基于机器视觉的碱性电池涂胶缺陷在线检测系统的研究与设计

发布时间：2020-08-07 11:08

【摘要】：碱性电池作为一种日常生活中不可或缺的产品,它的质量直接关乎到人们的身体健康。如果出现漏液现象将产生很严重的影响,因此在当下高速的自动化生产过程中,快速的把缺陷电池剔出来将会减少很多损失。本文研究碱性电池生产线中电池涂胶环节,针对电池涂胶的一些缺陷进行深入的探究,对电池涂胶质量的关键技术进行研究,设计了一套基于机器视觉的碱性电池涂胶缺陷在线检测系统。本文设计的检测系统,以工业控制可编程逻辑控制器为主控制器,来执行相应的工作,采用视觉传感器作为图像处理模块,对电池涂胶图片进行分析和特征提取,最后做出判断,将结果通过人机界面显示出来。主控制器对视觉传感器进行控制,来实现碱性电池涂胶缺陷的在线实时检测,将视觉传感器分析出来的结果转化为剔除机构的机械运动,将不合格产品从生产线上剔除。本文以涂胶后的碱性电池为研究对象,对电池图像首先进行图像灰度化,把彩色图像转化为便于分析的灰度图像,然后进行图像预处理,再对缺陷特征进行提取,最后进行缺陷检测以及缺陷模式的识别,对其中涉及的算法进行了深入的研究,并对各处理算法做了对比,选择出对于本检测系统最适合的中值滤波、图像分段灰度变换法等算法。针对预处理后的图像中缺陷,采用了多级图像检测算法进行缺陷检测和识别,并确定缺陷检测流程。根据碱性电池生产的实际条件和要满足的缺陷检测要求,在原有生产线的涂胶机硬件平台上设计了碱性电池涂胶缺陷在线检测系统的总体结构,详细介绍了整个系统的硬件设计和软件模块设计。为了验证本文设计的系统能够稳定快速检测,在离线状态下进行调试,在工厂在线状态下进行自动检测实验。通过大量的实验验证,本文设计的碱性电池涂胶缺陷检测算法对涂胶缺陷的识别率高、准确率高,能够满足预期提出的检测要求,则该系统的相关技术和提出的检测方法是有效可行的。该检测系统最终应用在实际电池生产线上。
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41;TM911.14

【参考文献】

相关期刊论文 前10条

1 李竹林;王静;;一种基于滤波的分段点乘图像分割算法[J];电子设计工程;2016年23期

2 黄志鸿;毛建旭;王耀南;周显恩;历艳琨;刘学兵;;基于机器视觉的啤酒瓶口缺陷检测分类方法研究[J];电子测量与仪器学报;2016年06期

3 李娜;;视觉传感器在工业的应用[J];中国新技术新产品;2016年09期

4 李胜;杨林;;碱性锌锰电池生产设备的进展和发展方向[J];电池;2015年04期

5 秦爽;谢瑞;孙畅;姚晓宁;;基于视觉传感器的实训系统开发[J];科技创新导报;2015年23期

6 黄];王珊珊;耿骞;;国外图像特征研究进展与启示[J];图书情报工作;2015年08期

7 吴一全;孟天亮;吴诗Zs;;图像阈值分割方法研究进展20年(1994—2014)[J];数据采集与处理;2015年01期

8 郭静;罗华;张涛;;机器视觉与应用[J];电子科技;2014年07期

9 赵文达;续志军;赵建;王鹤;王飞;;基于梯度直方图变换增强红外图像的细节[J];光学精密工程;2014年07期

10 朱柯润;田丹;;基于机器视觉的电池尾端破皮检测[J];微电子学与计算机;2014年05期

相关博士学位论文 前7条

1 龙建武;图像阈值分割关键技术研究[D];吉林大学;2014年

2 阳树洪;灰度图像阈值分割的自适应和快速算法研究[D];重庆大学;2014年

3 汪启伟;图像直方图特征及其应用研究[D];中国科学技术大学;2014年

4 李九灵;可重构的机器视觉在线检测方法的研究[D];武汉科技大学;2013年

5 李文羽;基于机器视觉和图像处理的色织物疵点自动检测研究[D];东华大学;2014年

6 刘波;机器视觉水中图像特征提取与对象辨识研究[D];大连理工大学;2013年

7 郭龙源;计算机视觉立体匹配相关理论与算法研究[D];南京理工大学;2009年

相关硕士学位论文 前10条

1 区炳煜;基于机器视觉的锯条缺陷检测系统开发[D];广东工业大学;2016年

2 陈观应;基于机器视觉的干电池缺陷并行检测方法研究[D];广东工业大学;2016年

3 范鹏飞;基于机器视觉的色差检测系统研究与设计[D];江南大学;2016年

4 胡sズ

本文编号：2783906