摘 要： 給出了一種基于機器視覺和X射線的全自動電池檢測系統(tǒng),。利用X射線的穿透性和計算機對數(shù)據(jù)的快速處理能力，相機可以采集到成型電池的內(nèi)部結構圖像并對圖像數(shù)據(jù)進行快速處理,。通過對圖像進行濾波,、銳化、邊緣提取等過程得到陰極和陽極的精確位置,。運用軟件來測量各個特征間的距離并與標準值進行比較來判斷電池的好壞,，從而實現(xiàn)電池檢測過程的完全自動化操作。
關鍵詞： 機器視覺,；X射線,；電池檢測；積分濾波,；canny邊緣提取
隨著電子產(chǎn)品的普及和能源電池的大量使用,，提高電池的質(zhì)量成了一個亟待解決的問題,。在電池生產(chǎn)過程中，電池的檢測是一個非常重要的環(huán)節(jié),。傳統(tǒng)的檢測方法是工人把成型的電池分批放到X光機中,，相機采集到電池的內(nèi)部圖像并在電腦上顯示出來，然后通過肉眼觀測來判斷電池的好壞,。這種方法存在很多問題,。首先，工人把電池放進X光機時會接觸到X射線,，當X射線在人體內(nèi)累積到一定數(shù)量時就會對人體造成傷害,，這對工人的健康很不利。其次,，肉眼觀測的方式受操作工人主觀因素的影響,，如工人的精神狀態(tài)、情緒以及工作態(tài)度等原因都會降低檢測的準確度從而降低電池的整體質(zhì)量,。而且這種方法的效率低下,，根據(jù)筆者在現(xiàn)場的觀察，工人每次檢測36個電池需要4 min的時間,，這樣不利于電池的大批量生產(chǎn),。本文給出的全自動電池檢測系統(tǒng)實現(xiàn)全自動自檢測和自判定的流程，不需人工操作,，無安全隱患,；計算機判別結果，不受主觀條件影響,；每分鐘檢測數(shù)量達到30個,，比原來的檢測速度有了較大的提高。
1 系統(tǒng)結構
本系統(tǒng)對電池質(zhì)量判斷的整個過程分為圖像采集,、圖像處理以及電池判定等過程,，其系統(tǒng)流程圖如圖1所示。
本系統(tǒng)的硬件平臺是東芝公司生產(chǎn)的X射線透視裝置TOSMICRON-S5000,。為了實現(xiàn)全自動的流水線檢測方式,，本研究在原有設備基礎了做了一定的改造。首先,，在其兩側開口并裝入傳送帶,，傳送帶從一側進入，從X射線發(fā)生器和工業(yè)相機之間通過后由另一側導出,。為了安全起見,，在開口部分外側加設鉛板以防止X射線外泄。其次，固定X射線發(fā)射儀器和攝像機的位置以保證圖像的穩(wěn)定性,。另外，在給系統(tǒng)配置的工業(yè)計算機上添加自編軟件,，顯示圖像,、處理圖像、保存圖像并記錄電池質(zhì)量的統(tǒng)計信息,。該軟件還實現(xiàn)了計算機與PLC之間的通信,，將電池判定結果告訴PLC，PLC根據(jù)判定結果對電池進行分類,。
電池種類繁多但是內(nèi)部結構相似,，以普通的圓形鋰電池為例，其內(nèi)部結構如圖2所示,。
圖中黑色柱體表示正極,，白色柱體表示負極，正極和負極間的黑線表示塑料隔膜,。鋰電池內(nèi)部結構是一種層狀卷繞結構,，正、負極之間用隔膜隔開,，正極由鋰鈷氧化物,、導電劑、粘結劑及鋁箔組成,，而負極由石墨,、導電劑、粘結劑及銅箔組成,。電解液是有機溶劑,，外殼是不銹鋼殼或者鋁殼[1]。電池生產(chǎn)廠家對電池內(nèi)部的檢測內(nèi)容有很多,，而且要求非常精確,，其中最重要的是檢測出正、負極的精確位置,，這也是本文重點要解決的問題,。
2 圖像處理
2.1 圖像增強
電池從X光機的一側進入到達工業(yè)相機的正下方時停下來，工業(yè)相機進行拍照從而得到電池的實時圖像,。實時采集的圖像噪聲比較嚴重,，對檢測正、負極的準確位置有很大的影響,，因此必須對圖像進行預處理以增強圖像的信息,。根據(jù)檢測目的不同，圖像增強的方法也不一樣，在本文中需要增強圖像的清晰度,，增大正極與負極以及其他特征的灰度值差異,，以便能準確區(qū)分極片的位置。在此采用的是積分濾波法和直方圖均衡化法,。
2.1.1 圖像積分濾波
積分濾波法本質(zhì)上是一種均值濾波,，與一般的均值濾波不同，它取的是N幅圖像在同一像素點的均值而不是該像素點的領域均值,，因而不會造成圖像的模糊,，而且能有效消除噪聲。因為拍照過程中圖像的位置不變,，只有噪聲是變化的,，所以通過積分濾波的方法可以將噪聲平滑，降低它對圖像信息的影響,。積分濾波的表達公式如下：
式中,，I(i，j)表示最后得到的圖像在(i,，j)點的灰度值,，In(i，j)表示采集到內(nèi)存中的第n幅圖像在(i,，j)點的灰度值,，N表示積分的次數(shù)。采集圖像過程中的噪聲是隨機噪聲,，通過積分的方法可以減小噪聲的灰度值,，從而降低噪聲的影響。本研究還把積分濾波法與中值濾波法作了比較,，發(fā)現(xiàn)積分濾波的效果遠比中值濾波的效果好,。其比較結果如圖3所示。
與原圖相比,，中值濾波在一定程度上消除了噪聲,，但是它卻使極片在豎直方向上更加模糊而且邊緣也變得不清晰。而積分濾波不僅成功消除了噪聲還使極片變得更加清晰,。
2.1.2 直方圖均衡化
直方圖均衡化實質(zhì)上是一種灰度拉伸法[2],，對于灰度圖像，它將所有灰度值比小閾值還小的像素點的灰度值重置為0,，把所有灰度值比大閾值還大的像素點的灰度值重置為255,，把灰度值介于小閾值和大閾值之間的像素點的灰度值按比例拉伸到0~255，其數(shù)學表達式如下：
式中,，Iold(i,，j)表示原圖像在(i,，j)的灰度值，Inew(i,，j)表示直方圖均衡化后的圖像在(i,，j)的灰度值，Tmax表示大閾值,，Tmin表示小閾值,。由圖像可以看出，電池圖像在某個區(qū)域內(nèi)的灰度值比較接近,，只是在邊緣部分才會有比較大的差異,。運用直方圖均衡化的方法不會改變圖像的區(qū)域特性,，而且能使邊緣部分的灰度值差變得更大,，從而為分別去邊緣提供更大的支持。例如,，取Tmax=200,，Tmin=40，其效果如圖4(a)所示,，原圖與直方圖均衡化后的直方圖分別如圖4(b),、圖4(c)所示。從圖可以看出,，經(jīng)過直方圖均衡化后,，圖像的灰度值范圍擴大了，圖像的分辨率增強了,，正,、負極都更加清晰。
2.2 邊緣提取
要找到正,、負極的精確位置就必須進行邊緣提取,，在本文中采用的是Canny邊緣提取法。Canny邊緣提取法是最有效的階梯型邊緣檢測算法,，它是一種先濾波后求導的方法,，在抑制噪聲的前提下根據(jù)對信噪比與定位乘積進行測量，得到最優(yōu)化逼近算子,，從而得到盡量精確的邊緣,。其實現(xiàn)基本步驟[3]如下：
(1)用高斯濾波器平滑圖像。
(2)用一階偏導的有限差分來計算梯度的幅值和方向,。
(3)對梯度幅值進行非極大值抑制,。
(4)用雙閾值算法檢測和連接邊緣。
其中,，(3)是在全局梯度中排除局部梯度非極大值,，從而確定局部極大值。采用的方法是如圖5所示的非極大值抑制法(Non-Maximam Suppression)。
圖5(a)中的8個扇區(qū)對應圖5(b)中0像素的8個鄰域,，穿過圓心的4條直線表示梯度方向,，在梯度方向上0像素的梯度與相鄰的2個像素的梯度作比較，如果0像素的梯度小于它相鄰的像素的梯度,，則該點不是局部極大值點,；若大于它相鄰的像素的梯度，則可判定為局部極大值點,。
而步驟(4)中提到的雙閾值算法是先用大的閾值確定準確邊緣,，但由于得到的邊緣往往不是連續(xù)的，所以再用小閾值在一定的范圍內(nèi)進行動態(tài)逼近,，直到把得到的邊緣連接起來形成連續(xù)的曲線,。圖6是提取正、負極邊緣的結果[4],。
圖6中央位置的2條連續(xù)的曲線就是正,、負極的邊緣，上方曲線是電池的金屬外殼的邊緣,，左右是電池的外殼的兩側以及最靠近外殼的極片,。將這些邊緣的位置值存入數(shù)組變量，通過VC自動判別軟件計算各個邊緣的距離值,，比較這些距離值與廠家的要求值就能判別電池好壞,，之后PLC對不合格電池貼上標簽，機械手將其揀出,，電池的全自動生產(chǎn)流水線就形成了,。表1是某一電池的各個特征間的距離以及質(zhì)量判定結果。
在X光環(huán)境下拍出電池的內(nèi)部圖片,，通過積分濾波,、直方圖均衡化對圖像進行預處理，使圖像信息得到顯著增強,，然后采用Canny邊緣提取算法,，得到正、負極及電池外殼等需要檢測的特征的邊緣,，獲取這些邊緣的數(shù)值,，然后比較這些數(shù)值與標準化的設置，判別電池的質(zhì)量好壞,，實現(xiàn)電池生產(chǎn)的全自動檢測,。
參考文獻
[1] 王偉.基于機器視覺的在線電池檢測系統(tǒng)研究[J].系統(tǒng)仿真學報，2006,，18(1).
[2] 郎銳．數(shù)字圖像處理學[M]．北京：希望電子出版社,，2002.
[3] 王娜,，李霞．一種新的改進Canny邊緣檢測算法[J]．深圳大學學報，2005,，4(2)：149-152.
[4] 何斌.Visual C++數(shù)字圖像處理[M].北京：人民郵電出版社,，2001.