本发明涉及一种蓄电池极板外观缺陷自动检测方法。传统的蓄电池极板的外观缺陷主要采用目测方法，具有较大的局限性。本发明方法首先由线阵CCD摄像头获得蓄电池极板其中一面的灰度图像，对灰度图像进行保留边缘的平滑滤波处理；然后对滤波后图像进行自适应阈值分割；最后确认孤立噪声点，统计所有连续备选缺陷点的数目，当该数量大于设定阈值时输出缺陷报警信号。本发明采用边缘保持的平滑方法，结合自适应阈值分割技术，并充分考虑了缺陷的面积特征，实现了实时准确的蓄电池极板外观检测。本发明可以高效准确地进行蓄电池极板外观缺陷的检测，该方法速度快、缺陷检测成功率高、无污染。
1.一种蓄电池极板外观缺陷自动检测方法，其特征在于该方法的具体步骤是：步骤(1)由线阵CCD摄像头获得蓄电池极板其中一面的灰度图像IH，其中图像分辨率为 ， 表示图像宽度， 表示图像高度；
步骤(2)对灰度图像IH进行保留边缘的平滑滤波处理，得到滤波后图像 ，具体步骤如下：①对灰度图像IH中的每一象素 ，抽取出其左上角、右上角、左下角及右下角4个
3×3邻域，其中：左下角邻域的9个像素坐标分别为 、 、、 、 、 、 、 、 ；左上角邻域的9个像素坐标分别为 、 、 、 、 、 、、 、 ；右下角邻域的9个像素坐标分别为 、 、、 、 、 、 、 、 ；右上角邻域的9个像素坐标分别为 、 、 、 、 、 、、 、 ；上述邻域若因 处图像的边沿或角落不存在则忽略；
②计算上述每个3×3邻域的灰度均值，分别记为glu，gru，gld，grd；
③对glu、gru、gld、grd、IH 进行排序，令它们的中间值为gm，则滤波后图像为，IH 为灰度图像IH中的象素 的灰度值；
步骤(3)对步骤(2)中所获得的滤波后图像 进行自适应阈值分割，具体步骤为：①计算 的均值 ；
②对 中的所有像素以 为分界点进行二分类，灰度值大于 的归为一类，反之归为另一类，分别计算该两类像素的均值 和 ，令 为该两类像素均值的均值，即；
③继续以 为分界点对 中的所有像素进行二分类，令 为该两类像素均值的均值；
④重复上述二分类过程 次，获得 的自适应分割阈值 ；
⑤若 则令 ，对应的像素为备选缺陷点；若 则令，对应的像素不是备选缺陷点；
步骤(4)在8-邻域上计算空间上连续的备选缺陷点的面积，即对每一个备选缺陷点 ，考查其邻域8个邻域点 、 、 、 、 、、 、 是否为备选缺陷点，若所有全部8个邻域点均不是备选缺陷点，则认为 是孤立噪声点；反之，以邻域中的备选缺陷点为中心继续向外扩散，直到不能找到连续备选缺陷点为止，统计所有连续备选缺陷点的数目，当该数量大于 时输出缺陷报警信号，否则不报警；其中 为面积滤波阈值；
步骤(5)获得蓄电池极板另一面的图像IT，重复步骤(2)～(4)，获取极板该面的缺陷信息。
一种蓄电池极板外观缺陷自动检测方法
技术领域
[0001] 本发明属于蓄电池生产技术领域，具体涉及一种蓄电池极板外观缺陷自动检测方法。
背景技术
[0002] 蓄电池极板是蓄电池的关键部件。由于生产原料本身的缺陷、生产过程的不足，蓄电池极板可能会存在一定的缺陷如外观缺陷、组成成分缺陷等，这些缺陷会对蓄电池的性能产生致命影响，因此需在生产过程中对极板进行检验。目前，蓄电池极板的外观缺陷主要采用目测方法，必要时辅以卡尺或直尺测量；组成成分缺陷检测主要基于化学方法完成。不管是外观缺陷检测还是组成成分检测均需人工完成，存在以下几个方面的问题：首先，含铅材料对人体有较大伤害；其次，效率较低；再者，人工检测容易出错。因此，实际生产过程中往往采用抽样检测的方式，具有较大的局限性。
发明内容
[0003] 本发明的目的就是克服现有技术的不足，提出一种基于机器视觉的蓄电池极板外观缺陷自动检测方法，缺陷检测速度快、成功率高，无需人工参与。
[0004] 本发明的蓄电池极板外观缺陷自动检测方法，具体步骤是：
[0005] 步骤(1)由线阵CCD摄像头获得蓄电池极板其中一面的灰度图像IH，其中图像分辨率为 ； 表示图像宽度， 表示图像高度。
[0006] 步骤(2)对IH进行保留边缘的平滑滤波处理，得到滤波后图像 ，具体步骤如下：
[0007] ①对IH中的每一象素 ，抽取出其左上角、右上角、左下角及右下角4个3×3邻域，其中：左上角邻域的9个像素坐标分别为 、 、
、 、 、 、 、 、 ；右上角邻域的9个像
素坐标分别为 、 、 、 、 、 、
、 、 ；左下角邻域的9个像素坐标分别为 、 、
、 、 、 、 、 、 ；右下角邻域
的9个像素坐标分别为 、 、 、 、 、 、
、 、 ；上述邻域若因 处图像的边沿或角落不存在则忽
略。
[0008] ②计算上述每个3×3邻域的灰度均值，分别记为glu，gru，gld，grd。
[0009] ③对glu、gru、gld、grd、IH 进行排序，令它们的中间值为gm，则滤波后图像为，IH 为灰度图像IH中的象素 的灰度值。
[0010] 步骤(3)对步骤(2)中所获得的滤波后图像 进行自适应阈值分割，具体步骤为：
[0011] ①计算 的均值 。
[0012] ②对 中的所有像素以 为分界点进行二分类，灰度值大于 的归为一类，反之归为另一类，分别计算该两类像素的均值 和 ，令 为该两类像素均值的均值，即。
[0013] ③继续以 为分界点对 中的所有像素进行二分类，令 为该两类像素均值的均值。
[0014] ④重复上述二分类过程 次，获得 的自适应分割阈值 。
[0015] ⑤若 则令 ，对应的像素为备选缺陷点；若 则令，对应的像素不是备选缺陷点。
[0016] 步骤(4)在8-邻域上计算空间上连续的备选缺陷点的面积，即对每一个备选缺陷点 ，考查其邻域8个邻域点 、 、 、 、 、、 、 是否为备选缺陷点，若所有全部8个邻域点均不是备选
缺陷点，一般可以认为 是孤立噪声点；反之，以邻域中的备选缺陷点为中心继续向外扩散，直到不能找到连续备选缺陷点为止，统计所有连续备选缺陷点的数目，当该数量大于时输出缺陷报警信号，否则不报警。其中 为面积滤波阈值。
[0017] 步骤(5)获得蓄电池极板另一面的图像IT，重复步骤(2)～(4)，获取极板该面的缺陷信息。
[0018] 本发明可以高效准确地进行蓄电池极板外观缺陷的检测，该方法速度快、缺陷检测成功率高、无污染。
具体实施方式
[0019] 以下对本发明作进一步说明。
[0020] 步骤(1)由线阵CCD摄像头获得蓄电池极板其中一面的灰度图像IH，其中图像分辨率为 ； 表示图像宽度， 表示图像高度。
[0021] 步骤(2)对IH进行保留边缘的平滑滤波处理，得到滤波后图像 ，具体步骤如下：
[0022] ①对IH中的每一象素 ，抽取出其左上角、右上角、左下角及右下角4个3×3邻域，其中：左上角邻域的9个像素坐标分别为 、 、
、 、 、 、 、 、 ；右上角邻域的9个像
素坐标分别为 、 、 、 、 、 、
、 、 ；左下角邻域的9个像素坐标分别为 、 、
