[发明专利]基于机器视觉的锂电池缺陷检测系统及方法

权利要求书

1.一种基于机器视觉的锂电池缺陷检测方法，其特征在于，包括以下步骤：

步骤S1，采集锂电池侧边的图像；

步骤S2，对采集的图像进行处理和分析；

步骤S3，根据图像处理和分析的判断结果，对锂电池进行良品与不良品分流处理；

步骤S2具体包括：

步骤S201，首先对图像进行预处理，转换成相应灰度图；

步骤S202，定位锂电池的位置，从灰度图中抓取要检测的区域；采用平均阈值分割法处理；具体包括：

对灰度图中每一行像素用公式(1)计算：

其中m为每行像素灰度值的平均阈值，c是图像的长度,a是补偿参数，x表示一行上各个像素的灰度值；

用上述相同方法得到每列像素灰度值的平均阈值；

然后用阈值分割法得到锂电池的边缘，进一步找到锂电池上需要检测的区域；

步骤S203，采用梯度标记，对检测区域内梯度超过设定阈值的缺陷进行分析和标记；具体如下：

检测区域内像素灰度值作卷积，得到像素灰度值变化的梯度；卷积处理输出的像素灰度值变化的梯度y(i,j)是输入像素灰度值f(i+a,j+b)的加权和，如公式(2)计算:

其中h是卷积运算的核，a和b是卷积核的长度和宽度，i和j是图像像素的横坐标和纵坐标；

步骤S204，将标记的区域连通作为缺陷区域；

步骤S205，根据标记出的缺陷区域的面积和/或周长来判断该缺陷区域是否是需要检测出的缺陷。

2.如权利要求1所述的基于机器视觉的锂电池缺陷检测方法，其特征在于，

步骤S201中还进行降噪处理。

3.如权利要求1所述的基于机器视觉的锂电池缺陷检测方法，其特征在于，

补偿参数a取值范围(0-50)。

4.如权利要求1所述的基于机器视觉的锂电池缺陷检测方法，其特征在于，

步骤S203中，在做卷积时，针对不同的缺陷采用不同的核进行运算。

5.如权利要求1所述的基于机器视觉的锂电池缺陷检测方法，其特征在于，

步骤S3中，具体包括：

如果判断结果显示来料是良品，则标记为ok，该工位的锂电池会正常流到下一个工序；

如果判断结果显示缺陷区域被判断为缺陷，则记住该工位的锂电池后把锂电池流入不良品区域。

6.一种基于机器视觉的锂电池缺陷检测系统，其特征在于，

包括相机、视觉检测系统、控制系统；在检测工位设置传感器，以检测是否有锂电池，如有则相应触发相机采集图像；

相机侧向对准检测工位，以拍摄锂电池侧边的图像；相机连接视觉检测系统，视觉检测系统连接控制系统；

视觉检测系统通过视觉检测软件对采集的图像进行处理和分析；

控制系统根据图像处理和分析的判断结果，对锂电池进行良品与不良品分流处理；

视觉检测系统对接收到的图像进行处理和分析，具体包括：

步骤S201，首先对图像进行预处理，转换成相应灰度图；

步骤S202，定位锂电池的位置，从灰度图中抓取要检测的区域；采用平均阈值分割法处理；

对灰度图中每一行像素用公式(1)计算：

其中m为每行像素灰度值的平均阈值，c是图像的长度,a是补偿参数，x表示一行上各个像素的灰度值；用上述相同方法得到每列像素灰度值的平均阈值；然后用阈值分割法得到锂电池的边缘，进一步找到锂电池上需要检测的区域；

步骤S203，采用梯度标记，对检测区域内梯度超过设定阈值的缺陷进行分析和标记；具体如下：

检测区域内像素灰度值作卷积，得到像素灰度值变化的梯度；卷积处理输出的像素灰度值变化的梯度y(i,j)是输入像素灰度值f(i+a,j+b)的加权和，如公式(2)计算:

其中h是卷积运算的核，a和b是卷积核的长度和宽度，i和j是图像像素的横坐标和纵坐标；

步骤S204，将标记的区域连通作为缺陷区域；

步骤S205，根据标记出的缺陷区域的面积和/或周长来判断该缺陷区域是否是需要检测出的缺陷。