扣式電池表面質(zhì)量在線視覺檢測技術(shù)研究.pdf

1、電池在生產(chǎn)過程中其外殼（包括正極殼和負(fù)極殼）有可能會產(chǎn)生缺陷，如劃痕、凹點(diǎn)、銹斑、光板、漏液和網(wǎng)點(diǎn)不全等缺陷。研究電池表面缺陷的視覺檢測算法和研制適合我國電池生產(chǎn)線的電池表面質(zhì)量的自動檢測系統(tǒng)有著重要的理論意義和應(yīng)用價值。本文對扣式電池表面缺陷的在線檢測理論與算法進(jìn)行了研究。
　　 論文主要做了以下幾方面的研究工作:
　　 (1)為了突出電池的型號、標(biāo)志和缺陷等有用的紋理信息，論文完成了對原始電池圖像的圖像轉(zhuǎn)化、圖像濾波

2、和圖像分割等預(yù)處理工作。
　　 (2)提出了一種基于有效邊緣點(diǎn)的Hough變換和NMI特征的快速圖像配準(zhǔn)方法。該方法實現(xiàn)了一種基于有效邊緣點(diǎn)的Hough變換輪廓提取算法，并結(jié)合NMI特征確定電池正極殼上的“十”字區(qū)域，完成圖像配準(zhǔn)。保證了圖像配準(zhǔn)的準(zhǔn)確性和實時性。
　　 (3)針對電池表面圖像中的目標(biāo)和背景的特點(diǎn)，分別提出了不同的缺陷分割方法。設(shè)計了一種了基于形態(tài)學(xué)的電池正極殼表面劃痕檢測算法。應(yīng)用形態(tài)學(xué)方法消除電池表面

3、的細(xì)小物體、字符和標(biāo)志上的孔洞以及字符對劃痕提取的影響。提出了BDCM方法(BatteryDefectCurveletModel)，建立多個尺度的不同位置、不同方向、多個相鄰尺度的同位置、同方向的不同維數(shù)的系數(shù)模型，提取了用來描述電池表面的正極凹點(diǎn)、正極面銹斑、正極光板和正極漏液、負(fù)極凹點(diǎn)、負(fù)極劃痕、負(fù)極面銹斑和負(fù)極網(wǎng)點(diǎn)等缺陷的有效低維特征。
　　 (4)建立了一個結(jié)構(gòu)靈活的橢圓基神經(jīng)網(wǎng)絡(luò)(FEBFNN)。并提出NGGC方法和N

4、MS方法建立FEBFNN的神經(jīng)元幾何增長函數(shù)模型，動態(tài)確定隱層神經(jīng)元數(shù)和輸出層神經(jīng)元數(shù);并在NMS和NGGC基礎(chǔ)上，建立快速的OPDFL神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)制，分別實現(xiàn)了對電池正極殼表面缺陷和負(fù)極殼表面缺陷的快速和準(zhǔn)確分類。實驗表明，每個電池表面缺陷檢測的平均時間為0.175s，滿足了電池表面在線檢測的實時性要求。同時，缺陷識別率可以達(dá)到95％以上。
　　 (5)設(shè)計了適合于本文算法的電池表面缺陷的自動視覺檢測系統(tǒng)的硬件總體結(jié)構(gòu)方案。