谷 峰,王正家,昝 傲,權(quán)佳怡

(1.湖北工業(yè)大學(xué)機(jī)械工程學(xué)院,湖北 武漢 430068; 2.現(xiàn)代制造質(zhì)量工程湖北省重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430068; 3.湖北工業(yè)大學(xué)底特律綠色工業(yè)學(xué)院,湖北 武漢 430068)

軟包裝鋰離子電池在制造過程中由于受外力影響,可能會(huì)導(dǎo)致表面出現(xiàn)劃痕等缺陷,直接影響產(chǎn)品的安全與性能。在生產(chǎn)過程中快速有效地檢測(cè)電池表面的缺陷,確保產(chǎn)品的質(zhì)量十分關(guān)鍵。軟包裝鋰離子電池表面凹凸不平且具有反光現(xiàn)象,很大程度上增加了檢測(cè)難度,因此在現(xiàn)代化生產(chǎn)中對(duì)缺陷進(jìn)行自動(dòng)化視覺檢測(cè)非常困難,目前仍采用傳統(tǒng)的人工檢測(cè)方法。針對(duì)表面凹凸不平且具有反光現(xiàn)象的軟包裝鋰離子電池表面劃痕檢測(cè)是研究的重點(diǎn)。

基于機(jī)器視覺的缺陷檢測(cè)算法具有成本低、效率高等優(yōu)點(diǎn),廣泛用于產(chǎn)品表面缺陷檢測(cè)。目前,已有研究者針對(duì)待測(cè)物體表面凹凸不平且存在反光的現(xiàn)象進(jìn)行了探索。王進(jìn)峰等[1]通過四光源光度立體法對(duì)金屬表面缺陷進(jìn)行檢測(cè),將平均曲率圖像轉(zhuǎn)換為灰度圖像進(jìn)行閾值篩選,從而提取缺陷,但由于缺陷大小及深度不可預(yù)測(cè),以及軟包裝鋰離子電池表面反光的影響,直接對(duì)缺陷進(jìn)行閾值篩選效果不好,很難進(jìn)一步對(duì)圖像進(jìn)行形態(tài)學(xué)處理。鄭魁敬等[2]通過采樣支持向量機(jī)多種分類法作為訓(xùn)練特征,完成對(duì)手機(jī)電池的表面缺陷檢測(cè),并且精度高,但用于表面環(huán)境復(fù)雜的軟包裝電池時(shí),仍有一定的局限。黃夢(mèng)濤等[3]提出一種基于改進(jìn)Canny算子的電池極片表面缺陷檢測(cè)方法,使得對(duì)圖像的梯度信息更敏感,但此方法在軟包裝鋰離子電池表面劃痕不明顯時(shí),提取效果不佳且魯棒性不高。閔永智等[4]設(shè)計(jì)自適應(yīng)背景平滑濾波器,解決易受光照變化,鋼軌表面反射不均的影響,但此方法無法有效識(shí)別軟包裝鋰離子電池表面的典型缺陷。

針對(duì)軟包裝鋰離子電池表面凹凸不平且因反光而導(dǎo)致視覺檢測(cè)準(zhǔn)確率低的問題,目前的檢測(cè)算法效果不佳。本文作者提出一種基于光度立體法[5]、高斯卷積和非線性灰度變換的融合檢測(cè)算法,以提高劃痕檢測(cè)的辨識(shí)度和準(zhǔn)確率。

1 軟包裝電池劃痕檢測(cè)方案

軟包裝鋰離子電池(長55 mm×寬25 mm×厚5 mm,武漢產(chǎn)),額定電壓為3.7 V,正負(fù)極活性物質(zhì)分別為錳酸鋰和石墨烯,表面劃痕樣本圖見圖1,劃痕檢測(cè)流程圖見圖2。

圖1 軟包裝鋰離子電池表面劃痕Fig.1 Surface scratches of pouch Li-ion battery

圖2 電池表面劃痕檢測(cè)算法流程圖Fig.2 Flow chart of battery surface scratch detection algorithm

檢測(cè)流程包括圖像預(yù)處理和缺陷區(qū)域檢測(cè)與定位。圖像預(yù)處理主要包括光度立體法處理、平滑處理、非線性變換,擴(kuò)大數(shù)值較小的灰度范圍,并計(jì)算自適應(yīng)閾值范圍。缺陷區(qū)域檢測(cè)與定位主要包括對(duì)軟包裝電池表面進(jìn)行全局閾值分割,并根據(jù)劃痕特征,識(shí)別表面劃痕區(qū)域。

2 圖像預(yù)處理

2.1 光度立體法的檢測(cè)原理

光度立體法是一種非接觸式測(cè)量方法,可應(yīng)用于三維重建、物體識(shí)別、工業(yè)檢測(cè)等領(lǐng)域,測(cè)量精度高。它通過拍攝的不同光照條件下的圖像來計(jì)算物體表面的方向梯度,獲得圖像的三維信息。打光布置方式見圖3。

圖3 光度立體法打光布置方式Fig.3 Photometric stereoscopic lighting arrangement

理想的Lambertian散射模型[6]公式為:

式(1)中:I為圖像表面亮度;ρ為某點(diǎn)圖像表面反照率;L=(Lx,Ly,Lz)為光源的方向向量;N=(Nx,Ny,Nz)T為某點(diǎn)的單位法向量。

通過3組光源對(duì)被測(cè)物進(jìn)行照射時(shí),圖像中某點(diǎn)的光亮I1、I2、I3通過式(1)可表示為:

設(shè)z=(x,y)為圖像中某點(diǎn)坐標(biāo),z點(diǎn)在圖像上的表面梯度在x和y方向上的分量p和q可表示為[7]:

表面法向量N垂直于該表面的切平面,因此可寫成:

綜上所述,如果能夠得到物體表面的3個(gè)不同光照方向拍照的圖像,對(duì)于圖像中所有點(diǎn)(x,y),都可以求解出該點(diǎn)的表面梯度(p,q),從而最終恢復(fù)物體的表面形狀。

采用表1參數(shù)從3個(gè)光照方向?qū)澓圻M(jìn)行拍攝。表1的參數(shù),滿足采用光度立體法相機(jī)的光軸和照明方向之間的角度(Slant角度)一般為30°～60°,以及光的方向之間的夾角(Tilt角度)均勻分布在被測(cè)物體周圍的要求。

表1 光度立體法的角度參數(shù)Table 1 Angle parameters of photometric stereoscopic method

2.2 圖像平滑濾波處理

光度立體法所生成的反照率圖像[圖4(a)]能很好地突出電池表面劃痕,但存在許多噪聲,影響圖像特征的穩(wěn)定性,而導(dǎo)致誤判。圖像降噪中常用濾波主要有高斯濾波、均值濾波和中值濾波等。均值濾波以目標(biāo)像素周圍的8鄰域?yàn)橹行?創(chuàng)建濾波模板,再對(duì)模板內(nèi)所有像素的像素值求平均值來代替中心像素值,以消除圖像中的尖銳噪聲,實(shí)現(xiàn)圖像的平滑、模糊等作用,效果圖見圖4(b),公式為[8]:

圖4 圖像平滑前后的效果對(duì)比Fig.4 Effect comparison before and after image smoothing

式(6)中:u表示行;v表示列;F(u,v)為濾波窗口輸出的灰度值;g(u,v)為濾波前的像素點(diǎn)灰度值;n為濾波窗口中包含像素點(diǎn)的總個(gè)數(shù);k為濾波窗口內(nèi)的像素點(diǎn)集合。

2.3 基于高斯函數(shù)導(dǎo)數(shù)的卷積操作

圖像邊緣是指圖像中像素灰度值發(fā)生較大變化的位置或區(qū)域,通常亮度或顏色會(huì)有明顯變化。在圖像處理中,高斯函數(shù)的導(dǎo)數(shù)可用來檢測(cè)圖像中的邊緣和角點(diǎn)。對(duì)于二維圖像,高斯函數(shù)的一階導(dǎo)數(shù)可反映灰度梯度的變換,并通過計(jì)算得到圖像在水平和垂直方向上的梯度。通過計(jì)算梯度,可檢測(cè)出圖像中的邊緣,對(duì)圖像進(jìn)行分割、特征提取。表面曲率信息反映了電池表面的局部深度變化,因此,先將均值濾波處理后的反照率圖像進(jìn)行高斯卷積處理,再由高斯函數(shù)及一階和二階導(dǎo)數(shù)公式[9],得到平均曲率圖像,見圖5。

圖5 經(jīng)高斯函數(shù)卷積后的圖像Fig.5 Image convolved by Gaussian function

高斯函數(shù)為:

式(7)中:A為幅度系數(shù);x為像素單位;f為表面梯度;σ為標(biāo)準(zhǔn)差;e為自然對(duì)數(shù)的底數(shù)。

高斯一階導(dǎo)數(shù)為:

高斯二階導(dǎo)數(shù)為:

平均曲率K的計(jì)算公式為[1]:

式(10)中:下標(biāo)x、y分別為f對(duì)x和y的偏導(dǎo)數(shù);xx、yy分別為f對(duì)x和y的二階偏導(dǎo)數(shù);xy、yx分別為f先對(duì)x求偏導(dǎo)數(shù)后對(duì)y求偏導(dǎo)數(shù)和先對(duì)y求偏導(dǎo)數(shù)后對(duì)x求偏導(dǎo)數(shù)。

2.4 非線性灰度變換

非線性灰度變換可通過調(diào)整曲線的形狀來壓縮或擴(kuò)展圖像的動(dòng)態(tài)范圍,避免一些過曝或欠曝的問題,使圖像的細(xì)節(jié)和信息更豐富。從圖5可知,劃痕缺陷處的灰度值,相對(duì)于非缺陷區(qū)域整體偏高,但由于電池表面凹凸不平且劃痕局部的深度不一,閾值臨界點(diǎn)選擇相對(duì)困難等原因,導(dǎo)致表面劃痕檢測(cè)精度較低。若對(duì)劃痕直接使用閾值分割及邊緣處理,無法突出劃痕部位信息等情況,灰度直方圖如圖6所示。圖7中深色區(qū)域是對(duì)完整劃痕進(jìn)行閾值分割時(shí),與劃痕灰度值相近的所有像素點(diǎn)。從圖7可知,由于軟包裝鋰離子電池表面凹凸不平導(dǎo)致存在許多噪聲,使得劃痕提取效果不佳。

圖6 經(jīng)高斯函數(shù)卷積后的灰度直方圖Fig.6 Gray histogram after convolution of Gaussian function

圖7 閾值分割后的效果圖Fig.7 Effect diagram after threshold segmentation

為改善此情況,增大劃痕與背景之間的對(duì)比度信息,并使電池表面非缺陷區(qū)域之間的像素值分布均勻,從而提高圖像質(zhì)量,采用γ變換的非線性灰度變換算法,公式為[10]:

式(11)中:h(x,y)為圖像中某點(diǎn)的灰度值;E(x,y)為經(jīng)過γ變換后的輸出灰度值。

經(jīng)過γ變換后的結(jié)果如圖8所示。

圖8 γ變換后的效果圖及灰度直方圖Fig.8 Effect diagram and gray histogram after γ transformation

2.5 劃痕提取

全局閾值分割是一種基于像素灰度值的圖像分割方法,基本思想是將像素根據(jù)灰度值與預(yù)設(shè)的閾值進(jìn)行比較,將圖像分割成兩個(gè)區(qū)域。從圖8(a)可知,經(jīng)過γ變換后的灰度值整體偏低,峰值基本出現(xiàn)在直方圖中的臨界處,隨著灰度值的增加,對(duì)應(yīng)的像素個(gè)數(shù)逐漸減少,且灰度直方圖與零均值高斯分布外形相近。實(shí)驗(yàn)對(duì)軟包裝鋰離子電池表面劃痕采用全局閾值的分割方法,選取梯度的均方差σ2作為全局閾值分割的臨界點(diǎn)。經(jīng)過非線性變換后的劃痕圖像相對(duì)于背景偏亮,對(duì)灰度值范圍進(jìn)行歸一化,使圖像中的最小灰度值對(duì)應(yīng)到σ2,最大灰度值對(duì)應(yīng)到255,獲取灰度直方圖中較小像素?cái)?shù)量中的最大灰度值θ。劃痕提取流程見圖9。

