摘 要： 給出了一種基于機(jī)器視覺和X射線的全自動(dòng)電池檢測(cè)系統(tǒng)。利用X射線的穿透性和計(jì)算機(jī)對(duì)數(shù)據(jù)的快速處理能力，相機(jī)可以采集到成型電池的內(nèi)部結(jié)構(gòu)圖像并對(duì)圖像數(shù)據(jù)進(jìn)行快速處理。通過對(duì)圖像進(jìn)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(yùn)用軟件來測(cè)量各個(gè)特征間的距離并與標(biāo)準(zhǔn)值進(jìn)行比較來判斷電池的好壞，從而實(shí)現(xiàn)電池檢測(cè)過程的完全自動(dòng)化操作。
關(guān)鍵詞： 機(jī)器視覺；X射線；電池檢測(cè)；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(gè)亟待解決的問題。在電池生產(chǎn)過程中，電池的檢測(cè)是一個(gè)非常重要的環(huán)節(jié)。傳統(tǒng)的檢測(cè)方法是工人把成型的電池分批放到X光機(jī)中，相機(jī)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(cè)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(jìn)X光機(jī)時(shí)會(huì)接觸到X射線，當(dāng)X射線在人體內(nèi)累積到一定數(shù)量時(shí)就會(huì)對(duì)人體造成傷害，這對(duì)工人的健康很不利。其次，肉眼觀測(cè)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(huì)降低檢測(cè)的準(zhǔn)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(chǎng)的觀察，工人每次檢測(cè)36個(gè)電池需要4 min的時(shí)間，這樣不利于電池的大批量生產(chǎn)。本文給出的全自動(dòng)電池檢測(cè)系統(tǒng)實(shí)現(xiàn)全自動(dòng)自檢測(cè)和自判定的流程，不需人工操作，無安全隱患；計(jì)算機(jī)判別結(jié)果，不受主觀條件影響；每分鐘檢測(cè)數(shù)量達(dá)到30個(gè)，比原來的檢測(cè)速度有了較大的提高。
1 系統(tǒng)結(jié)構(gòu)
本系統(tǒng)對(duì)電池質(zhì)量判斷的整個(gè)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(tái)是東芝公司生產(chǎn)的X射線透視裝置TOSMICRON-S5000。為了實(shí)現(xiàn)全自動(dòng)的流水線檢測(cè)方式，本研究在原有設(shè)備基礎(chǔ)了做了一定的改造。首先，在其兩側(cè)開口并裝入傳送帶，傳送帶從一側(cè)進(jìn)入，從X射線發(fā)生器和工業(yè)相機(jī)之間通過后由另一側(cè)導(dǎo)出。為了安全起見，在開口部分外側(cè)加設(shè)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(jī)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(jì)算機(jī)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(jì)信息。該軟件還實(shí)現(xiàn)了計(jì)算機(jī)與PLC之間的通信，將電池判定結(jié)果告訴PLC，PLC根據(jù)判定結(jié)果對(duì)電池進(jìn)行分類。
電池種類繁多但是內(nèi)部結(jié)構(gòu)相似，以普通的圓形鋰電池為例，其內(nèi)部結(jié)構(gòu)如圖2所示。
圖中黑色柱體表示正極，白色柱體表示負(fù)極，正極和負(fù)極間的黑線表示塑料隔膜。鋰電池內(nèi)部結(jié)構(gòu)是一種層狀卷繞結(jié)構(gòu)，正、負(fù)極之間用隔膜隔開，正極由鋰鈷氧化物、導(dǎo)電劑、粘結(jié)劑及鋁箔組成，而負(fù)極由石墨、導(dǎo)電劑、粘結(jié)劑及銅箔組成。電解液是有機(jī)溶劑，外殼是不銹鋼殼或者鋁殼[1]。電池生產(chǎn)廠家對(duì)電池內(nèi)部的檢測(cè)內(nèi)容有很多，而且要求非常精確，其中最重要的是檢測(cè)出正、負(fù)極的精確位置，這也是本文重點(diǎn)要解決的問題。
2 圖像處理
2.1 圖像增強(qiáng)
電池從X光機(jī)的一側(cè)進(jìn)入到達(dá)工業(yè)相機(jī)的正下方時(shí)停下來，工業(yè)相機(jī)進(jìn)行拍照從而得到電池的實(shí)時(shí)圖像。實(shí)時(shí)采集的圖像噪聲比較嚴(yán)重，對(duì)檢測(cè)正、負(fù)極的準(zhǔn)確位置有很大的影響，因此必須對(duì)圖像進(jìn)行預(yù)處理以增強(qiáng)圖像的信息。根據(jù)檢測(cè)目的不同，圖像增強(qiáng)的方法也不一樣，在本文中需要增強(qiáng)圖像的清晰度，增大正極與負(fù)極以及其他特征的灰度值差異，以便能準(zhǔn)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(diǎn)的均值而不是該像素點(diǎn)的領(lǐng)域均值，因而不會(huì)造成圖像的模糊，而且能有效消除噪聲。因?yàn)榕恼者^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(duì)圖像信息的影響。積分濾波的表達(dá)公式如下：
式中，I(i，j)表示最后得到的圖像在(i，j)點(diǎn)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(diǎn)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(jī)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(yuǎn)比中值濾波的效果好。其比較結(jié)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(shí)質(zhì)上是一種灰度拉伸法[2]，對(duì)于灰度圖像，它將所有灰度值比小閾值還小的像素點(diǎn)的灰度值重置為0，把所有灰度值比大閾值還大的像素點(diǎn)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(diǎn)的灰度值按比例拉伸到0~255，其數(shù)學(xué)表達(dá)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(gè)區(qū)域內(nèi)的灰度值比較接近，只是在邊緣部分才會(huì)有比較大的差異。運(yùn)用直方圖均衡化的方法不會(huì)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(kuò)大了，圖像的分辨率增強(qiáng)了，正、負(fù)極都更加清晰。
2.2 邊緣提取
要找到正、負(fù)極的精確位置就必須進(jìn)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(cè)算法，它是一種先濾波后求導(dǎo)的方法，在抑制噪聲的前提下根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)量，得到最優(yōu)化逼近算子，從而得到盡量精確的邊緣。其實(shí)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(dǎo)的有限差分來計(jì)算梯度的幅值和方向。
(3)對(duì)梯度幅值進(jìn)行非極大值抑制。
(4)用雙閾值算法檢測(cè)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(gè)扇區(qū)對(duì)應(yīng)圖5(b)中0像素的8個(gè)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(gè)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(diǎn)不是局部極大值點(diǎn)；若大于它相鄰的像素的梯度，則可判定為局部極大值點(diǎn)。
而步驟(4)中提到的雙閾值算法是先用大的閾值確定準(zhǔn)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(jìn)行動(dòng)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(fù)極邊緣的結(jié)果[4]。
圖6中央位置的2條連續(xù)的曲線就是正、負(fù)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(cè)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(dòng)判別軟件計(jì)算各個(gè)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(duì)不合格電池貼上標(biāo)簽，機(jī)械手將其揀出，電池的全自動(dòng)生產(chǎn)流水線就形成了。表1是某一電池的各個(gè)特征間的距離以及質(zhì)量判定結(jié)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(duì)圖像進(jìn)行預(yù)處理，使圖像信息得到顯著增強(qiáng)，然后采用Canny邊緣提取算法，得到正、負(fù)極及電池外殼等需要檢測(cè)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(biāo)準(zhǔn)化的設(shè)置，判別電池的質(zhì)量好壞，實(shí)現(xiàn)電池生產(chǎn)的全自動(dòng)檢測(cè)。
參考文獻(xiàn)
[1] 王偉.基于機(jī)器視覺的在線電池檢測(cè)系統(tǒng)研究[J].系統(tǒng)仿真學(xué)報(bào)，2006，18(1).
[2] 郎銳．?dāng)?shù)字圖像處理學(xué)[M]．北京：希望電子出版社，2002.
[3] 王娜，李霞．一種新的改進(jìn)Canny邊緣檢測(cè)算法[J]．深圳大學(xué)學(xué)報(bào)，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.