CN103245666A - 一种蓄电池极板外观缺陷自动检测方法 - Google Patents
一种蓄电池极板外观缺陷自动检测方法 Download PDFInfo
- Publication number
- CN103245666A CN103245666A CN201310112596XA CN201310112596A CN103245666A CN 103245666 A CN103245666 A CN 103245666A CN 201310112596X A CN201310112596X A CN 201310112596XA CN 201310112596 A CN201310112596 A CN 201310112596A CN 103245666 A CN103245666 A CN 103245666A
- Authority
- CN
- China
- Prior art keywords
- neighborhood
- defect
- image
- pixel
- average
- 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.)
- Granted
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种蓄电池极板外观缺陷自动检测方法。传统的蓄电池极板的外观缺陷主要采用目测方法,具有较大的局限性。本发明方法首先由线阵CCD摄像头获得蓄电池极板其中一面的灰度图像,对灰度图像进行保留边缘的平滑滤波处理;然后对滤波后图像进行自适应阈值分割;最后确认孤立噪声点,统计所有连续备选缺陷点的数目,当该数量大于设定阈值时输出缺陷报警信号。本发明采用边缘保持的平滑方法,结合自适应阈值分割技术,并充分考虑了缺陷的面积特征,实现了实时准确的蓄电池极板外观检测。本发明可以高效准确地进行蓄电池极板外观缺陷的检测,该方法速度快、缺陷检测成功率高、无污染。
Description
技术领域
本发明属于蓄电池生产技术领域,具体涉及一种蓄电池极板外观缺陷自动检测方法。
背景技术
蓄电池极板是蓄电池的关键部件。由于生产原料本身的缺陷、生产过程的不足,蓄电池极板可能会存在一定的缺陷如外观缺陷、组成成分缺陷等,这些缺陷会对蓄电池的性能产生致命影响,因此需在生产过程中对极板进行检验。目前,蓄电池极板的外观缺陷主要采用目测方法,必要时辅以卡尺或直尺测量;组成成分缺陷检测主要基于化学方法完成。不管是外观缺陷检测还是组成成分检测均需人工完成,存在以下几个方面的问题:首先,含铅材料对人体有较大伤害;其次,效率较低;再者,人工检测容易出错。因此,实际生产过程中往往采用抽样检测的方式,具有较大的局限性。
发明内容
本发明的目的就是克服现有技术的不足,提出一种基于机器视觉的蓄电池极板外观缺陷自动检测方法,缺陷检测速度快、成功率高,无需人工参与。
本发明的蓄电池极板外观缺陷自动检测方法,具体步骤是:
步骤(2)对I H 进行保留边缘的平滑滤波处理,得到滤波后图像,具体步骤如下:
①对I H 中的每一象素,抽取出其左上角、右上角、左下角及右下角4个3×3邻域,其中:左上角邻域的9个像素坐标分别为、、、、、、、、;右上角邻域的9个像素坐标分别为、、、、、、、、;左下角邻域的9个像素坐标分别为、、、、、、、、;右下角邻域的9个像素坐标分别为、、、、、、、、;上述邻域若因处图像的边沿或角落不存在则忽略。
②计算上述每个3×3邻域的灰度均值,分别记为glu,gru,gld,grd。
步骤(4)在8-邻域上计算空间上连续的备选缺陷点的面积,即对每一个备选缺陷点,考查其邻域8个邻域点、、、、、、、是否为备选缺陷点,若所有全部8个邻域点均不是备选缺陷点,一般可以认为是孤立噪声点;反之,以邻域中的备选缺陷点为中心继续向外扩散,直到不能找到连续备选缺陷点为止,统计所有连续备选缺陷点的数目,当该数量大于时输出缺陷报警信号,否则不报警。其中为面积滤波阈值。
步骤(5)获得蓄电池极板另一面的图像I T ,重复步骤(2)~(4),获取极板该面的缺陷信息。
本发明可以高效准确地进行蓄电池极板外观缺陷的检测,该方法速度快、缺陷检测成功率高、无污染。
具体实施方式
以下对本发明作进一步说明。
步骤(2)对I H 进行保留边缘的平滑滤波处理,得到滤波后图像,具体步骤如下:
①对I H 中的每一象素,抽取出其左上角、右上角、左下角及右下角4个3×3邻域,其中:左上角邻域的9个像素坐标分别为、、、、、、、、;右上角邻域的9个像素坐标分别为、、、、、、、、;左下角邻域的9个像素坐标分别为、、、、、、、、;右下角邻域的9个像素坐标分别为、、、、、、、、;上述邻域若因处图像的边沿或角落不存在则忽略。
②计算上述每个3×3邻域的灰度均值,分别记为glu,gru,gld,grd。
步骤(4)在8-邻域上计算空间上连续的备选缺陷点的面积,即对每一个备选缺陷点,考查其邻域8个邻域点、、、、、、、是否为备选缺陷点,若所有全部8个邻域点均不是备选缺陷点,一般可以认为是孤立噪声点;反之,以邻域中的备选缺陷点为中心继续向外扩散,直到不能找到连续备选缺陷点为止,统计所有连续备选缺陷点的数目,当该数量大于时输出缺陷报警信号,否则不报警。其中为面积滤波阈值。
步骤(5)获得蓄电池极板另一面的图像I T ,重复步骤(2)~(4),获取极板该面的缺陷信息。
本发明的一个具体实施例中,面积滤波阈值等参数根据经验及现场环境设置。试验中图像分辨率为320×240,在内存大小为2GB、CPU频率为3GHz的工业控制机上图像处理速率为15帧/秒,因此每秒可完成7.5片电池极板的外观检测。在现有试验中尚未发生漏检和误检现象。
本发明方法在进行电池极板外观缺陷检测时,采用边缘保持的平滑方法,结合自适应阈值分割技术,并充分考虑了缺陷的面积特征,实现了实时准确的蓄电池极板外观检测。
Claims (1)