圖9 劃痕檢測(cè)流程Fig.9 Scratch detection process

3 驗(yàn)證實(shí)驗(yàn)

檢測(cè)實(shí)驗(yàn)平臺(tái)由BASLER型號(hào)acA 1300-60gm黑白CCD相機(jī)(德國產(chǎn))、遠(yuǎn)心鏡頭(德國產(chǎn))和3個(gè)紅色平板光源等組成。軟件實(shí)驗(yàn)平臺(tái)采用的處理器為Intel Core i7-12700H、運(yùn)行內(nèi)存為16 G、視覺檢測(cè)軟件為Halcon21.11。

外層膜能更好地保護(hù)軟包裝鋰離子電池的中間層,但外層膜厚度薄且易受損,同時(shí)在制造過程中產(chǎn)生劃痕缺陷時(shí),優(yōu)先出現(xiàn)在外層膜區(qū)域,若不能及時(shí)檢出,不僅會(huì)影響電池的外觀,還會(huì)造成一定的安全隱患[11]。選取劃痕外層膜樣本圖像800張,驗(yàn)證所提算法對(duì)劃痕提取的效果,將所提算法與文獻(xiàn)[1]四光源光度立體法和文獻(xiàn)[3]基于改進(jìn)Canny算子中的檢測(cè)算法,分別從劃痕提取效果、檢出率和誤檢率進(jìn)行對(duì)比,檢測(cè)統(tǒng)計(jì)結(jié)果見表2,對(duì)比效果圖見圖10。

表2 不同算法的誤檢率和檢出率對(duì)比Table 2 Comparison of false detection rate and detection rate of different algorithms

圖10 不同分割結(jié)果的對(duì)比 Fig.10 Comparison of different segmentation results

從表2可知,所提算法的劃痕提取效果、檢出率、誤檢率均優(yōu)于文獻(xiàn)中的算法。從圖10可知,針對(duì)軟包裝鋰離子電池表面凹凸不平,相鄰像素之間的梯度和灰度變化差別不大的問題,文獻(xiàn)[1]中的檢測(cè)算法經(jīng)過光度立體法后,存在大量的高頻噪聲的影響,同時(shí)閾值分割時(shí),閾值臨界點(diǎn)選擇相對(duì)困難,算法魯棒性不高。文獻(xiàn)[3]中的檢測(cè)算法對(duì)劃痕提取效果相對(duì)較好,提取后圖像中存在少量噪聲,可通過形態(tài)學(xué)對(duì)噪聲進(jìn)行屏蔽,但提取的劃痕中間存在不連續(xù)(即斷層現(xiàn)象),容易導(dǎo)致在劃痕檢測(cè)時(shí)出現(xiàn)漏檢、誤檢等情況。

4 結(jié)論

本文作者針對(duì)軟包裝鋰離子電池表面反光且凹凸不平的特點(diǎn),提出一種基于光度立體法、高斯卷積和非線性灰度變換的表面劃痕檢測(cè)算法。實(shí)驗(yàn)結(jié)果表明,該方法通過重建軟包裝鋰離子電池表面深度信息,能夠降低由于電池表面反光對(duì)劃痕檢測(cè)所產(chǎn)生的影響;通過高斯卷積操作,突出表面劃痕的紋理信息,結(jié)合非線性灰度變換增強(qiáng)圖像的紋理信息,避免了因表面凹凸不平,對(duì)劃痕檢測(cè)結(jié)果產(chǎn)生的影響;最后,通過閾值分割,提取軟包裝鋰離子電池表面劃痕。

驗(yàn)證實(shí)驗(yàn)將所提檢測(cè)算法分別與文獻(xiàn)[1]和文獻(xiàn)[3]的檢測(cè)算法在檢出率、誤檢率和提取效果等方面進(jìn)行對(duì)比,所提算法劃痕檢出率高達(dá)97.5%,在軟包裝鋰離子電池表面劃痕檢測(cè)精度方面優(yōu)于其他算法。