基于机器视觉的锂锰扣式电池分选检测系统

　　引言

　　现代先进制造技术的进步，传统的检测方法已无法完全满足现代制造业的特殊要求。基于机器视觉的检测已成为当前机器视觉领域的研究热点，有着广泛的应用前景。本文进行的研究是基于机器视觉的基本理论，以研究构建一个开放性多功能视觉系统为基础，进行视觉检测方面的研究。传统的锂锰电池的分选检测主要靠人工来完成，检测时存在速度慢、扣式电池精度不统一、劳动量大等问题，应用机器视觉可有效的解决这些问题，实现大批量产品的快速、准确检测。

　　1　系统总体结构

　　视觉检测系统的硬件由光源、CCD摄像机、图像采集卡、计算机组成；软件由LabV IEW及其工具软件包IMAQ Vision组成。它的工作过程是首先由光源照射到电池上，然后电池的反射光通过镜头成像到CCD摄像机上，图像采集卡把CCD摄像机上的光信号转换成电信号，也就是把原始图像转化为数字图像，计算机用图像处理软件IMAQ Vision与LabV IEW开发的软件系统进行图像处理、图像识别、特征匹配和目标定位，并显示出处理结果与判断信息，然后运动控制系统根据判断信息决定下一步运动。本课题选择日本AVEN IR镜头，型号为SSV5533,其焦距范围为5. 5～33mm,视角61°～10°，手动三可变，外形尺寸<35 mm ×64mm。日本CCS公司的LED光源。

　　DH2CG300是实时视频采集卡。该卡利用PCI桥路技术，实现图像的采集及动态显示。

　　2　图像采集

　　图像采集的过程也就是图像采集板卡对来自CCD的标准视频信号（ PAL制式） 进行模数转换的过程， 将量化后的数据通过PCI总线传入计算机内存，然后通过编制的应用程序读取显示。视频采集应用程序由LabV IEW 编制完成，针对使用LabV IEW软件编程环境编写大恒图像采集卡的视频采集应用程序，大恒公司开发了DHFGDLLForLab. dll的动态链接库文件，通过调用DHFGDLLForLab. dll,可以在LabV IEW环境下使用大恒图像采集卡采集图像。LabV IEW提供了一个调用库函数节点（ Call L ibrary Function Node, CLFN） 。通过对Call L i2brary Function Node的配置可以实现DLL的调用，关键是要了解被调用的函数名称、功能及其输入输出参数。

　　3　图像预处理

　　本课题的研究重点就是根据电池正极表面字符，形状等特征将不同品牌的电池区分开。由于电池表面具有较强的反光作用，在图像拍摄过程中，视野周围的物体，如摄像头，支架等的放射会造成镜面影像，增加了图像处理的难度，甚至无法处理，因此需要加外光源照射来降低图像处理的难度。然后便是对图像进行预处理，由于摄像头采集的信号通常都存在噪声，为了减少噪声，我们分别运用中值滤波法和均值滤波法，然后对他们进行比较，最终选定中值滤波法。之后进行图像锐化，我选择的方法分别是梯度锐化和拉普拉斯锐化，然后进行比较。最后进行灰度变换，对一幅电池图像（单个）如图1所示进行直方图均衡化处理，就可以得到如图2所示的直方图均衡化效果。根据以上流程最终在labview下编写图像预处理程序，图3 为V I程序图像预处理前面板，图4 为获取模板界面。

图1　均衡化前原始图像

图2　均衡化后图像

图3　图像预处理前面板

图4　获取模板界面