李小妹 羅印升 宋偉

摘 要：文中介紹一種基于三維檢測與平面檢測相結合的電池極片定位檢測方法，包括二維平面定位檢測與三維圖像高度檢測。分別采用二維圖像處理技術定位檢測出極片位置，然后采用線鐳射掃描儀采集待檢測電池極片的表面三維高度信息，最后判斷出焊盤內(nèi)極片位置。檢測結果表明該方案穩(wěn)定且準確率高。

關鍵詞：三維檢測;平面檢測;極片定位;線鐳射掃描儀;焊盤;空域濾波

中圖分類號：TP277文獻標識碼：A文章編號：2095-1302（2019）04-00-02

0 引 言

科技信息時代，人們對手機的需求量巨大。與此同時，手機電池的需求數(shù)量十分龐大，且在加工生產(chǎn)過程中，電池的質(zhì)量也非常重要。目前，工業(yè)領域中對手機電池外觀缺陷的檢測精度要求越來越高，在電池制造過程中，對表面缺陷的檢測大多是人工檢測。由于生產(chǎn)線勞動強度比較高，整個檢測過程中，檢測人員易疲勞，導致檢測效率降低，且會有很多不合格電池流入市場，因此很難達到檢測要求與檢測標準。這些問題將嚴重影響整個企業(yè)的形象，而且將不合格電池返廠進行二次加工也會導致企業(yè)生產(chǎn)成本增長。

國外研究中，Y.K.RYU提出一種基于機器視覺的焊點檢測架構，該架構分為兩層，提取出焊點的9個特征，采用神經(jīng)網(wǎng)絡算法對焊點圖像進行識別[1]。N.Mar提出一種自動焊點識別檢測系統(tǒng)，先對圖像作Hough變換，然后對焊點圖像進行定位，通過顏色變換將圖像轉換為YIQ圖像，再通過圖像分割算法將分割圖像進行離散余弦變換得到圖像特征，最后對缺陷圖像進行分類。國內(nèi)也有不少學者提出焊點檢測算法。蔡念等提出利用形態(tài)因子與曲率建立焊點特征的神經(jīng)網(wǎng)絡模型，能夠有效地實現(xiàn)焊點質(zhì)量檢測[2]。

用三維激光掃描儀對待檢測物體進行線掃描，便可獲得待測物表面的點云數(shù)據(jù)。三維圖像掃描技術是一種立體測量技術，它所獲得的點云數(shù)據(jù)除了具有幾何位置信息，某些還具有顏色信息、強度信息等。三維激光掃描技術與傳統(tǒng)三維重建技術相比，具有精度高、速度快，能大幅節(jié)約時間與成本的優(yōu)點。

1 基于二維平面的檢測方法

在手機電池的加工檢測中，焊點缺陷檢測十分重要，關乎著電池的使用壽命。本文二維平面檢測過程包括圖像預處理濾波、圖像對比度增強、邊緣輪廓檢測、圖像分割等。

圖像濾波是指在最大化保留圖像細節(jié)特征的條件下對目標圖像的噪聲進行抑制，按照處理方式的不同，可分為空域濾波和頻域濾波。工業(yè)檢測大多要求檢測速度快且能實時監(jiān)控，為了減少運算量，多采用空域濾波方式。

根據(jù)中值濾波的排序規(guī)則，可縮小像素間的灰度差異，并能完全消除處于灰度值兩端的突變像素，在去噪的同時能夠較好地保護圖像的邊緣與細節(jié)，特別適用于消除散粒噪聲、椒鹽噪聲等。濾波過程可如下表示：

式中：med表示取中值操作;f（x，y）與g（x，y）分別表示中值濾波之前與之后的像素灰度;?x，?y分別表示距離中心像素的水平與垂直偏移量;W表示以（x，y）為中心的鄰域像素集合。

Canny邊緣檢測算法于1986年由John Canny提出，被廣泛應用于各類圖像處理系統(tǒng)中，是一種公認的具有良好邊緣檢測性能的檢測方法。Canny邊緣檢測算法主要遵循的原則為：能夠盡可能多地標識出圖像中的實際邊緣，標識出的邊緣要盡可能與實際圖像中的實際位置接近。該算子有著濾波、增強、檢測等多階段的優(yōu)化算子。焊盤內(nèi)部極片定位圖片如圖1所示，根據(jù)此圖可進行極片定位檢測。

在極片定位檢測過程中，由于光照不均，極片與焊盤的分界線比較模糊。存在干擾因素的極片檢測圖如圖2所示，此兩幅圖為同一環(huán)境下的圖片，由于生產(chǎn)過程中前站未處理好導致光照反射造成干擾。此時Canny算法在該檢測過程中失效，導致檢測不準確。

