摘要：针对新能源汽车电池材料中传统焊接点质量检测方法存在效率低、漏检率高以及工作强度大等问题,基于最佳阈值分割设计了激光焊点缺陷检测算法。首先通过改进最大类间方差法将图像裁剪为多个小图像进行阈值分割,并基于最佳阈值对整体图像进行分割,解决了在物料背景明暗不定的情况下焊点难以精准提取的难题,提高了对焊点宽、高、面积的检测精度,并且有助于焊点位置偏移的检测;然后利用模板匹配法实现了对焊点形状和角度的检测;最后通过Halcon视觉软件进行了算法实现。结果表明:所提出的方法能够有效地解决焊点难以提取的问题,相较于局部方差法、自适应阈值法等其他方法具有较大的优势;在实际应用中,焊点检测通过率达到了98.55%,误判率为0,满足工业生产的需求。

摘要：传统PIN针歪斜检测主要依靠人工观察或利用插排等工件测试,存在检测效率低、精度无法满足工业要求的问题。为解决这类问题,通过Halcon视觉开发软件和C#语言联合编程,设计基于机器视觉的连接器PIN针歪斜检测系统。通过对连接器端子内部的视觉特征进行分析,并采用行列等比例缩放模板匹配确定基准点和定位PIN针区域,解决了传统形状模板匹配在目标尺寸发生变化后定位不准确的问题。对定位的插针进行Sobel边缘检测和形状转换确定其中心点,再计算基准点与中心点的欧式距离,得出插针偏移量。实际应用结果表明,本文歪斜检测系统精度为0.1 mm,通过率为98.61%,误判率为0,检测时间在1 s以内,满足工业生产需求。