【技术实现步骤摘要】
本专利技术涉及电池异常检测，具体为一种基于视觉识别的电池外观异常检测系统及方法。
技术介绍
1、随着电动汽车、便携式电子设备等的普及，电池作为一种高效的能源储存解决方案变得愈发重要。然而，电池的安全性直接关系到使用产品的可靠性和用户安全。外壳外观缺陷可能导致电池性能下降，甚至引发安全问题。
2、传统的人工检测方法在效率低下，且存在漏检的风险；现有的机器视觉系统中，没有对采集的电池实时图像进行图像质量评估，且没有对图像采集的参数进行调整以提高图像质量，不利于检测的准确性，存在错检的风险。
3、所以，本专利技术公开一种基于视觉识别的电池外观异常检测系统及方法以解决上述问题。
技术实现思路
1、本专利技术的目的在于提供一种基于视觉识别的电池外观异常检测系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于视觉识别的电池外观异常检测方法，该方法包括如下步骤：
3、s1：利用摄像机拍摄电池的外观图像，传感器采集电池的环境信息，将电池的基础信息、外观图像和环境信息上传至数据库，提取数据库中电池的基础信息，构建电池的三维外观模型，根据环境信息和三维外观模型生成电池外观对比图像；
4、s2：获取电池的历史外观图像和历史环境信息，对电池的历史外观图像和历史环境信息进行解析，基于历史外观图像构建图像质量评估模型，根据历史外观图像的图像质量评估结果与历史环境信息，构建图像评估与环境关联模型；
5、s3：基于图像质量评估模型对电池实时外观图像进行图像质量评估，根据图像质量评估结果和图像评估与环境关联模型，实时调整照明设备参数；
6、s4：调整照明设备参数后，再次获取电池实时外观图像，将电池实时外观图像与电池外观对比图像进行对比，确定电池实时外观图像中异常区域；
7、s5：基于异常区域对比数据库，生成异常检测结果，对用户进行提示与报警。
8、根据上述方案，步骤s1中的电池的基础信息包括电池的标识信息、种类信息和规格信息；所述标识信息与电池一一对应，所述标识信息包括电池的标号信息，根据所述标号信息能够从数据库中，查找提取相对应电池的所有信息；所述规格信息包括电池的型号信息和标准外观信息；所述标准外观信息不存在瑕疵和质量问题；
9、所述环境信息包括光亮信息、电池位姿信息和电池与摄像机相对位置；所述光亮信息包括照明设备光亮数值和非照明设备光亮数值；
10、所述非照明设备光亮数值在不开启照明设备时，利用传感器对自然光亮度进行采集；
11、根据电池的规格信息，使用三维建模软件创建电池的三维外观模型；基于三维外观模型创建三维坐标系，基于电池位姿信息和电池与摄像机相对位置，将摄像机映射至三维坐标系中的映射点；
12、基于三维建模软件创建电池的三维外观模型，能够有效地呈现不存在问题的标准电池的外观。
13、以摄像机在三维坐标系中的映射点为起点，根据摄像机的拍摄范围，生成拍摄范围射线；基于拍摄范围射线、摄像机拍摄参数和三维外观模型生成电池外观对比图像，将原色的电池外观对比图像进行图像灰度化处理。
14、基于三维外观模型能够更加准确地提供电池外观对比图像的基础信息；提高了系统异常检测的稳定性和准确性。
15、根据上述方案，在s2步骤中，将由一个摄像机采集的历史外观图像进行相同规则的图像灰度化处理，处理之后组合生成历史外观图像集，记为hai＝{haii|i∈[1，n]}，其中haii表示历史外观图像集中序号为i的历史外观图像，n表示历史外观图像集中历史外观图像的总数量；
16、对于历史外观图像haii，分别计算历史外观图像的评估图像质量参数，并将各个评估图像质量参数进行归一化处理；所述评估图像质量参数包括拉普拉斯变换值shi、直方图的标准差coi、像素的平均值bri和峰值信噪比noi；
17、基于历史外观图像的评估图像质量参数构建图像质量评估模型：
18、iqvi＝a1×shi+a2×coi+a3×bri+a4×noi；
19、其中iqvi表示历史外观图像haii的图像质量数值，a1、a2、a3和a4分别为历史外观图像的拉普拉斯变换值、直方图的标准差、像素的平均值和峰值信噪比的权重值，其中a1+a2+a3+a4＝1；
20、拉普拉斯变换值能够有效的评估图像的清晰度，直方图的标准差能够有效的评估图像的对比度，像素的平均值能够有效的评估图像的亮度，峰值信噪比能够有效地评估图像的噪声的水平；基于上述多种参数对历史外观图像的整体图像质量进行评估，能够有效提高评估的准确性；
21、基于图像质量评估模型对历史外观图像haii评估图像质量；根据历史外观图像haii的图像质量数值iqvi、照明设备光亮数值lfbi和非照明设备光亮数值nlfbi构建图像评估与环境关联集合，记为iee＝{(lfbi，nlfbi，iqvi)|i∈[1，n]}；基于图像评估与环境关联集合构建图像评估与环境关联模型：z＝α1×x+α2×y+α3；其中α1、α2和α3表示拟合系数，x表示照明设备光亮数值的自变量，y表示非照明设备光亮数值的自变量，z表示图像质量数值的因变量，利用最小二乘法对图像评估与环境关联模型中的α1、α2和α3进行计算求解。
22、利用图像质量数值、照明设备光亮数值和非照明设备光亮数值构建图像评估与环境关联模型，能够有效地将图像评估和光亮信息进行关联，为后续照明设备参数调整提供数值基础，有效提高了系统的自动化；
23、根据上述方案，在步骤s3中，分别计算电池实时外观图像的评估图像质量参数，并将各个评估图像质量参数进行归一化处理；将归一化处理后的评估图像质量参数代入图像质量评估模型，对电池实时外观图像进行图像质量评估；
24、对图像质量数值设置图像质量数值阈值，若电池实时外观图像的图像质量数值大于或等于图像质量数值阈值，直接跳转至步骤s4；
25、若电池实时外观图像的图像质量数值小于图像质量数值阈值，将图像质量数值阈值和非照明设备光亮数值，代入拟合好的图像评估与环境关联模型，计算得到照明设备光亮数值，调整照明设备参数达到照明设备光亮数值。
26、对图像质量不佳的电池实时外观图像调整照明设备参数，提高电池实时外观图的图像质量，提高了电池外观异常检测的准确性和稳定性；
27、根据上述方案，在步骤s4中，调整照明设备参数后，再次获取电池实时外观图像，所述电池实时外观图像和电池外观对比图像在采集时，电池位姿信息、电池与摄像机相对位置和摄像机的焦距相同；
28、将电池位姿信息、电池与摄像机相对位置和摄像机的焦距进行设定，能够获得摄像机视野区域相同的图像，提高后续对比效率；
29、将分别进行过图像灰度化处理的电池实时外观图像与电池外观对比图像进行对比，包括：
30、将电池实时外观图像和电池外观本文档来自技高网...
