基于机器视觉的电池铅板栅缺陷监测系统设计

蔡鹏德，沙春伟，赵康

（安徽理工大学，淮南 232000）

0 引言

铅酸电池是把化学能转化为电能，并把有限电能储存起来的一种电池［1］。由于它在供电方面具有安全可靠的特点，从而广泛应用于我国国民经济的各个领域。胶体电解液的发明是在20世纪20年代，随之在20世纪70年代成功开发出一种阀控密封铅酸电池。从根本上讲，铅酸电池是一种内部化学变化不易被及时察觉的装置。日常使用时的缺陷也不会即刻表现出来，所以对蓄电池的维护极其重要。若是不恰当的对电池维护管理，那么会直接对电池的使用效益以及寿命有很大影响，甚至直接损坏电池。

伴随微电子与计算机控制技术的推进，对于铅酸电池的维护、使用以及管理也需要实现自动化。通过在铅酸电池生产源头，实施在线监测铅酸电池的相关组件缺陷，能够及时了解电池的工作特性以及工作状态，必要时对其进行维护［2-3］。所以，对铅酸电池在线监测方面的系统开发势在必行。

1 关键技术研究

1.1 系统的业务流程设计与基本构成

基于机器视觉的铅酸电池铅板栅在线监测系统是基于计算机图像和视觉处理技术打造的智能蓄电池板栅网缺陷监测系统。它可以在不需要人工干预或很少人工干预的情况下，由相机拍摄，对得到的板栅图片进行分析，实现铅板栅的监测、计算、分析和缺陷识别。对于一个监控系统首先要梳理清楚系统运行中的数据流向。本文设计的实时在线监测系统整体运行的流程如图1所示。

图1 系统业务流程设计

在此监测系统里，系统设计的核心与关键点是对图像的处理。具体数据流程总结如下：先是把采集图片上传，转化为数据流将其在数据库中进行存储。接着应用图像处理技术把图像分别进行去噪、归一化、去噪等，以此来评估采集的图像；为了对比图像之间不同特征，将之前提取的特征和规则库中的特征相互对比。最后，把分析出的结果传输给数据库。通过MES系统，用户也可以很方便访问系统的数据。

1.2 系统的关键功能

根据企业对产品监测系统功能的要求，这里把系统用户分为两个角色，分别为管理员和用户。具体系统功能设计图和检测区域阈值设定界面如图2、图3所示。

图2 系统功能设计

图3 检测区域阈值设定界面

用户管理和图像数据远程传输等，属于管理员的主要职责。用户管理主要负责图像管理和上料时间的设定等，主要是对图像进行抓拍以及进行图像处理，对采集区域进行定位。

于用户而言，系统操作界面主要有三个部分，分别是主界面、通讯、设置。主界面主要包括NG（不合格品）图片保存位置项、图片文件名输出项、断丝显示灯（正常常亮为绿色，断丝时显示红色）、铅板栅片合格与不合格数显示项、上料时间设定项等；通讯部分主要包括发送数据和接收数据显示项，主要用于远程数据上传发送到控制终端数据库，进行统计合格与不合格率等相关信息，为用户提供参考；设置项主要是对于铅板栅监测区域的前部、左部、右部、中部、后部五个部位的阈值根据现场情况进行调节设置，并且包括最后的输出错误位置项，当监测出有NG（不合格品）时，它可以精确显示出这个不合格品出现缺陷的位置点。

1.3 图像采集存储及网络传输

本系统根据技术需求采用大恒公司MER-500-7UM∕C型号的工业相机进行图像采集。同时由于企业操作环境光照的影响，单独采用一种白色面光源进行打光。基于机器视觉的在线铅板栅监测系统中图像采集和图像传输是必不可少的步骤［4］，要求图像的质量高、采集测点分布要多、实时性高、数据量大等，所以本系统需要对各分布监测点都采用网络化图像采集的方式。把采集到的数字图像以网络存储的形式存储。数据服务器与各视频服务器共同完成网络存储。客户端则是根据用户对于现场采集图像的需求来存储，以实时采集服务器为主的方式存储。数字图像被处理后的图像由数字图像服务器承担，如特殊处理和报警前后的连续图像等。整个系统相机实时采集图像的文件名是以（年月日，时分秒）来命名，接着立刻存入用户设置的图像库里面。每天把当日的图像数据库打包，按年月日以及工人工号为文件名并存入图像库。由于数据随时会写满硬盘，所以把硬盘数据存储模式改为“覆盖”，那么满盘时新数据自动覆盖旧数据写入。接着把图像数据通过MES系统进行网络传输给企业终端管理。图像网络存储流程和板栅采集样图如图4所示。

图4 图像网络存储流和板栅采集图像

2 图像处理设计与实现

2.1 图像处理思路

针对不同的研究目的，图像处理方法也不同。一般来说，它包括两个模块：图像预处理和图像识别。其中识别的特征是从预处理过后的数字图像中进行提取，搭建SVM分类器，最终结果通过分类得到。上面方法基于深度学习在工业领域监测缺陷复杂种类多的组块图像［5-7］。本文设计的系统主要用于电池板栅网图像缺陷的检测。因此，不同于上述算法，对于工业领域监测部件的特殊性，本文图像处理主要基于灰度图像。由于在灰度化后的图像不存在彩色信息，仅包含亮度信息，而且灰度图像具有容易存储和提高处理效率的优点。大体思想就是：首先对图像做预处理，其次对图像进行归一化、去噪以及分割等操作，从而为后续的特征提取打下基础。图像处理过程非常复杂，程序千变万化，但总体思路大致相同。

2.2 图像的归一化处理

由于企业生产现场环境的特殊性，复杂光照和设备表面的亮度都会对相机采集图像和处理产生一定的影响。为此，需要消除部分设备表面亮度引起的图像处理问题，对图像进行归一化处理，即消除图像的量纲。具体归一化计算公式如下：

在式中：r，g，b分别表示在对其归一化后对应的各像素特征，R，G，B分别表示原始特征值红、绿、蓝。将原始像素值从0～255的范围，映射到0～1范围之内处理，很大程度提高了像素的精度。

2.3 图像去噪

对图像在分割前先进行去噪，比较典型的去噪算法当前来说有三种：中值滤波、维纳滤波、均值滤波，本文采用一种特殊的去噪算法NLMeans算法［8］，这种算法复杂程度小于小波方法，一种自注意力机制和自相关的去噪方法。它在寻找相似区域是以图像块为单位，然后对这些区域求平均值，它的原理是利用整幅图像来进行去噪，是一种基于图像中所有像素的非局部平均的非局部均值算法（NL-means）的方法。

上式（1）（2）中ξ表示像素之间的相似性，Z(i)表示归一化常数，再由欧几里德距离度量做领域内像素重构如式：

对于某个像素i，在稳定的情况下，如果找到一个它的领域，NL-means算法就会收敛于i的条件期望。在这样的状况下，随着图像大小的增长，稳定条件也随之对于图像的所有细节，我们可以找到许多类似的区块。从而可以很好的对图像进行去噪。

2.4 图像分割

基于区域的一种图像分割技术叫做阈值分割法［9］。由于容易实现、计算不复杂以及应用面广的优点，是特征提取以及模式识别等之间进行后续处理的不可或缺的步骤。它的基本思想就是，基准的阈值T首先要确定，接着对图像g（x，y）的每个像素点的灰度值和T对比，就得到一幅二值图像h（x，y）转换关系为:

得出合适的阈值T是阈值分割法的核心，T的选取与直方图有关。通过观察分析直方图是一个有效的方法，如果存在双峰，那么阈值就用两峰期间的谷底值来充当。

通过上面的分析，选择合适的阈值在阈值分割法中是极其重要的，最后处理结果的好坏由它决定。若是选取的阈值偏大会将不需要的信息也提取出来，相反，阈值偏小会丢失部分重要信息。求取阈值的方式有很多种，本文是以最大类间方差法作为主要研究内容，其主要思想为：先预设一副图像由L个灰度级，每个灰度值的像素点个数为Ni，其概率为Pi=Ni∕N，N为图像总像素点，选定一个门限T，计算灰度大于T的像素的方差σ2a(T)及灰度小于T的像素方差σ2b(T)，设w1(T)为小于T像素的概率，w2(T)为像素大于T的概率，则背景和目标图像的类间方差函数为：

搜索全部可能的T值，当使σ2a(T)最大值时，就找到了最合适的阈值。从而最后得到二值化的阈值分割图。

3 系统实现

3.1 系统主界面显示

通过上述的设计，可得到如图5所示的系统主界面。

图5 系统主界面

3.2 图像上传功能的实现

该系统无需登录，设备开机的同时系统界面也自主启动。电池板栅图像实时抓拍上传作为系统的基本功能，电池板栅在传送架上穿过视觉检测设备，相机实时抓拍每一片板栅，在抓拍检测是否合格品的同时，通过光电传感器触发，统计出不良品以及总生产的数量。用户可以远程传输数据和清除前面生产缓存的数据。经过处理的图像分析识别后，如果发现电池板栅有断丝等缺陷不合格的产品，触发机台上面的报警灯立即报警，机台停机操作员剔除不合格品，继续监测运转。具体实现流程和系统样机如图6所示。

图6 实现流程图和系统样机操作示意图

4 结语

基于机器视觉的电池铅板栅缺陷监测系统是对于铅酸电池组件缺陷方面一个全新的尝试。本文研究了电池板栅缺陷图像采集识别系统，完成了板栅图像的实时采集、图像处理以及缺陷的识别判断，为企业生的产效率和产品质量提供了很好的推动。由于系统目前的相机和条件下，对电池板栅边缘偶尔出现的一些肉眼难以看出的毛刺检测存在一定偏差，有待进一步的研究与改进，从而实现对电池板栅的缺陷全面精准检测。