基于三维图像的电池极片定位检测系统

引 言

科技信息时代，人们对手机的需求量巨大。与此同时， 手机电池的需求数量十分庞大，且在加工生产过程中，电池的质量也非常重要。目前，工业领域中对手机电池外观缺陷的检测精度要求越来越高，在电池制造过程中，对表面缺陷的检测大多是人工检测。由于生产线劳动强度比较高，整个检测过程中，检测人员易疲劳，导致检测效率降低，且会有很多不合格电池流入市场，因此很难达到检测要求与检测标准。这些问题将严重影响整个企业的形象，而且将不合格电池返厂进行二次加工也会导致企业生产成本增长。

国外研究中，Y.K.RYU 提出一种基于机器视觉的焊点检测架构，该架构分为两层，提取出焊点的 9 个特征，采用神经网络算法对焊点图像进行识别 [1]。N.Mar 提出一种自动焊点识别检测系统，先对图像作 Hough 变换，然后对焊点图像进行定位，通过颜色变换将图像转换为 YIQ 图像，再通过图像分割算法将分割图像进行离散余弦变换得到图像特征，最后对缺陷图像进行分类。国内也有不少学者提出焊点检测算法。蔡念等提出利用形态因子与曲率建立焊点特征的神经网络模型，能够有效地实现焊点质量检测 [2]。

用三维激光扫描仪对待检测物体进行线扫描，便可获得待测物表面的点云数据。三维图像扫描技术是一种立体测量技术，它所获得的点云数据除了具有几何位置信息，某些还具有颜色信息、强度信息等。三维激光扫描技术与传统三维重建技术相比，具有精度高、速度快，能大幅节约时间与成本的优点。

1 基于二维平面的检测方法

在手机电池的加工检测中，焊点缺陷检测十分重要，关乎着电池的使用寿命。本文二维平面检测过程包括图像预处理滤波、图像对比度增强、边缘轮廓检测、图像分割等。

图像滤波是指在最大化保留图像细节特征的条件下对目标图像的噪声进行抑制，按照处理方式的不同，可分为空域滤波和频域滤波。工业检测大多要求检测速度快且能实时监控，为了减少运算量，多采用空域滤波方式。

根据中值滤波的排序规则，可缩小像素间的灰度差异， 并能完全消除处于灰度值两端的突变像素，在去噪的同时能够较好地保护图像的边缘与细节，特别适用于消除散粒噪声、椒盐噪声等。滤波过程可如下表示 ：

g（x，y）=med{ f（x+∆ x，y+∆y），（∆ x，∆y）∈ W} （1）式中：med 表示取中值操作；f（x，y）与 g（x，y）分别表示中值滤波之前与之后的像素灰度；∆ x，∆y 分别表示距离中心像素的水平与垂直偏移量；W 表示以（x，y）为中心的邻域像素集合。

Canny 边缘检测算法于 1986 年由 John Canny 提出，被广泛应用于各类图像处理系统中，是一种公认的具有良好边缘检测性能的检测方法。Canny 边缘检测算法主要遵循的原则为 ：能够尽可能多地标识出图像中的实际边缘，标识出的边缘要尽可能与实际图像中的实际位置接近。该算子有着滤波、增强、检测等多阶段的优化算子。焊盘内部极片定位图片如图 1 所示，根据此图可进行极片定位检测。

在极片定位检测过程中，由于光照不均，极片与焊盘的分界线比较模糊。存在干扰因素的极片检测图如图 2 所示， 此两幅图为同一环境下的图片，由于生产过程中前站未处理好导致光照反射造成干扰。此时 Canny 算法在该检测过程中失效，导致检测不准确。

图 1 焊盘内部极片定位图片

图 2 存在干扰因素的极片检测图

2 基于三维高度的检测方法

利用三维激光扫描仪可获得物体的三维空间坐标，该扫描仪基于激光测量原理进行设计。其工作原理为 ：在测量过程中，发射器向待测物表面发射激光，当激光到达待测物表面时产生漫反射，通过反射光线计算出发射器与待测物的空间距离，求出垂直与水平方向的角度值，根据待测物大小调节激光扫描范围大小，通过设置三维激光仪的移动测量速度获取待测物的点云数据与原始三维点云模型 [3]。

采用三角测距法进行距离测量的测距原理如图 3 所示。

激光发射器发射出一束激光，经过扫描棱镜扫描待测物表面并反射回去，该反射光通过透镜成像原理在 CCD 上成像。已知基线与发射光的角度为 α，基线与入射光的夹角为β，激光扫描仪的轴向自旋转角度为 λ。将激光发射点作为坐标原点，激光发射方向作为 X 轴正方向，以平面指向待测物且垂直于 X 轴的方向作为 Y 轴建立三维坐标系 [2]，从而可计算出目标点的三维坐标为 ：

该测距法存在测量距离较短的局限性，故此方法较多适用于室内测量与短距离测量。

利用 Canny 算法定位出极片边缘后，就可利用线镭射扫描仪扫描得到的点云数据的 Z 轴高度对该范围内的极片高度进行检测，从而判断出极片的具体位置，以便后续找出打焊点的位置。在该检测过程中，正面端极片高度的整体检测时间为 5 s。焊盘表面三维图像如图 4 所示。

利用高度检测可避开光照不均的影响。焊盘三维侧面图如图 5 所示，上方区域为极片，下方区域为焊盘，根据极片高度即可轻松定位出极片位置。

3 结 语

本文利用三维机器视觉对极片进行定位检测，不仅可替代人工检测，弥补二维视觉检测缺陷，还可大大提高机器视觉的检测效率与准确率，同时也为企业节省了成本，具有极高的应用价值。