1.一种蓄电池极板外观缺陷自动检测方法,其特征在于该方法的具体步骤是:
①对灰度图像I H 中的每一象素,抽取出其左上角、右上角、左下角及右下角4个3×3邻域,其中:左上角邻域的9个像素坐标分别为、、、、、、、、;右上角邻域的9个像素坐标分别为、、、、、、、、;左下角邻域的9个像素坐标分别为、、、、、、、、;右下角邻域的9个像素坐标分别为、、、、、、、、;上述邻域若因处图像的边沿或角落不存在则忽略;
②计算上述每个3×3邻域的灰度均值,分别记为glu,gru,gld,grd;
步骤(4)在8-邻域上计算空间上连续的备选缺陷点的面积,即对每一个备选缺陷点,考查其邻域8个邻域点、、、、、、、是否为备选缺陷点,若所有全部8个邻域点均不是备选缺陷点,则认为是孤立噪声点;反之,以邻域中的备选缺陷点为中心继续向外扩散,直到不能找到连续备选缺陷点为止,统计所有连续备选缺陷点的数目,当该数量大于时输出缺陷报警信号,否则不报警;其中为面积滤波阈值;
步骤(5)获得蓄电池极板另一面的图像I T ,重复步骤(2)~(4),获取极板该面的缺陷信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310112596.XA CN103245666B (zh) | 2013-04-02 | 2013-04-02 | 一种蓄电池极板外观缺陷自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310112596.XA CN103245666B (zh) | 2013-04-02 | 2013-04-02 | 一种蓄电池极板外观缺陷自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103245666A true CN103245666A (zh) | 2013-08-14 |
CN103245666B CN103245666B (zh) | 2015-03-18 |
Family
ID=48925326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310112596.XA Active CN103245666B (zh) | 2013-04-02 | 2013-04-02 | 一种蓄电池极板外观缺陷自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103245666B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499585A (zh) * | 2013-10-22 | 2014-01-08 | 常州工学院 | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 |
CN104359920A (zh) * | 2014-11-18 | 2015-02-18 | 杭州电子科技大学 | 一种用于薄膜电容外观缺陷检测的图像处理方法 |
CN105548216A (zh) * | 2016-01-15 | 2016-05-04 | 浙江野马电池有限公司 | 一种半成品电池外观视觉检测方法 |
CN105548186A (zh) * | 2016-01-15 | 2016-05-04 | 浙江野马电池有限公司 | 一种浆层纸视觉检测方法 |
CN105548201A (zh) * | 2016-01-15 | 2016-05-04 | 浙江野马电池有限公司 | 一种电池焊盖视觉检测方法 |
CN113359049A (zh) * | 2021-04-29 | 2021-09-07 | 张火锐 | 一种固态锂电池损耗的检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6225243A (ja) * | 1985-07-25 | 1987-02-03 | Matsushita Electric Works Ltd | 欠陥検出方法 |
JP2011069742A (ja) * | 2009-09-25 | 2011-04-07 | Panasonic Electric Works Co Ltd | 欠陥検出装置および欠陥検出方法 |
CN102175692A (zh) * | 2011-03-17 | 2011-09-07 | 嘉兴学院 | 织物坯布疵点快速检测***及方法 |
CN102636490A (zh) * | 2012-04-12 | 2012-08-15 | 江南大学 | 基于机器视觉的轴承防尘盖表面缺陷检测方法 |
-
2013
- 2013-04-02 CN CN201310112596.XA patent/CN103245666B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6225243A (ja) * | 1985-07-25 | 1987-02-03 | Matsushita Electric Works Ltd | 欠陥検出方法 |
JP2011069742A (ja) * | 2009-09-25 | 2011-04-07 | Panasonic Electric Works Co Ltd | 欠陥検出装置および欠陥検出方法 |
CN102175692A (zh) * | 2011-03-17 | 2011-09-07 | 嘉兴学院 | 织物坯布疵点快速检测***及方法 |
CN102636490A (zh) * | 2012-04-12 | 2012-08-15 | 江南大学 | 基于机器视觉的轴承防尘盖表面缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
贺秋伟等: "基于计算机视觉的塑料齿轮齿形缺陷检测", 《机床与液压》 * |
