柱形锂电池圆周面凹坑视觉检测方法技术

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。

Visual Detection Method for Circumferential Concave of Cylindrical Lithium Battery

Visual inspection method of cylindrical lithium battery circumferential pits, a method based on visual inspection for cylindrical lithium battery circumferential detection, the steps of this method are as follows: using image processing algorithm to locate the batteries in the image: using image processing algorithm to generate battery defect features: feature screening, from the features obtained in the previous step to screen out the best combination of features for defect classification: Determine the number of hidden layer units of ANN classifier: The number of hidden layer units is determined by experiments. The number of units in different hidden layers is tested by test library. Each unit number is tested many times, and the results of multiple experiments are synthesized. The result shows that the rate of missing recognition is the smallest and the number of units is smaller. By screening the five features and selecting the comprehensive miss rate, variance and zero Miss times through experiments, the defect detection rate can be further improved and the running time of the detection program can be optimized. Finally, by testing the leak rate of different hidden layers, the leak rate is lowest and the network structure is simplified as much as possible.

【技术实现步骤摘要】
柱形锂电池圆周面凹坑视觉检测方法
：本专利技术提供一种柱形锂电池圆周面凹坑视觉检测的方法，属于图像处理及机器学习领域。本专利技术可以在缺陷检测领域得到广泛应用。
技术介绍
：电池拥有巨大的消费市场，随着电池消费者对电池的品质要求日益提高，在激烈的市场竞争下，高品质的电池更容易在众多电池厂商中脱颖而出，并且不良品电池也有各种危害，如电池表面的磕碰伤可能导致漏液，对人体造成伤害；又如电池的电压如果低于或高于额定，会可能对用电设备造成损伤。目前电池的检测多采用人工抽样检测，这种检测方式有明显的缺点，如漏检、缺少统一标准、人工长时间工作易疲劳等等，所以传统的电池检测方式已经无法满足现有的电池生产需求，随着视觉算法理论与计算机硬件性能的不断发展，使得通过视觉技术实时检测电池缺陷存在可行性。
技术实现思路
：专利技术目的：本专利技术提供一种基于视觉检测的形锂电池圆周面凹坑的方法，其目的是解决以往所存在的问题，其代替人工检测，通过计算机实现凹坑缺陷的自动化检测。该方法首次利用梯度图像生成共生矩阵获取纹理特征并首次提出加权迹这一特征用于锂电池圆周面凹坑检测。技术方案：一套基于视觉检测的柱形锂电池圆周面检测方法，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)确定电池搜索范围，因为电池图像为固定位置触发捕获，电池在图像中的位置总是在一个可以确定的范围；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T_H和T_L去除伪边缘点。经过实验调试，本文中取T_H＝225，T_L＝45°确定水平跨度大于30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)确定电池位置和大小，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大小。根据上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。(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Sobel算子来计算梯度；2)缩减图像的灰度级规模，图像原灰度级数为256，本专利技术中缩减至16；3)从梯度图像计算灰度共生矩阵，共生矩阵的生成方向为90°，像素对距离为1；4)从共生矩阵生成4种常见的特征，即角二阶矩、对比度、倒数差分矩和熵，并根据缺陷的特点，生成本专利技术定义的加权迹特征。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：由于缺陷在梯度图像中表现为较明显的块状区域，缺陷的出现会影响元素对出现的频次，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(下标较小的元素)值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(下标较大的元素)在无缺陷样本中通常等于零或接近于零，而在有缺陷样本中通常为大于零的值，可以通过使下标较小的元素获得较小的权值，以缩小对迹的结果的影响。使下标较大的元素获得较大的权值，以放大对迹的结果的影响。本文创新地将其定义为共生矩阵的加权迹(WTr)，并用之描述缺陷样本的特征，WTr定义为：(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。(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xmean；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。(2)步骤中：从整幅图像提取的纹理特征值不能很好区分有无缺陷，因此，将卷积后的图像按行等分为k个相同大小的矩形区域，每个区域称为子样本；计算子样本的灰度共生矩阵，可以统计图像中像素对出现的频度，常用于生成图像的纹理特征值；矩阵大小为l*l，其中l为图像灰度级数，考虑在线实时计算效率，灰度级缩放方法见式：统计垂直方向邻接像素对出现的频度，即生成垂直方向像素对位置为1的灰度共生矩阵。由灰度共生矩阵生成的特征值有角二阶矩(ASM)、对比度(CON)、倒数差分矩(IDF)与熵(ENT)、加权秩(WTr)5种；将特征组合用“1”和“0”的字符串表示，设使用某特征表示为1，不使用某特征表示为0，如使用第一种、第三种和第四种特征，不使用第二种和第五种特征，则该特征组合可表示为10110；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。优点及效果：本专利技术专利提供一种基于视觉检测的锂电池圆周面凹坑缺陷检测方法，其能有效地通过计算机处理相机捕获的电池图片，并利用图像处理及机器学习算法判断电池有无缺陷。该方法可以通过边缘检测算子和边缘高度及长宽比等信息定位图像中的电池，并截取电池区域用于后续算法。通过生成垂直方向的梯度图像，可以有效排除光照等因素的干扰，获得更可靠的电池纹理信息。通过选择生成梯度图像的灰度共生矩阵，有助于分析图像的纹理信息，从计算量较大的整幅电池图像转到计算量较小的灰度共生矩阵，有效节约程序运行时间，提高检测效率。从灰度共生矩阵中提取特征，在四种常用特征的基础上，根据凹坑缺陷的特征，提出了一种用于表达凹坑缺陷的全新的特征值加权迹，由于共生矩阵左上角的对角线上的元素(下标较小的元素)值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(下标较大的元素)在无缺陷样本中通常等于零或接近于零，而在有缺陷样本中通常为大于零的值，通过使下标较小的元素获得较小的权值，以缩小对迹的结果的影响，使下标较大的元素获得较大的权值，以放大对迹的结果的影响，这样使加权迹的最终运算结果在有缺陷样本中数值较大，而无缺陷样本中数值较小。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。附图说明：图1图像采集平台；图2为硬件位置关系；本文档来自技高网...

【技术保护点】
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：

【技术特征摘要】
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。2.根据权利要求1所述的基于视觉检测的柱形锂电池圆周表面凹坑检测方法，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所述的基于视觉检测的柱形锂电池圆周表面凹坑检测方法，其特征在于：(2)...

【专利技术属性】
技术研发人员：于霞，曾祥瑞，苑玮琦，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：辽宁,21