CN210924614U - 一种基于机器视觉的电芯正负极识别设备 - Google Patents
一种基于机器视觉的电芯正负极识别设备 Download PDFInfo
- Publication number
- CN210924614U CN210924614U CN201921716369.7U CN201921716369U CN210924614U CN 210924614 U CN210924614 U CN 210924614U CN 201921716369 U CN201921716369 U CN 201921716369U CN 210924614 U CN210924614 U CN 210924614U
- Authority
- CN
- China
- Prior art keywords
- detection system
- battery cell
- linear module
- base
- feeding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本实用新型提出的是一种基于机器视觉的电芯正负极识别设备,其设备包括CCD检测系统、检测系统基座及送料传送系统;其中CCD检测系统设置于检测系统基座上,送料传送系统横向贯穿检测系统基座;送料传送系统将圆柱电芯载具输送至相应位置并进行定位,检测系统基座运送CCD检测系统至相应位置采集图像信息,CCD检测系统将所采集的图像信息传输至主控系统,由主控系统进行处理以完成电芯正负极识别,根据圆柱电芯自身特点有选择地进行图像处理过程,通过彩色图像灰度化算法有效获得目标特征明显的灰度图像,同时通过分析电芯正负极表面特征选择最优的特征进行模板匹配,有效缩短无效识别过程,提高了电芯正负极的识别准确率及识别效率。
Description
技术领域
本实用新型涉及的是一种基于机器视觉的电芯正负极识别设备,属于自动化检测技术领域。
背景技术
在电子产品自动化装配过程中,多数产品由于其特殊的结构以及特殊的工艺,多数零部件在上料上料完成后具有特殊位姿,故在完成上料之后需要对其位姿进行检测。以电芯模组自动组装为例:电芯模组包括电芯;在装配过程中,电芯需实现以正负极交错的形式进行上料;一旦电芯方向发生错误,在后续的装配过程中便会因电芯短路而引起火灾。
但是,由于电芯上料频率较高、电芯及电池包种类繁多;虽然电芯排布具有一定的规律,但不同种类的电池包具有不同的排布规律。因此,在自动化装配过程中,若采用人工进行检测,人工极易疲劳而引起误判,造成严重的后果。
发明内容
本实用新型的目的在于解决上述现有电芯模组装配过程存在的问题,提供一种基于机器视觉的圆柱电芯正负极识别设备,能够实现装配过程中载具上电芯位姿在线检测。
本实用新型的技术解决方案:一种基于机器视觉的电芯正负极识别设备,其结构包括CCD检测系统、检测系统基座及送料传送系统;其中CCD检测系统设置于检测系统基座上,送料传送系统横向贯穿检测系统基座。
所述检测系统基座包括第一直线模组、第二直线模组、遮光罩、模组支座及底座;其中第二直线模组置于第一直线模组上且相互垂直,第一直线模组置于模组支座上,遮光罩及模组支座置于底座上,第一直线模组、第二直线模组、模组支座均置于遮光罩中。
所述CCD检测系统包括CCD相机、环形光源及安装支架;其中CCD相机及环形光源置于安装支架上,环形光源设置于CCD相机的下方,环形光源圆心与CCD相机截面几何中心位于同一铅垂线内,安装支架与第二直线模组相连。
所述送料传送系统设置于底座之间,其结构包括传送线体、挡停机构及顶升定位机构;其中顶升定位机构置于第一直线模组与第二直线模组运动区域内,顶升定位机构前后各设一个挡停机构,传送线体置于送料传送系统两侧。
本实用新型的优点:根据圆柱电芯自身的一系列特点有选择地进行图像处理过程,通过特殊的彩色图像灰度化算法有效获得目标特征明显的灰度图像,同时通过分析电芯正负极表面特征选择了最优的特征进行模板匹配,达到了良好的识别效果,通过圆柱电芯外径进行识别,有效缩短无效识别过程,提高了电芯正负极的识别准确率及识别效率。
附图说明
附图1是一种基于机器视觉的电芯正负极识别装置结构示意图。
附图2是CCD检测系统的结构示意图
