基于图像识别技术的电动工具视觉检测系统构建与应用研究

康健 Xu¹² 、英 Xu² 、郑兵 Zhu¹ °、卓兴 Hu¹4 、帅 Hu¹ °、紫斋 Li³

永康质量与技术监测研究所（国家五金及门类产品质量检验中心）

（浙江省）永康市，邮编：321300，中国

轻工业委员会认证中心有限公司，北京，100028，中国

深圳市德迈盛测量与控制设备有限公司，深圳市，518108，中国

710052091@qq.com,huyunan123@126.com,524852813@qq.com,452308770@qq.com,huyunan123@qq.com, 1075639641@qq.com

摘要——我国电动工具的目视检测存在检测设备落后、可靠性较低的特点。本文介绍了一种基于图像识别技术的电动工具目视检测系统。该系统利用机器视觉传感器采集被测物体的图像，原始数据被传输至由机器视觉图像算法和深度学习相关图像技术构成的图像识别与检测模块；同时，通过图像采集技术对视觉检测流程进行建模分析，并重点阐述了电动工具检测控制系统的硬件与软件架构，包括电机驱动、图像采集及相关应用方案均得到深入研究与分析。

关键词——图像识别、视觉检测、电动工具

一. 引言

随着生活水平的不断提高，人们对电动工具的质量与安全性提出了更高要求。国家也制定了严格的安全检测标准，例如GB 3883.1系列标准。传统的电动工具检测主要依赖人工判别或借用简易设备进行抽样检测，存在检测劳动强度大、速度慢以及存在人为检测误差等问题，尤其在规格标识和球痕检测方面更为明显。为解决上述问题，本文采用基于深度学习的图像识别技术。

采用学习算法替代传统的手动测量方法²¹。基于图像识别技术的电动工具视觉检测系统需实现自动图像采集、数据分析与比对功能。在电动工具及其他工业产品的检测过程中，该检测系统能够弥补传统人工检测存在的缺陷，显著提升检测速度与精度。

二. 测试系统架构设计

基于图像识别技术的电动工具视觉检测系统由四个模块组成：识别模块、分析模块、比对模块和提示模块。识别模块用于拍摄PowerToo产品说明书及标识等视觉图像，并获取可分析的图像数据；分析模块负责对识别后的图像进行分析提取，获取铭牌信息、说明书文本等内容；比对模块则从数据库（主要为标准术语）以及数据比对结果中的铭牌、手册等文本资料中提取对应信息；提示模块用于向相关方发送提醒信号、生成质量分析曲线，并通知需求方（制造商、检测机构、监管部门等）。该电动工具视觉检测系统的图像识别技术整体架构如图1所示。

三、各模块 INTHE 检测系统功能分析

A. 硬件

该检测系统由环形光源、500万像素网格平面阵列相机、远心透镜与FA透镜、图像采集卡、测试台平台等部件组成。

B. 软件

为提升电动工具的检测速度与精度，并使检测系统的应用更具灵活性，包含数据分析功能的机器视觉检测系统需实现以下功能：物体外观识别——视觉传感器将光信号转换为电信号，并通过增强处理实现对物体形状特征的识别。具体而言：

1）工业相机中的CMOS传感器对被测物体进行拍摄，将光学信号转换为电信号并传输至计算机；

2）在计算机与图像信息连接后，原始图像信息被传输至图像识别系统；

3）采用先进的图像增强、图像滤波、形态学处理、图像二值化等机器视觉算法对图像进行预处理；

4)在获取增强后的图像信息后，采用图像轮廓提取算法收集边缘信息，并建立几何数学模型；

5)将相应的字符相关标签图像传输至深度学习字符分割模块及OCR识别技术，实现中文和英文字符的实时提取；

6)之后可获取字符识别信息，并与标准字符数据库信息进行比对，从而完成整个系统的检测任务。

四、检测系统中 EACHMODULE 的功能分析

球压测试是GB/T 3883.1-2014[6]标准中规定的耐热性能检测项目之一。试样需在特定温度下压制2小时，随后测量圆形压痕的直径。通用测量设备应为光学放大倍数不低于10倍的光学测量装置，并配合分辨率不超过0.1 mm⁷ 的校准刻度尺或十字线测量台使用。此过程要求检验人员判断压痕边缘位置，难免存在人为因素对压痕直径造成影响。采用图像识别技术可最大限度降低人为干扰，并实现快速检测。