陈廉清等: "基于图像识别的微小塑料齿轮检测研究", 《中国机械工程》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499585A (zh) * | 2013-10-22 | 2014-01-08 | 常州工学院 | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 |
CN103499585B (zh) * | 2013-10-22 | 2015-07-29 | 常州工学院 | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 |
CN104359920A (zh) * | 2014-11-18 | 2015-02-18 | 杭州电子科技大学 | 一种用于薄膜电容外观缺陷检测的图像处理方法 |
CN104359920B (zh) * | 2014-11-18 | 2017-01-25 | 杭州电子科技大学 | 一种用于薄膜电容外观缺陷检测的图像处理方法 |
CN105548216A (zh) * | 2016-01-15 | 2016-05-04 | 浙江野马电池有限公司 | 一种半成品电池外观视觉检测方法 |
CN105548186A (zh) * | 2016-01-15 | 2016-05-04 | 浙江野马电池有限公司 | 一种浆层纸视觉检测方法 |
CN105548201A (zh) * | 2016-01-15 | 2016-05-04 | 浙江野马电池有限公司 | 一种电池焊盖视觉检测方法 |
CN105548201B (zh) * | 2016-01-15 | 2018-07-13 | 浙江野马电池有限公司 | 一种电池焊盖视觉检测方法 |
CN105548186B (zh) * | 2016-01-15 | 2018-09-14 | 浙江野马电池有限公司 | 一种浆层纸视觉检测方法 |
CN105548216B (zh) * | 2016-01-15 | 2019-03-12 | 浙江野马电池有限公司 | 一种半成品电池外观视觉检测方法 |
CN113359049A (zh) * | 2021-04-29 | 2021-09-07 | 张火锐 | 一种固态锂电池损耗的检测方法 |
CN113359049B (zh) * | 2021-04-29 | 2022-07-29 | 张火锐 | 一种固态锂电池损耗的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103245666B (zh) | 2015-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103245666B (zh) | 一种蓄电池极板外观缺陷自动检测方法 | |
CN110717455B (zh) | 一种收储中的废钢等级分类检测方法 | |
CN105046700B (zh) | 基于亮度校正与颜色分类的水果表面缺陷检测方法及*** | |
CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及*** | |
CN102521589B (zh) | 一种车道线检测的方法及*** | |
CN104537651B (zh) | 一种路面图像中裂缝比例检测方法及*** | |
CN103983190B (zh) | 群体产地鸭蛋外形尺寸的视觉检测分级装置及其方法 | |
Jadhav et al. | A fruit quality management system based on image processing | |
CN103499585A (zh) | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 | |
CN103198705B (zh) | 车位状态自动检测方法 | |
CN103454285A (zh) | 基于机器视觉的传动链条质量检测*** | |
CN105044114A (zh) | 一种电解电容外观包装缺陷图像检测***与方法 | |
CN105139386A (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
CN104198497A (zh) | 一种基于视觉显著图和支持向量机的表面缺陷检测方法 | |
CN103308523B (zh) | 多尺度瓶口缺陷检测方法及装置 | |
CN104197836A (zh) | 基于机器视觉的汽车门锁装配尺寸检测方法 | |
CN104574353A (zh) | 基于视觉显著性的表面缺陷判定方法 | |
CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
CN103345632A (zh) | 一种电池尾端表面划痕缺陷检测方法 | |
CN107490583A (zh) | 一种基于机器视觉的夹片缺陷检测方法 | |
CN106780464A (zh) | 一种基于改进阈值分割的织物疵点检测方法 | |
CN109115775B (zh) | 一种基于机器视觉的槟榔等级检测方法 | |
Hou et al. | Welding image edge detection and identification research based on canny operator | |
CN104200215A (zh) | 一种大口径光学元件表面灰尘与麻点识别方法 | |
CN103983426A (zh) | 一种基于机器视觉的光纤缺陷检测及分类***及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |