基于机器视觉的纽扣电池生产质量检测研究

摘要

机器视觉是可用于自动化检测的先进技术，主要任务就是通过对采集的图像或视频进行分析处理以获得相应物体的信息，就像人类和许多其它生物一样，因此机器视觉可以看作是使用计算机及相关设备对生物视觉的一种模拟，本文就是以纽扣电池作为检测对象，研究了纽扣电池正负极的表面缺陷检测的方法。
　　本课题根据纽扣电池实际生产情况，以机器视觉技术为指导设计了一个纽扣电池自动分捻系统。分析了纽扣电池图像表面缺陷的特点，研究其视觉成像原理。依此选择了合适的硬件系统，同时设计开发了上位机视觉测试软件，实现了实时的检测纽扣电池生产质量的目的。
　　本文重点研究了纽扣电池图像的预处理工作，根据纽扣电池图像的圆形特征完成了初筛选；然后对多目标纽扣电池进行定位和分离，正极面字符的校正和模板匹配检测；正，负极面的划痕，漏液等缺陷的检测。
　　首先提出了一种电池图像预处理算法，包括滤波、限制对比度自适应直方图均衡、自适应阈值二值化、形态学处理等步骤，原始带有噪声干扰的图像经处理后，缺陷区域得到显著增强；然后提出了扣式电池目标定位算法，原始图像中含有多圆形目标，定位算法通过图像处理和轮廓提取，完成对纽扣电池的初筛选，并计算出各目标尺寸，定位正确后将各目标 ROI作为单一图像分割；研究了字符校正方法，在对字符进行模板匹配检测，研究电池正极面图像的字符去除方法，利用区域分割算去除字符对正极面划痕检测的影响；最后研究了电池外观图像质量的局部特征提取方法。正，负极面图像的背景区域以全部连通域的几何特征最大值为特征量。
　　本文所提出的方法具有实时动态性、识别精度高、可靠性强等优点，能满足工业生产中纽扣电池生产质量检测的要求。

目录

封面

声明

中文摘要

英文摘要

目录

引言

1绪论

1.1机器视觉

1.2课题的研究背景

2基于机器视觉的纽扣电池生产质量检测系统的总体设计

2.1纽扣电池生产质量自动检测系统的总体设计

2.2机器视觉模块在检测系统中的功能分析

2.3光源及照明方式的选择

2.4相机

2.5镜头

2.6图像的采集卡和传输接口

2.7纽扣电池图像处理平台的设计

2.8本章小结

3纽扣电池图像预处理方法

3.1图像预处理概述

3.2图像去噪

3.3图像增强

3.4图像二值化

3.5数学形态学处理

3.6本章小结

4纽扣电池的前期筛选和图像定位

4.1纽扣电池在实际生产中的概述

4.2纽扣电池前期筛选

4.3纽扣电池图像目标定位

5纽扣电池的生产质量研究

5.1电池的尺寸测量

5.2电池正极面的字符检测

5.3电池正极面的缺陷检测

5.4电池负极面的缺陷检测

5.5电池缺陷检测算法研究

5.6本章小结

6总结与展望

6.1总结

6.2展望

参考文献

致谢

附录：攻读硕士学位期间发表的学术论文论著