纽扣电池表面AI视觉缺陷检测解决方法

今电池作为需求量极大的产品，其质量高低在生产环节中具有重要意义。手机电池、硅太阳能电池、电池极片等均有视觉检测研究文献报道，但对扣式电池开展自动质量检测的报道极少。

扣式电池体积小，外观直径一般不超过两三厘米，在各种电子产品特别是微小型产品中得到了广泛的应用，如电子词典、计算器、助听器、电子手表、主板等。

人工检测电池不但效率低下，而且电池表面为金属制成，反光严重，长期的人眼检测有损视力健康。因此机器视觉检测技术的研究，将有助于电池制造行业的水平提高。

缺陷类型多样

电池在生产过程中，因生产工艺不足或其他偶然因素会产生一些次品，因此希望能够研发一套电池质量检测系统，能自动将不合格电池检出。

扣式电池质量检测主要包括电量指标检测和外观缺陷检测。

电量指标检测可通过设计电子装置，完成对电池电流电压进行快速检测，判断其电流电压数值及充放电性能是否存在异常。

外观缺陷检测则复杂得多，因电池具有正负两极，则外观检测分为正极和负极两方面。

正极外观缺陷主要包括：划痕、 锈斑、凹点、光面等，另外包装过程中，也会产生正负极颠倒、型号混淆等错装事件。

正极面外观合格与缺陷图像

注：(a)为合格， (b)为划伤， (c)为锈斑， (d)为凹坑， (e)为光面

负极外观缺陷种类如下图：

负极面外观合格与缺陷图像

注：(a)为合格， (b)为划伤， (c)为锈斑

检测难度节节攀升

扣式电池视觉检测存在众多难点，传感器成像和图像处理均较为困难。

扣式电池外观缺陷种类繁多，主要包括：划痕、锈斑、污脏、凹点、光面等，缺陷尺寸多在毫米级。

与纺织物品等缺陷检测不同，扣式电池外表面为金属制成，金属表面在光源照射下反光严重。

与传统的金属钢板等检测不同，拇指大小的扣式电池表面上还存有字符的干扰，因此图像传感系统还要保证字符和缺陷均能够尽量清晰成像。

且电池生产工艺受限，金属表面难以保证绝对平整，微表面存在不平，又致使漫反射严重；

同时表面字符刻制不够标准，存在位置偏移、 且深浅不一等现象，因此成像后图像字符粗细和位置将出现较大的变化，这些给光路系统设计和图像处理带来极大困难。

为提高检测效率，生产中通常会采用多点检测，在每个检测点下实现多电池目标同时检测，因此光源难以保证均匀照射于各电池表面，给后续的处理带来难度；

另外电池正极面的字符倾斜角度在图像上呈现为随机变化，图像校正也成为研究中的难点。

机器视觉技术击破产品缺陷检测难点

上述冲压产品缺陷检测难题，在具有成熟技术优势的矩视智能研发团队眼中并非无解。

机器视觉子系统是电池质量自动检测整机系统的核心组成。若从模块功能上分析，该系统需要具有以下模块和功能。

图像采集：机器视觉检测系统的第一步需要获得待检测目标的原始图像。一般通过相机、光源等硬件搭建一套合理的视觉成像系统；当相机传感器获得原始成像信号后，需要通过专用图像采集卡处理后完成数据转换，计算机方可获取图像进行后续处理。

图像处理：计算机对采集的原始图像进行处理，最大程度去除图像中的噪声和无关背景，并增强图像目标，从而获得易于进一步分析和识别的标准图像。

图像分析与特征提取：计算目标图像的相关特征量。

图像识别：通过设计合理的模式识别程序，对特征量进行判别，完成视觉检测。

因电池具有正极面和负极面，另外为了提高生产效率，系统总体应设计为分布式体系结构，以实现快速并行检测。

分布式检测中的位点为视觉检测各组成单元。机器视觉模块包括工业相机、镜头、光源、光源控制器等元件，在光源照明下，待测物体反射光路通过镜头聚焦，在工业相机上完成成像；原始图像信号经过数据线传输，在图像采集卡处理后由工业 PC 机获得；控制器对工业相机实施采集控制，从而实现自动触发。

智能化、自动化、数字化、信息化是未来制造业的发展大趋势，矩视智能致力于制造业工厂企业智能改造，数字化升级。

审核编辑：郭婷