I）精度对比测试

分别使用同一材料制备了三个样品，并在75℃、80℃和85℃条件下进行测试。测试完成后，采用图像测量仪 VMS -1510G及目视检测系统测定压痕深度。由三位检验人员使用该仪器各测量五次，得出三个压痕直径的平均值，结果见表I。工业相机拍摄的照片如图2所示。

图 2：2.75℃、80℃、85℃ 下的压痕图像

TABLEIBALLPRESSURE 测试结果 

根据表I中的数据，在75°C、80°C和85°C条件下，目视检查与传统光学仪器检测之间的误差率均低于1%。从工作效率和准确性而言，目视检查方法可替代传统光学仪器检测。

2)标准样品测试

对比试验采用2个标准样本进行。

标准值为1.09毫米。标准样品2号在85°C条件下测试，其标准值为1.50毫米。

根据公式Z=(x-X)/ σ 计算得出：其中x为测试值，x̄为标准值，σ为能力评估的标准差；当|z|≤2时即满足判定条件。测试结果见表II。图3为编号1校准样本的图像，图4为编号2校准样本的图像。

通过上述两种测试方法可以看出，视觉检测系统优于人工光学测量。

表 II 校准样品的结果

3) 分析

球压测试是实验室能力验证中的一项常规检测项目，对设备配置、操作人员经验及测量方法均提出较高要求。通过上述两项测试可以得出结论：采用目视检测系统测量球压痕直径比传统光学测量设备更为便捷快速，但其测量精度仍有待提升，主要体现在图像对比度不足、过渡区域过多以及工业相机像素分辨率不够等问题，后续优化工作仍需进一步加强。

根据GB/T 3883.1-2014标准，电动工具产品的标志与说明应包含产品参数、警示语、制造商信息及其他相关信息。其中仅警示语一项就超过20种。目前此类检测主要依赖人工目视检查，效率低下且易出错。以电锤为例，共发现产品标识存在13种不同类型的错误。

图6展示了相关标识的实际照片，图7则呈现了检测结果。通过视觉检测系统，所有错误均被准确识别：识别准确率达到100%，缺陷检测准确率同样达到100%，检测耗时不足1秒。以电动工具质量监督的抽查为例，完成40批次标识与说明书检测项目仅需1分钟，并实现了双盲测试。鉴于电动工具种类繁多且同类产品的参数存在差异，后续工作中需增加检测样本数量以进一步优化测试样本类型。

图 6 标志部分示意图

图7 标志部分的测试示意图

五、结论

本文设计了一种快速、精确的电动工具视觉检测系统，并将其应用于球压测试。该系统的精度已通过实验验证。基于电动工具产品质量监督与抽样检验的实际需求，我们开发了基于图像识别技术的视觉检测系统。测得球压痕直径的平均偏差为0.43%，与校准值相比Z值小于1，检测准确率达到100%。后续工作将进一步扩展检测类别并丰富相关检测项目，以满足电动工具行业的需求。

ACKNOWLEDGMENT

本文由财务助理撰写，题为《基于图像识别技术的电动工具视觉检测与大数据分析研究（QN2023448）》。

参考文献

[1]XIONG     R,PAN     Y,  SHEN  W,等. 锂离子电池老化机制及汽车应用中的诊断方法:最新进展与展望[J]. 可再生能源与可持续能源评论,2020,131:110048.

[2]ZHANG    C,JIANG    Y,JIANG    J,等. 串联锂离子电池组一致性演变及平衡诊断研究[J]. 应用能源,2017,207(12月1日):510-519.

[3]ZHANGYJ,LIUYJ,WANGJ,等.通过结合模型驱动的增量容量分析与支持向量回归,对锂离子电池进行健康状态评估[J].《能源》,2021,239:121986.

[4]Mawonou K,Eddahech A,Dumur D,等.结合随机森林方法的健康状态评估器用于锂离子电池老化因子排序[J].《电源期刊》,2020,484(2):229154.

[5]GONG C、 WANGXZ 、HE Y R. 基于经验模式分解与长记忆/短记忆神经网络的锂离子电池剩余使用寿命及健康状态预测[J].《能源》，2021,232。

任Y、苏L、孙W、林B、王Z：新能源汽车直流电阻在线估算[J].《电源》555(2023).

[7] 韩志、沈晓、孙阳、赵爽、范斌、潘超，基于电动汽车实际数据及用户行为的健康状态评估[J]. 能源存储(2021)41.