值发生突变的像素点数量,根据选取因子、初始种子点的连通域的面积及八邻域范围内灰度值发生突变的像素点数量,得到初始种子点属于噪声点的可能程度;根据连通域的边缘上相邻像素点的曲率差异和连通域中像素点的数量,得到初始种子点的连通域的不规则程度,根据连通域的不规则程度、初始种子点属于噪声点的可能程度及初始种子点的连通域中不同初始种子点之间的距离,得到每个初始种子点作为最终种子点的可能程度。
需要说明的是,已知焊接区域的形状呈现圆环状,处于焊接区域的像素点在一定程度上会符合该区域形态特征,即像素点方向纹理与圆环方向一致。但由于缺陷区域形态的随机性导致缺陷区域会对该焊接区域的形态特征造成破坏,由此可知缺陷区域应该不符合正常区域像素点的规律特征。同时,由于焊接不当所造成的缺陷区域占据焊接痕迹总体的面积较大,且在焊接或拍摄过程中可能出现噪声点,因此过小的像素点区域其不适合作为种子点。
需要说明的是,通过对初始种子点进行判断,在图像中取得具有局部最小特征的初始种子点,观察灰度图像可以发现,在焊接区域存在许多低灰度的小区域,这些区域中的像素点同样具有局部最小特征,如图3方框中所示,图3为本实施例的噪声点灰度图像。由于这些区域的面积较小,且其灰度值变化过于明显,无法通过这些区域的像素点特征来对缺陷区域进行表现,这些像素点属于缺陷区域的可能性小而其属于噪声的可能较大,通过对初始种子点不同方向上灰度值的变化进行分析,判断初始种子点是噪声点的可能性。
进一步需要说明的是,对初始种子点所处区域的邻域像素点的灰度值进行分析,若在初始种子点的邻域上存在多个方向的像素点灰度值发生改变,且灰度值的改变较大则可以认为该初始种子点属于噪声点的可能性大。同时,确定初始种子点所在的连通域,连通域面积越小则属于噪声点的可能性越大。初始种子点邻域发生灰度值突变的方向越多、灰度值改变越大则初始种子点属于噪声点的可能性越大。
具体的,对初始种子点进行区域生长,获取初始种子点的连通域和连通域的面积,获取初始种子点的八邻域范围内灰度值发生突变的像素点数量,根据选取因子、初始种子点的连通域的面积及八邻域范围内灰度值发生突变的像素点数量,得到初始种子点属于噪声点的可能程度,具体如下:
对于任意一个初始种子点,预设一个第二阈值,本实施例以第二阈值等于10进行叙述,以该初始种子点为中心进行区域生长,将第二阈值作为区域生长过程中的生长阈值,区域生长规则不变,得到该初始种子点的生长区域,记为该初始种子点的连通域,将该初始种子点的连通域内像素点数量作为该初始种子点的连通域的面积。
对于任意一个初始种子点,预设一个第三阈值,本实施例以第三阈值等于20进行叙述,对于该初始种子点的八邻域范围内任意一个像素点,若该像素点的灰度值减去该初始种子点的灰度值得到的差值大于第三阈值,将该像素点作为一个发生突变的像素点,统计该初始种子点的八邻域范围内灰度值发生突变的像素点数量。
式中,Q为任意一个初始种子点属于噪声点的可能程度,B为该初始种子点的灰度值,Bc为该初始种子点的八邻域范围内第c个像素点的灰度值,||为取绝对值,C为该初始种子点的八邻域范围内像素点的个数,S为该初始种子点的连通域的面积,A为该初始种子点的选取因子,E为该初始种子点的八邻域范围内灰度值发生突变的像素点数量。
需要说明的是,任选一个初始种子点,首先确定该初始种子点所在的连通域,对于该初始种子点所处的连通域进行分析,统计连通域边缘的梯度大小并计算其连通域的梯度强度,梯度强度越大则该点确定为种子点的可能性越大。同时,在一个连通域中可能存在多个初始种子点,统计连通域中初始种子点的数量,若在一个连通域中初始种子点的数量越多并且以其中某个初始种子点为中心时初始种子点的密度越大,则该点确定为种子点的可能性越大。最后,由于灰度图像中缺陷区域表现为不规则的低灰度区域,因此若初始种子点所在连通域的边缘轮廓越不规则,则该点确定为种子点的可能性越大。
需要说明的是,对于最终种子点的可能性分析涉及到任意初始种子点所在连通域形状的不规则程度,通过获取已知连通域的边缘轮廓并根据边缘轮廓的形态特征确定其不规则程度。计算连通域边缘的长度以及连通域外接矩形的面积,若连通域边缘的长度越长,则其不规则的可能越大;若连通域面积和其外接矩形面积的比值越小,则其不规则的可能性越大。同时,由于区域不规则边缘的存在会导致其边缘上像素点之间通常会出现较大的曲率变化,统计连通域边缘上每一点的曲率,计算其每一点曲率的差异,曲率差异越大则其不规则的可能性越大。
具体的,根据连通域的边缘上相邻像素点的曲率差异和连通域中像素点的数量,得到初始种子点的连通域的不规则程度,具体如下:
将任意一个初始种子点记为第一种子点,式中,LG为第一种子点的连通域的不规则程度,Sr为第一种子点的连通域的最小外接矩形中像素点的数量,Sd为第一种子点的连通域中像素点的数量,ui为第一种子点的连通域的边缘上第i个像素点的曲率,ui+1为第一种子点的连通域的边缘上第i+1个像素点的曲率,n为第一种子点的连通域的边缘像素点的数量,||为取绝对值;|ui-ui+1|表示第一种子点的连通域的边缘上相邻像素点的曲率差异,曲率计算为现有技术,本实施例不再赘述。
需要说明的是,n表示第一种子点的连通域的边缘长度,用边缘像素点的数量来代替,Sr与Sd的比值表示外接矩形的面积和连通域面积的比值。
进一步地,根据连通域的不规则程度、初始种子点属于噪声点的可能程度及初始种子点的连通域中不同初始种子点之间的距离,得到每个初始种子点作为最终种子点的可能程度,具体如下:
式中,Gh为第一种子点的连通域中第h个初始种子点与第一种子点之间的欧式距离,H为第一种子点的连通域中除第一种子点外其他初始种子点的个数,为第一种子点的连通域内所有像素点的平均梯度值,LG为第一种子点的连通域的不规则程度,Q为该初始种子点属于噪声点的可能程度,P为第一种子点作为最终种子点的可能程度。
至此,得到每个初始种子点作为最终种子点的可能程度。
步骤S004、对初始种子点作为最终种子点的可能程度进行阈值判断,得到密封钉焊接灰度图像进行分水岭分割的若干最终种子点,根据最终种子点对密封钉焊接灰度图像进行分割得到缺陷区域分割结果图,根据缺陷区域分割结果图对新能源电池的密封焊接质量进行评估。
需要说明的是,上述步骤得到了初始种子点作为最终种子点的可能程度,通过设置合适的阈值进行判断,最终得到密封钉焊接灰度图像进行分水岭分割的最终种子点。
具体的,预设一个第四阈值,记为th4,本实施例以th4=0.8进行叙述,对所有初始种子点作为最终种子点的可能程度进行线性归一化处理,将经过线性归一化处理后任意一个初始种子点作为最终种子点的可能程度,记为P′,若P′>th4,将该初始种子点作为密封钉焊接灰度图像进行分水岭分割的一个最终种子点;根据最终种子点利用分水岭算法对密封钉焊接灰度图像进行分割,得到缺陷区域分割结果图,需要说明的是,缺陷区域分割结果图中包含若干连通域,将缺陷区域分割结果图中所有连通域内像素点的数量记为TU,将密封钉焊接灰度图像中像素点的数量记为TV,将TU与TV的比值记为TS,预设一个第五阈值,记为th5,本实施例以th5=0.05进行叙述,若TS>th5,密封钉对新能源电池的密封焊接质量不合格。
通过以上步骤,完成一种新能源电池五金件加工质量视觉检测方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种新能源电池五金件加工质量视觉检测方法,其特征在于,该方法包括以下步骤:
采集新能源电池的密封钉焊接图像并灰度化得到密封钉焊接灰度图像;
根据密封钉焊接灰度图像中像素点的灰度值进行阈值判断得到初始点集合,根据初始点集合中每个像素点的邻域范围内像素点的灰度值和初始点集合中每个像素点的灰度值,得到初始种子点的选取因子,根据选取因子得到密封钉焊接灰度图像进行分水岭分割的若干初始种子点;
对初始种子点进行区域生长,获取初始种子点的连通域和连通域的面积,获取初始种子点的八邻域范围内灰度值发生突变的像素点数量,根据选取因子、初始种子点的连通域的面积及八邻域范围内灰度值发生突变的像素点数量,得到初始种子点属于噪声点的可能程度;根据连通域的边缘上相邻像素点的曲率差异和连通域中像素点的数量,得到初始种子点的连通域的不规则程度,根据连通域的不规则程度、初始种子点属于噪声点的可能程度及初始种子点的连通域中不同初始种子点之间的距离,得到每个初始种子点作为最终种子点的可能程度;
对初始种子点作为最终种子点的可能程度进行阈值判断,得到密封钉焊接灰度图像进行分水岭分割的若干最终种子点,根据最终种子点对密封钉焊接灰度图像进行分割得到缺陷区域分割结果图,根据缺陷区域分割结果图对新能源电池的密封焊接质量进行评估;
所述根据初始点集合中每个像素点的邻域范围内像素点的灰度值和初始点集合中每个像素点的灰度值,得到初始种子点的选取因子,根据选取因子得到密封钉焊接灰度图像进行分水岭分割的若干初始种子点,包括的具体步骤如下:
将初始点集合中任意一个像素点,记为目标像素点,将目标像素点八邻域范围内像素点的最小灰度值,记为第一灰度值,将目标像素点的灰度值,记为第二灰度值,将第一灰度值减去第二灰度值得到的差值作为初始种子点的选取因子,记为A,若A>0,将目标像素点作为密封钉焊接灰度图像进行分水岭分割的初始种子点;若A≤0,不将目标像素点作为密封钉焊接灰度图像进行分水岭分割的初始种子点,对初始点集合中每一个像素点进行判断,得到密封钉焊接灰度图像进行分水岭分割的若干初始种子点。
2.根据权利要求1所述一种新能源电池五金件加工质量视觉检测方法,其特征在于,所述获取初始种子点的连通域和连通域的面积的具体方法如下:
对于任意一个初始种子点,预设一个第二阈值,以该初始种子点为中心进行区域生长,将第二阈值作为区域生长过程中的生长阈值,区域生长规则不变,得到该初始种子点的生长区域,记为该初始种子点的连通域,将该初始种子点的连通域内像素点数量作为该初始种子点的连通域的面积。
3.根据权利要求1所述一种新能源电池五金件加工质量视觉检测方法,其特征在于,所述获取初始种子点的八邻域范围内灰度值发生突变的像素点数量的具体方法如下:
对于任意一个初始种子点,预设一个第三阈值,对于该初始种子点的八邻域范围内任意一个像素点,若该像素点的灰度值减去该初始种子点的灰度值得到的差值大于第三阈值,将该像素点作为一个发生突变的像素点,统计该初始种子点的八邻域范围内灰度值发生突变的像素点数量。
4.根据权利要求1所述一种新能源电池五金件加工质量视觉检测方法,其特征在于,所述根据选取因子、初始种子点的连通域的面积及八邻域范围内灰度值发生突变的像素点数量,得到初始种子点属于噪声点的可能程度,包括的具体步骤如下:
式中,Q为任意一个初始种子点属于噪声点的可能程度,B为该初始种子点的灰度值,Bc为该初始种子点的八邻域范围内第c个像素点的灰度值,||为取绝对值,C为该初始种子点的八邻域范围内像素点的个数,D为该初始种子点的连通域的面积,A为该初始种子点的选取因子,S为该初始种子点的八邻域范围内灰度值发生突变的像素点数量。
5.根据权利要求1所述一种新能源电池五金件加工质量视觉检测方法,其特征在于,所述根据连通域的边缘上相邻像素点的曲率差异和连通域中像素点的数量,得到初始种子点的连通域的不规则程度,包括的具体步骤如下:
将任意一个初始种子点记为第一种子点,式中,LG为第一种子点的连通域的不规则程度,Sr为第一种子点的连通域中的最小外接矩形像素点的数量,Sd为第一种子点的连通域中像素点的数量,ui为第一种子点的连通域的边缘上第i个像素点的曲率,ui+1为第一种子点的连通域的边缘上第i+1个像素点的曲率,n为第一种子点的连通域的边缘像素点的数量,||为取绝对值;|ui-ui+1|表示第一种子点的连通域的边缘上相邻像素点的曲率差异。
6.根据权利要求5所述一种新能源电池五金件加工质量视觉检测方法,其特征在于,所述根据连通域的不规则程度、初始种子点属于噪声点的可能程度及初始种子点的连通域中不同初始种子点之间的距离,得到每个初始种子点作为最终种子点的可能程度,包括的具体步骤如下:
式中,Gh为第一种子点的连通域中第h个初始种子点与第一种子点之间的欧式距离,H为第一种子点的连通域中除第一种子点外其他初始种子点的个数,为第一种子点的连通域内所有像素点的平均梯度值,LG为第一种子点的连通域的不规则程度,Q为该初始种子点属于噪声点的可能程度,P为第一种子点作为最终种子点的可能程度。
7.根据权利要求1所述一种新能源电池五金件加工质量视觉检测方法,其特征在于,所述对初始种子点作为最终种子点的可能程度进行阈值判断,得到密封钉焊接灰度图像进行分水岭分割的若干最终种子点,包括的具体步骤如下:
预设一个第四阈值,记为th4,对所有初始种子点作为最终种子点的可能程度进行线性归一化处理,将经过线性归一化处理后任意一个初始种子点作为最终种子点的可能程度,记为P′,若P′>th4,将该初始种子点作为密封钉焊接灰度图像进行分水岭分割的一个最终种子点。
8.根据权利要求1所述一种新能源电池五金件加工质量视觉检测方法,其特征在于,所述根据最终种子点对密封钉焊接灰度图像进行分割得到缺陷区域分割结果图,根据缺陷区域分割结果图对新能源电池的密封焊接质量进行评估,包括的具体步骤如下:
根据最终种子点利用分水岭算法对密封钉焊接灰度图像进行分割,得到缺陷区域分割结果图,缺陷区域分割结果图中包含若干连通域,将缺陷区域分割结果图中所有连通域内像素点的数量记为TU,将密封钉焊接灰度图像中像素点的数量记为TV,将TU与TV的比值记为TS,预设一个第五阈值,记为th5,若TS>th5,密封钉对新能源电池的密封焊接质量不合格。
9.根据权利要求1所述一种新能源电池五金件加工质量视觉检测方法,其特征在于,所述根据密封钉焊接灰度图像中像素点的灰度值进行阈值判断得到初始点集合,包括的具体步骤如下:
预设一个第一阈值,在密封钉焊接灰度图像中获取灰度值小于第一阈值的若干像素点,将若干像素点构成的集合记为初始点集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311715798.3A CN117689637B (zh) | 2023-12-14 | 2023-12-14 | 一种新能源电池五金件加工质量视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311715798.3A CN117689637B (zh) | 2023-12-14 | 2023-12-14 | 一种新能源电池五金件加工质量视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117689637A CN117689637A (zh) | 2024-03-12 |
CN117689637B true CN117689637B (zh) | 2024-06-07 |
Family
ID=90134881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311715798.3A Active CN117689637B (zh) | 2023-12-14 | 2023-12-14 | 一种新能源电池五金件加工质量视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117689637B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005008223A2 (en) * | 2003-07-18 | 2005-01-27 | Applied Materials Israel, Ltd. | Methods for defect detection and process monitoring based on sem images |
WO2016172827A1 (zh) * | 2015-04-27 | 2016-11-03 | 武汉武大卓越科技有限责任公司 | 一种逐步求精的路面裂缝检测方法 |
CN111798423A (zh) * | 2020-07-01 | 2020-10-20 | 上海理工大学 | 一种混凝土裂缝图片拼接与检测方法 |
CN115115642A (zh) * | 2022-08-30 | 2022-09-27 | 启东万惠机械制造有限公司 | 基于图像处理的带钢结疤缺陷检测方法 |
CN115719332A (zh) * | 2022-10-18 | 2023-02-28 | 江苏思锐装备科技有限公司 | 一种焊接质量检测方法 |
CN116758061A (zh) * | 2023-08-11 | 2023-09-15 | 山东优奭趸泵业科技有限公司 | 基于计算机视觉的铸件表面缺陷检测方法 |
CN117011292A (zh) * | 2023-09-28 | 2023-11-07 | 张家港飞腾复合新材料股份有限公司 | 一种复合板表面质量快速检测方法 |
CN117152137A (zh) * | 2023-10-30 | 2023-12-01 | 江苏高特高金属科技有限公司 | 基于图像处理的焊管腐蚀状态检测方法 |
CN117152187A (zh) * | 2023-10-30 | 2023-12-01 | 山东中科冶金矿山机械有限公司 | 一种地质测绘中裂缝轮廓提取方法 |
-
2023
- 2023-12-14 CN CN202311715798.3A patent/CN117689637B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005008223A2 (en) * | 2003-07-18 | 2005-01-27 | Applied Materials Israel, Ltd. | Methods for defect detection and process monitoring based on sem images |
WO2016172827A1 (zh) * | 2015-04-27 | 2016-11-03 | 武汉武大卓越科技有限责任公司 | 一种逐步求精的路面裂缝检测方法 |
CN111798423A (zh) * | 2020-07-01 | 2020-10-20 | 上海理工大学 | 一种混凝土裂缝图片拼接与检测方法 |
CN115115642A (zh) * | 2022-08-30 | 2022-09-27 | 启东万惠机械制造有限公司 | 基于图像处理的带钢结疤缺陷检测方法 |
CN115719332A (zh) * | 2022-10-18 | 2023-02-28 | 江苏思锐装备科技有限公司 | 一种焊接质量检测方法 |
CN116758061A (zh) * | 2023-08-11 | 2023-09-15 | 山东优奭趸泵业科技有限公司 | 基于计算机视觉的铸件表面缺陷检测方法 |
CN117011292A (zh) * | 2023-09-28 | 2023-11-07 | 张家港飞腾复合新材料股份有限公司 | 一种复合板表面质量快速检测方法 |
CN117152137A (zh) * | 2023-10-30 | 2023-12-01 | 江苏高特高金属科技有限公司 | 基于图像处理的焊管腐蚀状态检测方法 |
CN117152187A (zh) * | 2023-10-30 | 2023-12-01 | 山东中科冶金矿山机械有限公司 | 一种地质测绘中裂缝轮廓提取方法 |
Non-Patent Citations (4)
Title |
---|
A vision-based system for post-welding quality measurement and defect detection;Hui-Hui Chu等;《Int J Adv Manuf Technol》;20160205;全文 * |
Welding defect detection based on local image enhancement;Zhang Lin等;《IET》;20191023;全文 * |
圆柱形锂电池端面缺陷检测方法研究;王奔;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20230215;全文 * |
焊缝缺陷的水淹没分割算法;申清明;高建民;李成;;西安交通大学学报;20100310(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117689637A (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115641329B (zh) | 一种锂电池隔膜缺陷检测方法及系统 | |
CN115423813B (zh) | 焊管表面焊接缺陷检测方法 | |
CN103543394A (zh) | 一种高压电气设备放电紫外成像量化参数提取方法 | |
CN110443278B (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
CN116758057A (zh) | 基于人工智能的通信设备缺陷检测方法 | |
CN114782329A (zh) | 一种基于图像处理的轴承缺陷损伤程度评估方法及系统 | |
CN115578389A (zh) | 一种沟槽mos器件的缺陷检测方法 | |
CN116703251B (zh) | 基于人工智能的胶圈生产质量检测方法 | |
CN115187602A (zh) | 基于图像处理的注塑件缺陷检测方法及系统 | |
CN116030060A (zh) | 一种塑料颗粒质量检测方法 | |
CN116071363B (zh) | 一种自动化型钢智能生产监测系统 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
CN115294159A (zh) | 金属紧固件腐蚀区域分割方法 | |
CN115049671A (zh) | 基于计算机视觉的布匹表面缺陷检测方法及系统 | |
CN117745715B (zh) | 基于人工智能的大口径望远镜镜片缺陷检测方法 | |
CN114937004A (zh) | 一种基于计算机视觉的机械零件表面气孔缺陷检测方法 | |
CN113570651B (zh) | 基于sem图像的碳酸盐岩储层孔隙半径分布定量方法 | |
CN117689637B (zh) | 一种新能源电池五金件加工质量视觉检测方法 | |
CN117351214A (zh) | 一种基于图像处理的伴热电缆检测方法及系统 | |
CN114936992B (zh) | 一种遥感影像可用域的建立方法 | |
CN114998346B (zh) | 一种防水布质量数据处理、识别方法 | |
CN113643245A (zh) | 一种屏幕缺陷的测量方法、装置及计算机可读存储介质 | |
CN117974657B (zh) | 一种基于计算机视觉的电缆表面缺陷检测方法 | |
CN117314899B (zh) | 基于图像特征的碳纤维板质量检测方法 |
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 |