论文部分内容阅读
干电池是生活中重要的日用消费品,随着需求增长和自动化技术发展,干电池生产设备日益朝向高速化、自动化方向发展。干电池各个工序的检测是决定其产品质量的一个重要环节。由于生产设备、工艺和环境等因素的影响,干电池在生产过程会出现锌筒和浆层纸变形、漏装碳棒、碳棒偏心等缺陷,这些缺陷会严重影响干电池的质量。目前传统检测方式依赖于人工目测,不但检测速度慢,劳动强度大,而且不能消除主观和视觉疲劳带来的检测误差,难以满足现代高速生产线的检测要求。因此,如何高效、准确地检测出干电池缺陷,不仅是企业提高干电池质量和效率所急需解决的问题,而且具有重要的课题研究价值。基于LabVIEW的机器视觉检测方法有非接触、高速度和高精度等特点。本文针对干电池生产线上三类缺陷:锌筒、浆层纸和碳棒缺陷,展开机器视觉的多通道并行检测研究,初步实现了并行检测实验装置的搭建。首先,本文对浆层纸装配和插碳棒工位做检测需求分析,制定实验装置的技术要求及整体设计方案。并完成硬件部分图像采集系统的搭建,包括照明系统设计、CMOS传感器选型、光学镜头选型及安装、PC控制计算机组件选型。其次,本文在LabVIEW平台上采用基于队列状态机的生产者/消费者设计模式,通过生产者/消费者队列数据传输实现多通道图像采集。四个CMOS摄像头并行采集的图像数据和程序运行状态捆绑加入生产者/消费者队列中,通过队列传输图像数据和运行状态。该模式充分利用了控制计算机自动多线程编程的硬件资源,也结合了生产者/消费者设计模式的并行性,提高了程序运行效率。检测装置的软件架构采用模块化设计,介绍了LabVIEW上的多通道图像采集模块、图像处理模块和数据存储模块实现过程,并对实验装置的主界面进行了设计。最后,对整个程序的核心图像处理模块展开设计与优化。研究了各种干电池图像预处理和分割方法,通过实验结果对比,中值滤波更适合干电池图像消噪,线性灰度变换在增强干电池目标信息对比度上效果更佳。研究了边缘检测方法,通过实验结果对比,发现锌筒、浆层纸和碳棒存在明显边缘特征,为缺陷识别提供特征参数。针对干电池锌筒缺陷、浆层纸和碳棒缺陷的识别算法:基于梯度的轮廓提取能够高效地提取锌桶外轮廓以及实现碳棒的定位,使用实际轮廓与拟合轮廓的间距来衡量锌筒变形程度,该程序易于实现且可靠性高;浆层纸具有明显的区域特征,通过区域边缘强度检测能够准确识别缺陷;通过区域边缘强度检测和碳棒轮廓定位可以有效实现缺碳棒和偏心缺陷识别。