附图3是检测系统支座的结构示意图
附图4是送料传送带的结构示意图
附图5是一种基于机器视觉的电芯正负极识别方法流程图。
其中1是CCD检测系统,2是检测系统支座,3是送料传送系统,4是圆柱电芯载具,11是CCD相机,12是环形光源,13是安装支架,21是第一直线模组,22是第二实现模组,23是遮光罩,24是模组支座,25是底座,31是传送线体,32是挡停机构,33是顶升定位机构。
具体实施方式
下面根据附图进一步说明本实用新型的技术方案。
如图1所示的一种基于机器视觉的电芯正负极识别设备包括CCD检测系统1、检测系统基座2及送料传送系统3;其中CCD检测系统1设置于检测系统基座2上,送料传送系统3横向贯穿检测系统基座2;送料传送系统3将圆柱电芯载具4输送至相应位置并进行定位,检测系统基座2运送CCD检测系统1至相应位置采集图像信息,CCD检测系统1将所采集的图像信息传输至主控系统,由主控系统进行处理以完成电芯正负极识别。
如图2所示,所述CCD检测系统1包括CCD相机11、环形光源12及安装支架13;其中CCD相机11及环形光源12置于安装支架13上,环形光源12设置于CCD相机11的下方,环形光源12圆心与CCD相机11截面几何中心位于同一铅垂线内,安装支架13与第二直线模组22相连。CCD相机11用于采集图像信息,环形光源12用于增加环境亮度同时减低外界光照的干扰,安装支架13用于固定CCD相机11与环形光源12的相对位置,与第二直线模组22相连,实现CCD检测系统1与第二直线模组22联动。
如图3所示,所述检测系统基座2包括第一直线模组21、第二直线模组22、遮光罩23、模组支座24及底座25;其中第二直线模组22置于第一直线模组21上,第一直线模组21与第二直线模组22运动方向相互垂直,第一直线模组21置于模组支座24上,遮光罩23及模组支座24置于底座25上,第一直线模组21、第二直线模组22、模组支座24均置于遮光罩23中。第一直线模组21带动第二直线模组22运动,第一直线模组21与第二直线模组22配合实现CCD检测系统1在水平面内移动,遮光罩23用于降低外界光照对图像信息采集的影响,底座25呈两侧对称分布。
如图4所示,所述送料传送系统3设置于底座25之间,其结构包括传送线体31、挡停机构32及顶升定位机构33;其中顶升定位机构33置于第一直线模组21与第二直线模组22运动区域内,顶升定位机构33前后各设一个挡停机构32,挡停机构32距顶升定位机构33距离大于圆柱电芯载具4在传送方向上的尺寸,传送线体31置于送料传送系统3两侧,顶升定位机构33用于对圆柱电芯载具4进行定位,挡停机构32用于阻挡圆柱电芯载具4,传送线体用于转运圆柱电芯载具4。
如图5所示,一种基于机器视觉的电芯正负极的识别方法,包括以下步骤:
(1)通过送料传送系统将圆柱电芯载具运送到指定位置;
(2)检测系统支座搭载CCD检测系统至指定位置获取图像信息并通过现场总线将图像信息传送至搭载由图像处理软件的上位机中进行处理;
(3)提取步骤(2)所采集图像信息内部圆柱电芯特征区域,采集目标颜色作为基准将不同颜色映射到相应灰度值,并输出灰度图像;
(4)利用图像形态学操作技术对步骤(3)所输出的图像进行缺陷剔除,去除电芯金属表面特殊处理以及电芯锈蚀等引起的干扰,并输出图像;
(5)对步骤(4)输出图像进行圆柱电芯外圆半径提取;
(6)将步骤(4)输出图像包含特征及步骤(5)提取的圆柱电芯外圆半径与事先提取的圆柱电芯特征进行比对,获得对应相似度阈值并通过主控系统判断出该图像信息是否包含圆柱电芯,若包含圆柱电芯则输出该电芯的极性。
所述步骤(3)具体包括:
①目标色彩区域提取;
②将目标色彩区域内各颜色分解RGB三通道;
③求取目标色彩区域内各个颜色分量平均值;
④遍历彩色图像区域,并将颜色信息映射到灰度信息,
⑤获得灰度图像;
⑥当存在多个目标色彩区域时,重复上述步骤①-5⑤,得到的两幅灰度图像进行对比,取两幅图像中同一像素区域内灰度值较大的作为最终输出图像灰度值。
所述步骤(3)中的颜色映射方法如下:将彩色信息映射到[a, b]范围的灰度区域,颜色信息与目标颜色相似度越高则灰度值与b差值越小。
所述步骤(4)中的形态学操作选用圆形模板对图像进行闭操作,圆形模板通过n*n矩形模板设置指定区域值为0获得;
