[发明专利]柱形锂电池圆周面凹坑视觉检测方法

权利要求书

1.一种柱形锂电池圆周面凹坑视觉检测方法，其特征在于：该方法的步骤如下：

(1)利用图像处理算法定位图像中电池：

1)在相机捕获到的图片，通过电池在图像中出现的位置，确定电池搜索范围；

2)使用Canny边缘检测，利用电池边缘宽度和电池在图像中的位置，找到电池最上边缘：由于Canny算子能有效地去除图像中的伪边缘点，在电池感兴趣区域定位出来之后，采用Canny算子提取电池边缘，Canny算子的计算步骤为高斯滤波、计算图像梯度的幅值和方向、非极大值抑制，最后使用双阈值去除伪边缘点；确定水平跨度大于n个像素点且垂直方向在最上方的边缘为所要定位的边缘；

3)通过相机捕获到的图像中电池区域所占长与宽的像素值确定电池位置和大小；

(2)利用图像处理算法生成电池缺陷特征：

1)计算电池图像的垂直方向梯度，即使用Sobel算子来计算梯度；

2)缩减图像的灰度级规模，以提高运算效率；

3)从梯度图像计算垂直方向的灰度共生矩阵；

4)根据凹坑缺陷的特征，定义了加权迹这种特征用于凹坑分类，加权迹定义如下：

其中l为图像灰度级数，M为灰度共生矩阵；

5)从共生矩阵生成4种常见的特征，即角二阶矩、对比度、倒数差分矩、熵；再添加上文定义的加权迹特征，共5种特征生成特征向量；

(3)进行特征筛选，从上步中获得的特征筛选出对缺陷分类效果最好的特征组合：

1)列出所有的特征向量组合，角二阶矩、对比度、倒数差分矩、熵和加权迹五种特征的组合共30种，其中使用两种特征的组合共10种，使用三种特征的组合共9种，使用四种特征的组合共5种，使用五种特征的组合共1种；

2)对所有的特征向量组合，使用测试图库进行测试，每种组合测试多次，综合结果的漏识率、漏识率方差信息，确定最好的特征组合；

(4)确定人工神经网络分类器的隐含层单元数：隐含层单元数由实验确定，使用测试图库对不同隐含层单元数测试，每种单元数测试多次，综合多次实验漏识率结果，结果取漏识率最小的单元数。

2.根据权利要求1所述的柱形锂电池圆周面凹坑视觉检测方法，其特征在于：(1)步骤的“3)”步骤中：因为相机与电池的距离固定，根据拍摄到的图像测量即可确定电池大小；根据(1)步骤的“2)”步骤确定的边缘计算边缘的中心点，首先计算边缘上所有点横坐标的均值，在求出位于边缘上距离均值点最近的点作为中心点，以中心点为最上边的中点按电池大小绘制矩形，该矩形即电池的区域。

3.根据权利要求1所述的柱形锂电池圆周面凹坑视觉检测方法，其特征在于：(2)步骤的“4)”步骤中,生成加权迹特征过程如下：

角二阶矩的定义为：

对比度的定义为：

倒数差分矩的定义为：

熵的定义为：

通过观察大量样本生成的共生矩阵，发现矩阵左上角的对角线上的元素在不同样本的矩阵中的差值不大，矩阵右下角的对角线元素在无缺陷样本中等于零，而在有缺陷样本中为大于零的值；本方法将其定义为共生矩阵的加权迹，并用之描述缺陷样本的特征，共生矩阵的加权迹定义为：

4.根据权利要求1所述的柱形锂电池圆周面凹坑视觉检测方法，其特征在于：(1)步骤的“3)”步骤中：提取到上沿的边缘后，通过该边缘定位电池，上沿明亮曲线的中心点十分趋近电池上沿弧线的中点，将该中心点看作电池框定矩形上边的中点，该点的具体计算过程；

step1:利用式(1)计算边缘点集合中横坐标的均值x_mean；

其中为边缘点集合中第i个点的x坐标值，n为点集合中点的数量；

step2:边缘的中心点由式(2)计算；

即求横坐标中距离横坐标均值最近的点；

由于电池在相机视场内的大小固定，根据中心点即可提取电池区域。