2 基于三維高度的檢測方法

利用三維激光掃描儀可獲得物體的三維空間坐標，該掃描儀基于激光測量原理進行設計。其工作原理為：在測量過程中，發(fā)射器向待測物表面發(fā)射激光，當激光到達待測物表面時產(chǎn)生漫反射，通過反射光線計算出發(fā)射器與待測物的空間距離，求出垂直與水平方向的角度值，根據(jù)待測物大小調(diào)節(jié)激光掃描范圍大小，通過設置三維激光儀的移動測量速度獲取待測物的點云數(shù)據(jù)與原始三維點云模型[3]。

采用三角測距法進行距離測量的測距原理如圖3所示。

激光發(fā)射器發(fā)射出一束激光，經(jīng)過掃描棱鏡掃描待測物表面并反射回去，該反射光通過透鏡成像原理在CCD上成像。已知基線與發(fā)射光的角度為α，基線與入射光的夾角為β，激光掃描儀的軸向自旋轉角度為λ。將激光發(fā)射點作為坐標原點，激光發(fā)射方向作為X軸正方向，以平面指向待測物且垂直于X軸的方向作為Y軸建立三維坐標系[2]，從而可計算出目標點的三維坐標為：

該測距法存在測量距離較短的局限性，故此方法較多適用于室內(nèi)測量與短距離測量。

利用Canny算法定位出極片邊緣后，就可利用線鐳射掃描儀掃描得到的點云數(shù)據(jù)的Z軸高度對該范圍內(nèi)的極片高度進行檢測，從而判斷出極片的具體位置，以便后續(xù)找出打焊點的位置。在該檢測過程中，正面端極片高度的整體檢測時間為5 s。焊盤表面三維圖像如圖4所示。

利用高度檢測可避開光照不均的影響。焊盤三維側面圖如圖5所示，上方區(qū)域為極片，下方區(qū)域為焊盤，根據(jù)極片高度即可輕松定位出極片位置。

3 結 語

本文利用三維機器視覺對極片進行定位檢測，不僅可替代人工檢測，彌補二維視覺檢測缺陷，還可大大提高機器視覺的檢測效率與準確率，同時也為企業(yè)節(jié)省了成本，具有極高的應用價值。

參 考 文 獻

[1]蔡湘云.利用機器視覺的檢測液晶屏幕壞點分析[J].電子測試，2017（9）：47-48.

[2]趙欣，王戰(zhàn)勝，王永勝.機器視覺技術及其農(nóng)業(yè)應用[J].教育教學論壇，2017（33）：273-274.

[3]王詩宇，林滸，孫一蘭，等.基于機器視覺的機器人分揀系統(tǒng)的設計與實現(xiàn)[J]. 組合機床與自動化加工技術，2017（3）：125-129，133.

[4]李樹杰.中國機器視覺的發(fā)展趨勢[J]. 赤峰學院學報（自然科學版），2010，26（1）：161-162.

[5]王保軍.基于機器視覺零件尺寸測量系統(tǒng)設計[J].電子技術與軟件工程，2017（4）：87-88.

[6]宋國慶，吳育民，馮云鵬，等.機器視覺在光學加工檢測中的應用[J].影像科學與光化學，2016，34（1）：30-35.

[7]高通，范道爾吉，賈成果.基于機器視覺與RFID智能引導停車場[J].計算機系統(tǒng)應用，2017（7）：71-77.

[8]鮑官軍，荀一，戚利勇，等.機器視覺在黃瓜采摘機器人中的應用研究[J].浙江工業(yè)大學學報，2010，38（1）：114-118.

[9]張五一，趙強松.機器視覺的現(xiàn)狀及發(fā)展趨勢[J].中原工學院學報，2008，19（1）：9-12.

[10]葉青松.基于機器視覺的工業(yè)檢測研究實時藥丸檢測系統(tǒng)[M].鎮(zhèn)江：江南大學出版社，2008：6-8.

[11]唐向陽，張勇，李江有，等.機器視覺關鍵技術的現(xiàn)狀及應用展望[J].昆明理工大學學報（理工版），2004，29（2）：36-39.

[12]劉亞麗，李怡.機器視覺技術在農(nóng)業(yè)工程中的應用[J].電腦知識與技術，2017，13（23）：149-150.

[13]楊萍，楊磊.基于機器視覺的車道線檢測系統(tǒng)的研究[J].新鄉(xiāng)學院學報，2017，34（6）：68-71.