扣式電池表面質量在線視覺檢測技術研究.pdf

1、電池在生產過程中其外殼（包括正極殼和負極殼）有可能會產生缺陷，如劃痕、凹點、銹斑、光板、漏液和網點不全等缺陷。研究電池表面缺陷的視覺檢測算法和研制適合我國電池生產線的電池表面質量的自動檢測系統(tǒng)有著重要的理論意義和應用價值。本文對扣式電池表面缺陷的在線檢測理論與算法進行了研究。
　　 論文主要做了以下幾方面的研究工作:
　　 (1)為了突出電池的型號、標志和缺陷等有用的紋理信息，論文完成了對原始電池圖像的圖像轉化、圖像濾波

2、和圖像分割等預處理工作。
　　 (2)提出了一種基于有效邊緣點的Hough變換和NMI特征的快速圖像配準方法。該方法實現(xiàn)了一種基于有效邊緣點的Hough變換輪廓提取算法，并結合NMI特征確定電池正極殼上的“十”字區(qū)域，完成圖像配準。保證了圖像配準的準確性和實時性。
　　 (3)針對電池表面圖像中的目標和背景的特點，分別提出了不同的缺陷分割方法。設計了一種了基于形態(tài)學的電池正極殼表面劃痕檢測算法。應用形態(tài)學方法消除電池表面

3、的細小物體、字符和標志上的孔洞以及字符對劃痕提取的影響。提出了BDCM方法(BatteryDefectCurveletModel)，建立多個尺度的不同位置、不同方向、多個相鄰尺度的同位置、同方向的不同維數(shù)的系數(shù)模型，提取了用來描述電池表面的正極凹點、正極面銹斑、正極光板和正極漏液、負極凹點、負極劃痕、負極面銹斑和負極網點等缺陷的有效低維特征。
　　 (4)建立了一個結構靈活的橢圓基神經網絡(FEBFNN)。并提出NGGC方法和N

4、MS方法建立FEBFNN的神經元幾何增長函數(shù)模型，動態(tài)確定隱層神經元數(shù)和輸出層神經元數(shù);并在NMS和NGGC基礎上，建立快速的OPDFL神經網絡學習機制，分別實現(xiàn)了對電池正極殼表面缺陷和負極殼表面缺陷的快速和準確分類。實驗表明，每個電池表面缺陷檢測的平均時間為0.175s，滿足了電池表面在線檢測的實時性要求。同時，缺陷識別率可以達到95％以上。
　　 (5)設計了適合于本文算法的電池表面缺陷的自動視覺檢測系統(tǒng)的硬件總體結構方案。