[发明专利]柱形锂电池圆周面凹坑视觉检测方法

摘要

柱形锂电池圆周面凹坑视觉检测方法，一套基于视觉检测的柱形锂电池圆周面检测方法，该方法的步骤如下：利用图像处理算法对定位图像中电池：利用图像处理算法生成电池缺陷特征：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：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，结果取漏识率最小以及单元数较小的。将得到的五种特征进行特征筛选，通过实验选择综合漏识率、方差和零漏识次数，可以进一步提高缺陷检出率和优化检测程序运行时间。最后，通过测试不同隐含层的漏识率，使得漏识率最低的同时，网络结构在尽可能简化。

主权项

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)利用图像处理算法对定位图像中电池：1)通过相机捕获到的图片，对比电池在图像中出现的位置，缺陷电池搜索范围；2)使用Canny边缘检测，利用边缘宽度和图像的位置，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，使用垂直Sobel核卷积图像计算梯度；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(WTr)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(ASM)、对比度(CON)、倒数差分矩(IDF)、熵(ENT)和加权迹(WTr)等五种特征的组合共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、漏识率方差等信息，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，结果取漏识率最小以及单元数较小的。