所述步骤(5)中的圆柱电芯外圆半径提取选用Hough圆检测算法。
所述步骤(6)中的圆柱电芯特征包括:①圆柱电芯外径;②圆柱电芯正极模板:圆柱电芯正极正投影热缩膜包覆区域灰度分布特征;③圆柱电芯负极模板:圆柱电芯负极正投影图像灰度分布特征。
所述步骤(6)判别方法包括:
①将样本图像中所检测到的圆柱电芯外圆半径与预设圆柱电芯外圆半径进行对比,当差值超过预设阈值时,输出异常报警;当差值小于预设阈值时进行后续操作;
②将样本图像所检测到热缩膜包覆区域灰度值分布特征与正极模板对应特征进行匹配,得出置信度结果a1;
③将样本图像所检测到电芯所在区域灰度分布特征与电芯负极模板进行匹配,得出置信度结果a2;
④同时对比预设置信度a1、预设阈值a01及a2、预设阈值a02,当a1>a01且a2小于a02时判定为正极,当a1<a01且a2>a02时判定为负极,其余情况均输出异常报警。
本实用新型较好地排除了外界关照条件的干扰,采用机器视觉对电芯正负极进行判断,提高了判断结果的准确性,选用彩色图像颜色区域抽取算法,获取的灰度图像特性明显,干扰信息少;针对正负极不同的图像信息选择不同的图像特征,简化识别过程,对圆柱电芯自动化生产及插装有重要影响。
以上所述为本实用新型的优选实施方式,并非对本实用新型专利的专利保护范围的限制,凡是利用本实用新型说明书及附图内容进行等效结构变换或修饰的行为,均应认为落入本实用新型的保护范围内。
Claims (1)
1.一种基于机器视觉的电芯正负极识别设备,其结构包括CCD检测系统(1)、检测系统基座(2)及送料传送系统(3);其中CCD检测系统(1)设置于检测系统基座(2)上,送料传送系统(3)横向贯穿检测系统基座(2);
其特征在于:所述检测系统基座(2)包括第一直线模组(21)、第二直线模组(22)、遮光罩(23)、模组支座(24)及底座(25);其中第二直线模组(22)置于第一直线模组(21)上且相互垂直,第一直线模组(21)置于模组支座(24)上,遮光罩(23)及模组支座(24)置于底座(25)上,第一直线模组(21)、第二直线模组(22)、模组支座(24)均置于遮光罩(23)中;
所述CCD检测系统(1)包括CCD相机(11)、环形光源(12)及安装支架(13);其中CCD相机(11)及环形光源(12)置于安装支架(13)上,环形光源(12)设置于CCD相机(11)的下方,环形光源(12)圆心与CCD相机(11)截面几何中心位于同一铅垂线内,安装支架(13)与第二直线模组(22)相连;
所述送料传送系统(3)设置于底座(25)之间,其结构包括传送线体(31)、挡停机构(32)及顶升定位机构(33);其中顶升定位机构(33)置于第一直线模组(21)与第二直线模组(22)运动区域内,顶升定位机构(33)前后各设一个挡停机构(32),传送线体(31)置于送料传送系统(3)两侧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201921716369.7U CN210924614U (zh) | 2019-10-14 | 2019-10-14 | 一种基于机器视觉的电芯正负极识别设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201921716369.7U CN210924614U (zh) | 2019-10-14 | 2019-10-14 | 一种基于机器视觉的电芯正负极识别设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN210924614U true CN210924614U (zh) | 2020-07-03 |
Family
ID=71368150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201921716369.7U Active CN210924614U (zh) | 2019-10-14 | 2019-10-14 | 一种基于机器视觉的电芯正负极识别设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN210924614U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738205A (zh) * | 2019-10-14 | 2020-01-31 | 苏州新智机电科技有限公司 | 一种基于机器视觉的电芯正负极识别设备及方法 |
