[发明专利]基于计算机视觉的电池盖焊接质量智能检测方法

权利要求书

1.基于计算机视觉的电池盖焊接质量智能检测方法，其特征在于：

获取待检测电池盖表面的图像，并获取图像中灰度化的目标图像，目标图像包括焊缝区域和氧化区域；

将目标图像中与焊缝延伸方向垂直的方向作为行，根据目标图像中每一行相邻像素点的灰度值变化得到每一行的灰度突变点，根据每一行中灰度突变点与该灰度突变点右侧相邻像素点的灰度差值从灰度突变点中确定出每一行中氧化区域与焊缝区域的边界点；

利用得到的所有边界点获得焊缝区域与两侧的氧化区域的边界线，获取每一侧氧化区域的边缘线上每一个像素点与该氧化区域的边界线在每一行上对应像素点的中心点，利用每一侧氧化区域得到的中心点获得该侧的氧化区域的区域中心线；

获取边界线上每个像素点向所在氧化区域移动多个像素宽度的像素点组成对应氧化区域的新边界线；

根据目标图像中每一侧氧化区域的新边界线与区域中心线上的像素点在同一行的灰度差值以及该新边界线上相邻像素点之间的灰度差值得到该新边界线的凹凸系数，得到新边界线的凹凸系数的公式为：

其中，表示新边界线的凹凸系数；表示新边界线上第个像素点的灰度值；表示新边界线上第个像素点的灰度值；表示区域中心线上第个像素点的灰度值，表示新边界线上像素点的总数量；

获取每一侧氧化区域的新边界线上像素点的灰度值均值与边界线上像素点的灰度值均值之间的差异，得到灰度序列差异；

根据新边界线的凹凸系数和灰度序列差异获取该新边界线的综合异常程度，根据综合异常程度确定该新边界线上是否存在缺陷并确定缺陷类型。

2.根据权利要求1所述的基于计算机视觉的电池盖焊接质量智能检测方法，其特征在于，根据目标图像中每一行相邻像素点的灰度值变化得到每一行的灰度突变点的步骤包括：

获取目标图像的每一行中相邻像素点的灰度差异；

若得到的某个相邻像素点的灰度差异大于设定的差异阈值，则该相邻像素点中的后一个像素点为灰度突变点。

3.根据权利要求1所述的基于计算机视觉的电池盖焊接质量智能检测方法，其特征在于，确定出每一行中氧化区域与焊缝区域的边界点的步骤包括：

获取每一行的灰度突变点的右侧多个相邻像素点，若得到的多个像素点的灰度值与灰度突变点的灰度差值小于设定的差值阈值，则该灰度突变点为氧化区域与焊缝区域的边界点；

若得到的多个像素点的灰度值与灰度突变点的灰度差值不小于设定的差值阈值，则该灰度突变点为噪声干扰点。

4.根据权利要求1所述的基于计算机视觉的电池盖焊接质量智能检测方法，其特征在于，所述边界线包括焊缝区域与左侧氧化区域的边界线以及焊缝区域与右侧氧化区域的边界线。

5.根据权利要求1所述的基于计算机视觉的电池盖焊接质量智能检测方法，其特征在于，根据新边界线的凹凸系数和得到的灰度序列差异获取该新边界线的综合异常程度的公式为：

其中，表示新边界线的综合异常程度；表示新边界线与边界线上像素点的灰度差异，记为灰度序列差异；表示新边界线的凹凸系数，表示新边界线上的总数量；表示以自然常数为底的指数函数。

6.根据权利要求1所述的基于计算机视觉的电池盖焊接质量智能检测方法，其特征在于，根据综合异常程度确定该新边界线上是否存在缺陷并确定缺陷类型的步骤包括：

综合异常程度不大于设定的缺陷阈值的新边界线上不存在缺陷，综合异常程度大于缺陷阈值的新边界线上存在缺陷；

综合异常程度大于设定的未熔合缺陷阈值的新边界线上存在未熔合缺陷；

综合异常程度不大于未熔合缺陷阈值且大于缺陷阈值的新边界线上存在咬边缺陷。