一种基于机器视觉的电池表面标识缺陷检测方法及系统与流程

本发明涉及一种电池缺陷检测方法及系统，特别是涉及一种基于机器视觉的电池表面标识缺陷检测方法及系统，属于机器视觉检测技术领域。

背景技术：

现如今工业中涉及到产品尺寸测量、产品定位识别以及产品外观缺陷检测等应用，大多采用机器视觉技术，通过图像摄取装置将摄取的对象转换成图像信号，然后传送给图像处理系统，根据像素特征将图像信号转换为数字信号，图像处理系统利用这些数字信号提取目标特征，根据特征数据来判断产品结果进行质量检测，但是，现有的手机电池表面标识缺陷检测系统存在功耗高、效率低、检错准确率低等缺点。

技术实现要素：

本发明的主要目的是为了提供一种功耗低、耗时短、检错准确率高且稳定的基于机器视觉的电池表面标识缺陷检测方法及系统。

本发明的目的可以通过采用如下技术方案达到：

一种基于机器视觉的电池表面标识缺陷检测方法，在合适的光源环境下通过采集待测电池图像，并对采集到的图像进行图像预处理，得出电池的最佳效果图像和位姿图像，分别快速框选出位姿图像中的字符区域和二维码区域，快速进行ocr字符检测及匹配、二维码识别，判别出电池表面印刷合格与否。

进一步的，电池的位姿图像采用标定算法得出。

进一步的，快速框选出字符区域和二维码区域采用自动定位特征区域算法。

进一步的，电池表面印刷合格与否是通过阈值判别算法实现。

进一步的，基于机器视觉的电池表面标识缺陷检测方法，具体包括如下步骤：

步骤1：采用高清工业相机采集待测电池图像，并对采集到的图像进行图像预处理，得出最佳效果图像，采用标定算法对图像进行矫正，得出最佳位姿的图像；

步骤2：针对最佳效果图像和最佳位姿图像，通过定位特征区域算法分别快速地框选出字符区域和二维码区域，通过ocr字符检测及匹配算法和二维码识别算法快速地进行ocr字符检测及匹配、二维码识别；

步骤3：通过阈值判别算法判别出电池表面印刷合格与否。

进一步的，所述步骤1中，图像预处理包括图像灰度化处理、图像自动阈值处理、图像形态学处理和图像中值滤波处理。

进一步的，图像形态学处理包括图像形态学膨胀和图像形态学腐蚀。

进一步的，所述步骤2中，定位特征区域算法包括字符区域定位算法和二维码区域定位算法。

进一步的，所述步骤3中，通过阈值判别算法判别出电池表面印刷合格与否，包括如下步骤：

步骤31：当读取二维码时，判断二维码是否可读，如果二维码可读则返回变量a＝1，否则返回a＝0；

步骤32：ocr字符区域和二维码区域同时进行检测，将ocr字符检测与模板字符进行匹配，判断是否大于某个匹配数值，如果大于匹配数值则返回变量b＝1，否则，返回b＝0；

步骤33：将ocr字符检测返回变量与二维码是否可读返回变量进行与门运算c＝a*b；

步骤34：返回最终与门运算结果，如果结果为c＝1，则表示产品合格，否则产品不合格并发出警报信息。

一种基于机器视觉的电池表面标识缺陷检测方法，包括图像预处理模块、图像定位识别模块和图像检测结果显示模块，所述图像预处理模块与所述图像定位识别模块电连接，所述图像定位识别模块与所述图像检测结果显示模块电连接。

本发明的有益技术效果：按照本发明的基于机器视觉的电池表面标识缺陷检测方法及系统，本发明提供的基于机器视觉的电池表面标识缺陷检测方法及系统，对预处理后的图像进行矫正得到最佳位姿图像，使得接下来的自动定位特征区域的运算大大地节省了时间，而自动定位特征区域算法更是精准地分别框出字符区域和二维码区域，使ocr字符检测算法和二维码识别算法能够快速、准确地进行，最后的阈值判别算法能够快速、准确地判断检测结果，得出电池表面印刷合格与否。整个方案不仅稳定，而且效率高，同时准确率高。

附图说明

图1为按照本发明的基于机器视觉的电池表面标识缺陷检测方法及系统的一优选实施例的整体流程图。

图2为按照本发明的基于机器视觉的电池表面标识缺陷检测方法及系统的一优选实施例的创建流程图。

图中：1-图像预处理模块，2-图像定位识别模块，3-检测结果显示模块。

具体实施方式

为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1和图2所示，本实施例提供的一种基于机器视觉的电池表面标识缺陷检测方法，在合适的光源环境下通过采集待测电池图像，并对采集到的图像进行图像预处理，得出电池的最佳效果图像和位姿图像，分别快速框选出位姿图像中的字符区域和二维码区域，快速进行ocr字符检测及匹配、二维码识别，判别出电池表面印刷合格与否，具体包括如下步骤：

步骤1：采用高清工业相机采集待测电池图像，并对采集到的图像进行图像预处理，图像预处理包括图像灰度化处理、图像自动阈值处理、图像形态学处理和图像中值滤波处理，图像形态学处理包括图像形态学膨胀和图像形态学腐蚀，得出最佳效果图像，采用标定算法对图像进行矫正，得出最佳位姿的图像；

步骤2：针对最佳效果图像和最佳位姿图像，通过定位特征区域算法分别快速地框选出字符区域和二维码区域，其中，定位特征区域算法包括字符区域定位算法和二维码区域定位算法，通过ocr字符检测及匹配算法和二维码识别算法快速地进行ocr字符检测及匹配、二维码识别；

步骤3：通过阈值判别算法判别出电池表面印刷合格与否，包括如下步骤：

步骤31：当读取二维码时，判断二维码是否可读，如果二维码可读则返回变量a＝1，否则返回a＝0；

步骤32：ocr字符区域和二维码区域同时进行检测，将ocr字符检测与模板字符进行匹配，判断是否大于某个匹配数值，如果大于匹配数值则返回变量b＝1，否则，返回b＝0；

步骤33：将ocr字符检测返回变量与二维码是否可读返回变量进行与门运算c＝a*b；

步骤34：返回最终与门运算结果，如果结果为c＝1，则表示产品合格，否则产品不合格并发出警报信息。

如图2所示，本实施例提供的一种基于机器视觉的电池表面标识缺陷检测方法，包括图像预处理模块、图像定位识别模块和图像检测结果显示模块，所述图像预处理模块与所述图像定位识别模块电连接，所述图像定位识别模块与所述图像检测结果显示模块电连接。

综上所述，在本实施例中，按照本实施例的基于机器视觉的电池表面标识缺陷检测方法及系统，本实施例提供的基于机器视觉的电池表面标识缺陷检测方法及系统，对预处理后的图像进行矫正得到最佳位姿图像，使得接下来的自动定位特征区域的运算大大地节省了时间，而自动定位特征区域算法更是精准地分别框出字符区域和二维码区域，使ocr字符检测算法和二维码识别算法能够快速、准确地进行，最后的阈值判别算法能够快速、准确地判断检测结果，得出电池表面印刷合格与否。整个方案不仅稳定，而且效率高，同时准确率高。

以上所述，仅为本发明进一步的实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明所公开的范围内，根据本发明的技术方案及其构思加以等同替换或改变，都属于本发明的保护范围。