李小妹 羅印升 宋偉

摘 要：文中介紹一種基于三維檢測(cè)與平面檢測(cè)相結(jié)合的電池極片定位檢測(cè)方法，包括二維平面定位檢測(cè)與三維圖像高度檢測(cè)。分別采用二維圖像處理技術(shù)定位檢測(cè)出極片位置，然后采用線鐳射掃描儀采集待檢測(cè)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(cè)結(jié)果表明該方案穩(wěn)定且準(zhǔn)確率高。

關(guān)鍵詞：三維檢測(cè);平面檢測(cè);極片定位;線鐳射掃描儀;焊盤;空域?yàn)V波

中圖分類號(hào)：TP277文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2019）04-00-02

0 引 言

科技信息時(shí)代，人們對(duì)手機(jī)的需求量巨大。與此同時(shí)，手機(jī)電池的需求數(shù)量十分龐大，且在加工生產(chǎn)過(guò)程中，電池的質(zhì)量也非常重要。目前，工業(yè)領(lǐng)域中對(duì)手機(jī)電池外觀缺陷的檢測(cè)精度要求越來(lái)越高，在電池制造過(guò)程中，對(duì)表面缺陷的檢測(cè)大多是人工檢測(cè)。由于生產(chǎn)線勞動(dòng)強(qiáng)度比較高，整個(gè)檢測(cè)過(guò)程中，檢測(cè)人員易疲勞，導(dǎo)致檢測(cè)效率降低，且會(huì)有很多不合格電池流入市場(chǎng)，因此很難達(dá)到檢測(cè)要求與檢測(cè)標(biāo)準(zhǔn)。這些問(wèn)題將嚴(yán)重影響整個(gè)企業(yè)的形象，而且將不合格電池返廠進(jìn)行二次加工也會(huì)導(dǎo)致企業(yè)生產(chǎn)成本增長(zhǎng)。

國(guó)外研究中，Y.K.RYU提出一種基于機(jī)器視覺(jué)的焊點(diǎn)檢測(cè)架構(gòu)，該架構(gòu)分為兩層，提取出焊點(diǎn)的9個(gè)特征，采用神經(jīng)網(wǎng)絡(luò)算法對(duì)焊點(diǎn)圖像進(jìn)行識(shí)別[1]。N.Mar提出一種自動(dòng)焊點(diǎn)識(shí)別檢測(cè)系統(tǒng)，先對(duì)圖像作Hough變換，然后對(duì)焊點(diǎn)圖像進(jìn)行定位，通過(guò)顏色變換將圖像轉(zhuǎn)換為YIQ圖像，再通過(guò)圖像分割算法將分割圖像進(jìn)行離散余弦變換得到圖像特征，最后對(duì)缺陷圖像進(jìn)行分類。國(guó)內(nèi)也有不少學(xué)者提出焊點(diǎn)檢測(cè)算法。蔡念等提出利用形態(tài)因子與曲率建立焊點(diǎn)特征的神經(jīng)網(wǎng)絡(luò)模型，能夠有效地實(shí)現(xiàn)焊點(diǎn)質(zhì)量檢測(cè)[2]。

用三維激光掃描儀對(duì)待檢測(cè)物體進(jìn)行線掃描，便可獲得待測(cè)物表面的點(diǎn)云數(shù)據(jù)。三維圖像掃描技術(shù)是一種立體測(cè)量技術(shù)，它所獲得的點(diǎn)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(qiáng)度信息等。三維激光掃描技術(shù)與傳統(tǒng)三維重建技術(shù)相比，具有精度高、速度快，能大幅節(jié)約時(shí)間與成本的優(yōu)點(diǎn)。

1 基于二維平面的檢測(cè)方法

在手機(jī)電池的加工檢測(cè)中，焊點(diǎn)缺陷檢測(cè)十分重要，關(guān)乎著電池的使用壽命。本文二維平面檢測(cè)過(guò)程包括圖像預(yù)處理濾波、圖像對(duì)比度增強(qiáng)、邊緣輪廓檢測(cè)、圖像分割等。

圖像濾波是指在最大化保留圖像細(xì)節(jié)特征的條件下對(duì)目標(biāo)圖像的噪聲進(jìn)行抑制，按照處理方式的不同，可分為空域?yàn)V波和頻域?yàn)V波。工業(yè)檢測(cè)大多要求檢測(cè)速度快且能實(shí)時(shí)監(jiān)控，為了減少運(yùn)算量，多采用空域?yàn)V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(shí)能夠較好地保護(hù)圖像的邊緣與細(xì)節(jié)，特別適用于消除散粒噪聲、椒鹽噪聲等。濾波過(guò)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(cè)算法于1986年由John Canny提出，被廣泛應(yīng)用于各類圖像處理系統(tǒng)中，是一種公認(rèn)的具有良好邊緣檢測(cè)性能的檢測(cè)方法。Canny邊緣檢測(cè)算法主要遵循的原則為：能夠盡可能多地標(biāo)識(shí)出圖像中的實(shí)際邊緣，標(biāo)識(shí)出的邊緣要盡可能與實(shí)際圖像中的實(shí)際位置接近。該算子有著濾波、增強(qiáng)、檢測(cè)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(jìn)行極片定位檢測(cè)。

在極片定位檢測(cè)過(guò)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(cè)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(guò)程中前站未處理好導(dǎo)致光照反射造成干擾。此時(shí)Canny算法在該檢測(cè)過(guò)程中失效，導(dǎo)致檢測(cè)不準(zhǔn)確。

2 基于三維高度的檢測(cè)方法

利用三維激光掃描儀可獲得物體的三維空間坐標(biāo)，該掃描儀基于激光測(cè)量原理進(jìn)行設(shè)計(jì)。其工作原理為：在測(cè)量過(guò)程中，發(fā)射器向待測(cè)物表面發(fā)射激光，當(dāng)激光到達(dá)待測(cè)物表面時(shí)產(chǎn)生漫反射，通過(guò)反射光線計(jì)算出發(fā)射器與待測(cè)物的空間距離，求出垂直與水平方向的角度值，根據(jù)待測(cè)物大小調(diào)節(jié)激光掃描范圍大小，通過(guò)設(shè)置三維激光儀的移動(dòng)測(cè)量速度獲取待測(cè)物的點(diǎn)云數(shù)據(jù)與原始三維點(diǎn)云模型[3]。

采用三角測(cè)距法進(jìn)行距離測(cè)量的測(cè)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(guò)掃描棱鏡掃描待測(cè)物表面并反射回去，該反射光通過(guò)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(zhuǎn)角度為λ。將激光發(fā)射點(diǎn)作為坐標(biāo)原點(diǎn)，激光發(fā)射方向作為X軸正方向，以平面指向待測(cè)物且垂直于X軸的方向作為Y軸建立三維坐標(biāo)系[2]，從而可計(jì)算出目標(biāo)點(diǎn)的三維坐標(biāo)為：

該測(cè)距法存在測(cè)量距離較短的局限性，故此方法較多適用于室內(nèi)測(cè)量與短距離測(cè)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(diǎn)云數(shù)據(jù)的Z軸高度對(duì)該范圍內(nèi)的極片高度進(jìn)行檢測(cè)，從而判斷出極片的具體位置，以便后續(xù)找出打焊點(diǎn)的位置。在該檢測(cè)過(guò)程中，正面端極片高度的整體檢測(cè)時(shí)間為5 s。焊盤表面三維圖像如圖4所示。

利用高度檢測(cè)可避開(kāi)光照不均的影響。焊盤三維側(cè)面圖如圖5所示，上方區(qū)域?yàn)闃O片，下方區(qū)域?yàn)楹副P，根據(jù)極片高度即可輕松定位出極片位置。

3 結(jié) 語(yǔ)

本文利用三維機(jī)器視覺(jué)對(duì)極片進(jìn)行定位檢測(cè)，不僅可替代人工檢測(cè)，彌補(bǔ)二維視覺(jué)檢測(cè)缺陷，還可大大提高機(jī)器視覺(jué)的檢測(cè)效率與準(zhǔn)確率，同時(shí)也為企業(yè)節(jié)省了成本，具有極高的應(yīng)用價(jià)值。

參 考 文 獻(xiàn)

[1]蔡湘云.利用機(jī)器視覺(jué)的檢測(cè)液晶屏幕壞點(diǎn)分析[J].電子測(cè)試，2017（9）：47-48.

[2]趙欣，王戰(zhàn)勝，王永勝.機(jī)器視覺(jué)技術(shù)及其農(nóng)業(yè)應(yīng)用[J].教育教學(xué)論壇，2017（33）：273-274.

[3]王詩(shī)宇，林滸，孫一蘭，等.基于機(jī)器視覺(jué)的機(jī)器人分揀系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 組合機(jī)床與自動(dòng)化加工技術(shù)，2017（3）：125-129，133.

[4]李樹(shù)杰.中國(guó)機(jī)器視覺(jué)的發(fā)展趨勢(shì)[J]. 赤峰學(xué)院學(xué)報(bào)（自然科學(xué)版），2010，26（1）：161-162.

[5]王保軍.基于機(jī)器視覺(jué)零件尺寸測(cè)量系統(tǒng)設(shè)計(jì)[J].電子技術(shù)與軟件工程，2017（4）：87-88.

[6]宋國(guó)慶，吳育民，馮云鵬，等.機(jī)器視覺(jué)在光學(xué)加工檢測(cè)中的應(yīng)用[J].影像科學(xué)與光化學(xué)，2016，34（1）：30-35.

[7]高通，范道爾吉，賈成果.基于機(jī)器視覺(jué)與RFID智能引導(dǎo)停車場(chǎng)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2017（7）：71-77.

[8]鮑官軍，荀一，戚利勇，等.機(jī)器視覺(jué)在黃瓜采摘機(jī)器人中的應(yīng)用研究[J].浙江工業(yè)大學(xué)學(xué)報(bào)，2010，38（1）：114-118.

[9]張五一，趙強(qiáng)松.機(jī)器視覺(jué)的現(xiàn)狀及發(fā)展趨勢(shì)[J].中原工學(xué)院學(xué)報(bào)，2008，19（1）：9-12.

[10]葉青松.基于機(jī)器視覺(jué)的工業(yè)檢測(cè)研究實(shí)時(shí)藥丸檢測(cè)系統(tǒng)[M].鎮(zhèn)江：江南大學(xué)出版社，2008：6-8.

[11]唐向陽(yáng)，張勇，李江有，等.機(jī)器視覺(jué)關(guān)鍵技術(shù)的現(xiàn)狀及應(yīng)用展望[J].昆明理工大學(xué)學(xué)報(bào)（理工版），2004，29（2）：36-39.

[12]劉亞麗，李怡.機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)工程中的應(yīng)用[J].電腦知識(shí)與技術(shù)，2017，13（23）：149-150.

[13]楊萍，楊磊.基于機(jī)器視覺(jué)的車道線檢測(cè)系統(tǒng)的研究[J].新鄉(xiāng)學(xué)院學(xué)報(bào)，2017，34（6）：68-71.