【技术保护点】
1.一种基于视觉识别的电池外观异常检测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种基于视觉识别的电池外观异常检测方法，其特征在于：步骤S1中的电池的基础信息包括电池的标识信息、种类信息和规格信息；所述标识信息与电池一一对应，所述标识信息包括电池的标号信息，根据所述标号信息能够从数据库中，查找提取相对应电池的所有信息；所述规格信息包括电池的型号信息和标准外观信息；所述标准外观信息不存在瑕疵和质量问题；
3.根据权利要求2所述的一种基于视觉识别的电池外观异常检测方法，其特征在于：在S2步骤中，将由一个摄像机采集的历史外观图像进行相同规则的图像灰度化处理，处理之后组合生成历史外观图像集，记为HAI＝{HAIi|i∈[1，N]}，其中HAIi表示历史外观图像集中序号为i的历史外观图像，N表示历史外观图像集中历史外观图像的总数量；
4.根据权利要求3所述的一种基于视觉识别的电池外观异常检测方法，其特征在于：在步骤S3中，分别计算电池实时外观图像的评估图像质量参数，并将各个评估图像质量参数进行归一化处理；将归一化处理后的评估图像质量
5.根据权利要求4所述的一种基于视觉识别的电池外观异常检测方法，其特征在于：在步骤S4中，调整照明设备参数后，再次获取电池实时外观图像，所述电池实时外观图像和电池外观对比图像在采集时，电池位姿信息、电池与摄像机相对位置和摄像机的焦距相同；
6.根据权利要求5所述的一种基于视觉识别的电池外观异常检测方法，其特征在于：在步骤S5中，基于异常区域对比缺陷数据库，所述数据库包括电池常见异常现象的图像；
7.一种基于视觉识别的电池外观异常检测系统，所述系统应用于权利要求1-6中的任意一项所述的一种基于视觉识别的电池外观异常检测方法实现，其特征在于，该系统包括电池数据采集模块、数据库、外观对比图像生成模块、评估关联模型构建模块、参数调整模块和异常对比与提示模块；
8.根据权利要求7所述的一种基于视觉识别的电池外观异常检测系统，其特征在于：所述外观对比图像生成模块包括三维模型及映射单元和对比图像生成单元；
9.根据权利要求7所述的一种基于视觉识别的电池外观异常检测系统，其特征在于：所述评估关联模型构建模块包括图像质量评估单元和图像评估与环境关联单元；
10.根据权利要求7所述的一种基于视觉识别的电池外观异常检测系统，其特征在于：所述异常对比与提示模块包括图像异常对比单元和报警提示单元；
...【技术特征摘要】
1.一种基于视觉识别的电池外观异常检测方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的一种基于视觉识别的电池外观异常检测方法，其特征在于：步骤s1中的电池的基础信息包括电池的标识信息、种类信息和规格信息；所述标识信息与电池一一对应，所述标识信息包括电池的标号信息，根据所述标号信息能够从数据库中，查找提取相对应电池的所有信息；所述规格信息包括电池的型号信息和标准外观信息；所述标准外观信息不存在瑕疵和质量问题；
3.根据权利要求2所述的一种基于视觉识别的电池外观异常检测方法，其特征在于：在s2步骤中，将由一个摄像机采集的历史外观图像进行相同规则的图像灰度化处理，处理之后组合生成历史外观图像集，记为hai＝{haii|i∈[1，n]}，其中haii表示历史外观图像集中序号为i的历史外观图像，n表示历史外观图像集中历史外观图像的总数量；
4.根据权利要求3所述的一种基于视觉识别的电池外观异常检测方法，其特征在于：在步骤s3中，分别计算电池实时外观图像的评估图像质量参数，并将各个评估图像质量参数进行归一化处理；将归一化处理后的评估图像质量参数代入图像质量评估模型，对电池实时外观图像进行图像质量评估；
5.根据权利要求4所述的一种基于视觉识别...
【专利技术属性】
技术研发人员：许国荣，冯君，陈雄健，辛宁，林志鹏，
申请(专利权)人：江苏智慧优视电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。