CN113618356A (zh) * | 2021-08-04 | 2021-11-09 | 深圳市亚锐智能科技有限公司 | 一种基于铝极耳多层内插片智能样品检测设备 |
-
2019
- 2019-10-14 CN CN201921716369.7U patent/CN210924614U/zh active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738205A (zh) * | 2019-10-14 | 2020-01-31 | 苏州新智机电科技有限公司 | 一种基于机器视觉的电芯正负极识别设备及方法 |
CN110738205B (zh) * | 2019-10-14 | 2024-05-07 | 苏州新智机电科技有限公司 | 一种基于机器视觉的电芯正负极识别设备及方法 |
CN113618356A (zh) * | 2021-08-04 | 2021-11-09 | 深圳市亚锐智能科技有限公司 | 一种基于铝极耳多层内插片智能样品检测设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738205B (zh) | 一种基于机器视觉的电芯正负极识别设备及方法 | |
CN106238350B (zh) | 一种基于机器视觉的太阳能电池片分选方法与系统 | |
CN103345766B (zh) | 一种信号灯识别方法及装置 | |
CN110793722B (zh) | 基于机器学习的铅酸蓄电池非接触式漏液检测装置及方法 | |
CN210924614U (zh) | 一种基于机器视觉的电芯正负极识别设备 | |
CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
CN116523921B (zh) | 一种针对极耳翻折情况的检测方法、装置和系统 | |
CN111766245B (zh) | 一种基于机器视觉的纽扣电池负极壳缺陷检测方法 | |
CN113834816A (zh) | 基于机器视觉的光伏电池缺陷在线检测方法及系统 | |
CN106709529B (zh) | 一种光伏电池色差分类的视觉检测方法 | |
CN112345534A (zh) | 一种基于视觉的泡罩板中颗粒的缺陷检测方法及系统 | |
CN113654493A (zh) | 一种叠片软包锂电池质量检测方法及系统 | |
CN114331997A (zh) | 一种基于图像识别的导线缺陷监测方法 | |
CN116297199A (zh) | 一种基于机器视觉自动检测锂电池参数的检测系统 | |
CN118229675B (zh) | 电芯检测方法及系统 | |
CN114359155A (zh) | 一种覆膜方法及系统 | |
CN117723491B (zh) | 电芯防爆阀的检测系统及检测方法 | |
CN110643565A (zh) | 基于视觉识别的高可靠细胞自动分离方法及其装置 | |
CN116704387B (zh) | 一种基于视频结构化的电力线路通道巡检系统和方法 | |
CN110031474B (zh) | 异物检测方法及异物检测装置 | |
CN107121063A (zh) | 检测工件的方法 | |
CN116087217B (zh) | 基于机器视觉的工业流水线动态质量检测模块及方法 | |
CN117191809A (zh) | 基于数据分析的玻璃检测设备故障监测预警系统 | |
CN113744269B (zh) | 圆柱电芯焊接质量检测方法、装置、电子设备及存储介质 | |
CN105548210A (zh) | 基于机器视觉的美标电源延长线的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |