分块模板匹配结合形态学处理的电池丝印质量检测方法技术

本发明专利技术公开了一种分块模板匹配结合形态学处理的电池丝印质量检测方法，基于形态学的模板匹配方法建立文字部分模板；应用阈值分割和形态学腐蚀提取电池区域；采用求解电池区域最小外接矩形的方式确定倾斜角度，采用等间隔旋转搜索算法寻找最小外接矩形作为最终结果，利用仿射变换对偏转角度进行反向旋转进行电池校正及裁减；采用差影方法识别插画部分缺陷检测；然后依次屏蔽插画，文字分割，文字提取及校正，文字重组，待检文字骨架提取，再采用差影方法识别文字部分缺陷，采用可疑区域平移作差检测和可疑区域微量旋转作差检测进行缺陷检测。准确率高，成本较低，对国内电池丝印质量自动化检测领域有一定程度的推动作用。

Method of Battery Screen Printing Quality Detection Based on Block Template Matching and Morphological Processing

【技术实现步骤摘要】
分块模板匹配结合形态学处理的电池丝印质量检测方法
本专利技术属于机器视觉自动化表面检测
，具体涉及一种分块模板匹配结合形态学处理的电池丝印质量检测方法。
技术介绍
电池丝印内容包含插画、中文、英文、韩文、数字以及条码等多种复杂图样，涵盖包括产地、型号、规格、警告和使用禁忌等大量重要信息，以上内容一般均通过丝网印刷的方式印刷到电池表面，所以丝印质量极其重要。由于设备、工艺及人员等因素影响，会导致丝印印刷缺陷，主要缺陷表现为缺损、歪斜、模糊、重影、脏污、色差和位置异常等。传统的外观检测方法主要为依靠肉眼和放大镜进行人工检测，由于不可避免地受人类情绪、周边环境噪声、工作专注度等因素影响，难以保证检测结果的准确性和实时性，因此开发一套检测算法和自动化检测系统迫在眉睫。为了实现对丝印质量的自动化检测，国内外学者进行了大量研究，涌现出了许多经典方法，如全局模板匹配法、基于逐像素分层检测法、神经网络算法，小波变换检测方法、Gabor变换算法、特征提取法等等。但以上方法主要存在两个问题：1)算法过于复杂，检测耗时长，不适合工厂应用于生产线上检测；2)应用对象特点比较单一，方法的通用性和对复杂对象的检测能力有待加强。本专利技术检测的电池丝印类型众多，每种图案或文字适用的方法也不同。丝印中插画部分和文字部分特点明显不同，插画部分线条简单，且更宽更粗，而文字部分线条精细复杂，需要更高的处理精度。运用以往经典方法均无法取得良好效果。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种分块模板匹配结合形态学处理的电池丝印质量检测方法，突破以往全局模板匹配的模式，将电池丝印分为文字部分和插画部分，针对两部分特点分别设计两种类型的子方法，最终有机结合。应用本方法可以快速、准确地完成对丝印质量的检测。本专利技术采用以下技术方案：分块模板匹配结合形态学处理的电池丝印质量检测方法，包括以下步骤：S1、以每个插画为单位，采用分块模板匹配方式建立插画部分模板，基于形态学的模板匹配方法建立文字部分模板；S2、应用阈值分割和形态学腐蚀提取电池区域；S3、采用求解电池区域最小外接矩形的方式确定其倾斜角度，采用等间隔旋转搜索算法，通过设置旋转步长，自水平方向等间隔旋转，在每个角度下寻找最小外接矩形，外接矩形面积最小者即为最终结果，该旋转角度即为电池的偏转角度，利用仿射变换对偏转角度进行反向旋转，进行电池校正及裁减；S4、通过丝印版本识别，插画裁减提取及校正，采用差影方法识别插画部分缺陷检测；然后依次屏蔽插画，文字分割，文字提取及校正，文字重组，待检文字骨架提取，再采用差影方法识别文字部分缺陷，采用可疑区域平移作差检测和可疑区域微量旋转作差检测进行缺陷检测。具体的，步骤S1中，将每种类型的丝印中插画部分的分块信息以数据文件的形式存放在数据库中，每个插画对应一个子模板ID，按照试验得出的子模板几何尺寸信息对图像进行裁剪，然后建立子模板数据，插画部分模板建立具体为：S1011、假设S是m×n的搜索图，T是M×N的模板图，S(i,j)是搜索图中的一个子图，定义绝对误差：其中，ε(i,j,s,t)为绝对误差定义式，T(s,t)为模板图在(s,t)位置上的像素值，和分别表示子图、模板的均值，绝对误差是子图与模板各自去掉其均值后，对应位置之差的绝对值。S1012、设定误差阈值Th，用来与S1013误差累计值作比较；S1013、在模板图中随机选取不重复的像素点，计算与当前子图的绝对误差，将误差累加，当误差累加值超过了Th时，记下累加次数H，所有子图的累加次数H用一个表R统计。进一步的，步骤S1013中，SSDA检测定义为：其中，R(i,j)即为左上角坐标为(i,j)的子图S(i,j)的累加次数。具体的，文字部分模板建立具体为：S1021、根据插画部分形状匹配的结果，将丝印中所有插画使用矩形屏蔽窗屏蔽掉，使原区域灰度值与背景灰度相同，排除插画冗余干扰，对于原图中的条码，利用解码算法对其进行定位解码，解码后会返回条码的位置尺寸信息，将条码同样用矩形窗屏蔽掉；S1022、利用数学形态学中的膨胀操作按照列对文字进行分割；S1023、对S1022所得矩形进行排序，排序后用矩形区域与模板图像依次作差就可以得到每行文字，然后利用自适应阈值分割法，将每行文字提取出来；S1024、对模板文字区域进行平移，将之平移到指定位置上，并记录每行或者每列的平移数据。具体的，步骤S3具体为：S301、设定初始角度α0＝0°，旋转角度步长为θ，面积数组Area[]；S302、计算当前角度α0＝0°下轮廓区域的最小外接矩形，获取轮廓所有点的坐标信息，以当前角度平行方向为标准筛选出最远点和最近点，求取两点距离d1，以当前角度的垂直方向为标准再次筛选出最远点和最近点，求取两点距离d2，d1和d2即为外接矩形的长和宽，筛选出的4个特征点即可构成外接矩形四条边，对d1、d2以及面积Area[0]进行记录；S303、对轮廓区域依次旋转i次，此时角度αi＝α0+i×θ，按照S302求取旋转后的最小外接矩形，并依次记录旋转后的长、宽和面积Area[i]；S304、当α＝90°后，终止旋转，求取面积数组Area[]中最小元素值Area[j]及其对应角度αj＝α+j×θ，该角度即为最小外接矩形的方向。具体的，步骤S4中，采用差影方法识别插画部分缺陷检测具体为：定义运算形式为：C＝A-B其中，C为作差后的差区域，则用集合符号可表示为C＝A-A∩B，图中阴影部分即为图像作差后的区域C；假设模板区域为M，待检区域为T，对区域M进行腐蚀得M1，膨胀得M2；对区域T进行腐蚀得T1，膨胀得T2，则待检丝印缺失部分表示为M1-T2，待检丝印多印部分表示为T1-M2，作差结果可消除轮廓伪缺陷。具体的，步骤S4中，待检文字骨架提取具体为：采用基于最大圆盘的骨架抽取算法，设A表示目标集合，B表示结构元素，形态学骨架计算可由下式给出：其中，集合A的骨架S(A)是由骨架子集Sk(A)的并集构成，骨架子集Sk(A)定义在腐蚀和开运算组合形式的基础上，其计算式为：Sk(A)＝(AθkB)-(AθkB)○B其中，k＝0,1,...,K，AθkB表示结构元素B对集合A的连续k次腐蚀，表示为：AθkB＝(Aθ(k-1)B)θB＝(…((AθB)θB)θ…)θB其中，K表示结构元素B将集合A腐蚀成为空集之前的最大迭代次数，超过K次迭代，结构元素B将集合A腐蚀成为空集。具体的，步骤S4中，差影方法识别文字缺陷具体为：分别提取待测区域T和M，提取区域T骨架T_skeleton，膨胀骨架得T_skeldilation，膨胀区域T得到T_dilation；提取区域M骨架M_skeleton，膨胀骨架得M_skeldilation，膨胀区域M得到M_dilation；然后进行图像作差，统计缺陷数量N1，若N1不为0，进行可疑区域平移作差检测。进一步的，可疑区域平移作差检测具体为：将待检区域T进行上下左右四个方向平移，得到平移过后的四个区域T_01、T_02、T_03和T_04，四个区域依次与文字模板M作差，得到四个差区域，将这四个差区域与差影方法识别缺陷所得差区域进行交运算，得到交区域I1；然后用同样的缺陷分析方法从I1中筛选得到本文档来自技高网...

【技术保护点】
1.分块模板匹配结合形态学处理的电池丝印质量检测方法，其特征在于，包括以下步骤：S1、以每个插画为单位，采用分块模板匹配方式建立插画部分模板，基于形态学的模板匹配方法建立文字部分模板；S2、应用阈值分割和形态学腐蚀提取电池区域；S3、采用求解电池区域最小外接矩形的方式确定其倾斜角度，采用等间隔旋转搜索算法，通过设置旋转步长，自水平方向等间隔旋转，在每个角度下寻找最小外接矩形，外接矩形面积最小者即为最终结果，该旋转角度即为电池的偏转角度，利用仿射变换对偏转角度进行反向旋转，进行电池校正及裁减；S4、通过丝印版本识别，插画裁减提取及校正，采用差影方法识别插画部分缺陷检测；然后依次屏蔽插画，文字分割，文字提取及校正，文字重组，待检文字骨架提取，再采用差影方法识别文字部分缺陷，采用可疑区域平移作差检测和可疑区域微量旋转作差检测进行缺陷检测。

【技术特征摘要】
1.分块模板匹配结合形态学处理的电池丝印质量检测方法，其特征在于，包括以下步骤：S1、以每个插画为单位，采用分块模板匹配方式建立插画部分模板，基于形态学的模板匹配方法建立文字部分模板；S2、应用阈值分割和形态学腐蚀提取电池区域；S3、采用求解电池区域最小外接矩形的方式确定其倾斜角度，采用等间隔旋转搜索算法，通过设置旋转步长，自水平方向等间隔旋转，在每个角度下寻找最小外接矩形，外接矩形面积最小者即为最终结果，该旋转角度即为电池的偏转角度，利用仿射变换对偏转角度进行反向旋转，进行电池校正及裁减；S4、通过丝印版本识别，插画裁减提取及校正，采用差影方法识别插画部分缺陷检测；然后依次屏蔽插画，文字分割，文字提取及校正，文字重组，待检文字骨架提取，再采用差影方法识别文字部分缺陷，采用可疑区域平移作差检测和可疑区域微量旋转作差检测进行缺陷检测。2.根据权利要求1所述的分块模板匹配结合形态学处理的电池丝印质量检测方法，其特征在于，步骤S1中，将每种类型的丝印中插画部分的分块信息以数据文件的形式存放在数据库中，每个插画对应一个子模板ID，按照试验得出的子模板几何尺寸信息对图像进行裁剪，然后建立子模板数据，插画部分模板建立具体为：S1011、假设S是m×n的搜索图，T是M×N的模板图，S(i,j)是搜索图中的一个子图，定义绝对误差：其中，ε(i,j,s,t)为绝对误差定义式，T(s,t)为模板图在(s,t)位置上的像素值，和分别表示子图、模板的均值，绝对误差是子图与模板各自去掉其均值后，对应位置之差的绝对值；S1012、设定误差阈值Th，用来与S1013误差累计值作比较；S1013、在模板图中随机选取不重复的像素点，计算与当前子图的绝对误差，将误差累加，当误差累加值超过了Th时，记下累加次数H，所有子图的累加次数H用一个表R统计。3.根据权利要求2所述的分块模板匹配结合形态学处理的电池丝印质量检测方法，其特征在于，步骤S1013中，SSDA检测定义为：其中，R(i,j)即为左上角坐标为(i,j)的子图S(i,j)的累加次数。4.根据权利要求1所述的分块模板匹配结合形态学处理的电池丝印质量检测方法，其特征在于，文字部分模板建立具体为：S1021、根据插画部分形状匹配的结果，将丝印中所有插画使用矩形屏蔽窗屏蔽掉，使原区域灰度值与背景灰度相同，排除插画冗余干扰，对于原图中的条码，利用解码算法对其进行定位解码，解码后会返回条码的位置尺寸信息，将条码同样用矩形窗屏蔽掉；S1022、利用数学形态学中的膨胀操作按照列对文字进行分割；S1023、对S1022所得矩形进行排序，排序后用矩形区域与模板图像依次作差就可以得到每行文字，然后利用自适应阈值分割法，将每行文字提取出来；S1024、对模板文字区域进行平移，将之平移到指定位置上，并记录每行或者每列的平移数据。5.根据权利要求1所述的分块模板匹配结合形态学处理的电池丝印质量检测方法，其特征在于，步骤S3具体为：S301、设定初始角度α0＝0°，旋转角度步长为θ，面积数组Area[]；S302、计算当前角度α0＝0°下轮廓区域的最小外接矩形，获取轮廓所有点的坐标信息，以当前角度平行方向为标准筛选出最远点和最近点，求取两点距离d1，以当前角度的垂直方向为标准再次筛选出最远点和最近点，求取两点距离...

【专利技术属性】
技术研发人员：李兵，张少杰，赵卓，高飞，刘桐坤，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61