基于機(jī)器視覺(jué)的電池尾端缺陷檢測(cè)算法的研究.pdf

1、傳統(tǒng)的電池尾端缺陷檢測(cè)都是采用人眼檢測(cè)，人眼具有速度慢，易疲勞的特點(diǎn)，嚴(yán)重不適應(yīng)現(xiàn)代高速電池生產(chǎn)線的檢測(cè)要求。機(jī)器視覺(jué)作為一項(xiàng)新型的工業(yè)自動(dòng)化檢測(cè)技術(shù)，尤其是與計(jì)算機(jī)相結(jié)合，可以極大的提高電池尾端缺陷檢測(cè)效率，降低人力成本。本文針對(duì)這種需求，深入研究了機(jī)器視覺(jué)檢測(cè)的相關(guān)算法，設(shè)計(jì)了一種堿性電池尾端探傷系統(tǒng)，實(shí)現(xiàn)了電池尾端缺陷的在線檢測(cè)，主要內(nèi)容如下：
　　分析了堿性電池尾端缺陷的噪聲特性，并建立劃痕的數(shù)學(xué)模型進(jìn)行分析，制定了整個(gè)系

2、統(tǒng)的圖像處理算法流程，并分析了影響圖像質(zhì)量的各種因素。
　　研究了堿性電池尾端圖像的預(yù)處理算法，包括圖像濾波、自適應(yīng)的圖像二值化方法、數(shù)學(xué)形態(tài)學(xué)處理等。經(jīng)過(guò)機(jī)器視覺(jué)系統(tǒng)采集的原始圖像經(jīng)過(guò)預(yù)處理算法以后，電池尾端表面缺陷得到了明顯的增強(qiáng)。
　　研究了堿性電池尾端圖像的分割和旋轉(zhuǎn)校正方法，基于電池尾端缺陷檢測(cè)的具體情況，分析了霍夫圓的圖像分割方法，提出了一種基于遍歷圖像像素點(diǎn)的快速分割方法。在分析基于圖像相似度的旋轉(zhuǎn)角度獲取方法

3、上，提出了一種快速電池尾端圖像旋轉(zhuǎn)方法。該方法基于圖像上的兩個(gè)局部特征，獲取了旋轉(zhuǎn)角度，取得了良好效果。
　　研究了堿性電池尾端圖像的整體特征量和局部特征量這兩個(gè)特征參數(shù)的選取和提取方法。確定圖像相關(guān)度作為電池尾端圖像的整體特征量，連通區(qū)域的幾何特征作為電池圖像的局部特征量。研究了分類器的原理和設(shè)計(jì)方法，設(shè)計(jì)了一個(gè)兩級(jí)分類器用于電池尾端缺陷識(shí)別。
　　本文研究的電池尾端缺陷檢測(cè)算法，適用于所有的堿性電池，包含5號(hào)、7號(hào)、1號(hào)