CN109490320A - 一种基于机器视觉的动力电池组正负极异常检测系统和方法 - Google Patents
一种基于机器视觉的动力电池组正负极异常检测系统和方法 Download PDFInfo
- Publication number
- CN109490320A CN109490320A CN201811407900.2A CN201811407900A CN109490320A CN 109490320 A CN109490320 A CN 109490320A CN 201811407900 A CN201811407900 A CN 201811407900A CN 109490320 A CN109490320 A CN 109490320A
- Authority
- CN
- China
- Prior art keywords
- image
- battery pack
- negative anodes
- positive
- pack positive
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 230000005856 abnormality Effects 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 230000007547 defect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000032258 transport Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract 2
- 238000007689 inspection Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000009776 industrial production Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
Landscapes
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Secondary Cells (AREA)
Abstract
本发明揭示了一种基于机器视觉的动力电池组正负极异常检测系统，系统设有用于运输电池模组的传送装置，所述传送装置用于检测的区域的上方设有固定在支架上的相机，所述相机输出图像信息至控制器，所述控制器输出检测结果至显示器显示。本发明的优点在于检测精度稳定，视觉检测在外界环境光不变的情况下，可稳定准确判断电池组正负极的特征。可追溯，视觉检测结果可上传到数据库，可实现问题产品的追踪。
Description
技术领域
本发明涉及动力电池制造业中的电池组异常检测的领域。具体是通过利用机器视觉算法对电池组的正负极进行检测，采用模板匹配的方法实现正负极异常的检测。对该方法进行不断的优化可以扩展到诸如动力电池表面缺陷检测、产品表面缺陷检测等领域。
背景技术
目前许多企业在进行电池组的正负极异常检测主要是通过人眼进行检测，人眼检测存在诸多弊端，如长时间高强度工作容易造成眼睛疲劳，从而导致出现漏检的情况；随着工作时间的加长，由于过度劳累等原因，造成检测效率下降；而且电池组正负极检测属于劳动密集型产业，因此有着较高的劳动力成本。随着现代工业生产技术的发展，信息化和智能化技术不断被融入到工业生产中，在动力电池制造行业中，传统的人工检测电池组正负极异常的工作将逐渐被基于机器视觉检测的技术所替代。
目前也有少许企业采用AOI系统(Automatic Optic Inspection，光学在线自动检测系统)进行元器件插装异常的检测，但是其系统稳定性较差，在检测过程中会出现误判、检测不准确、误报警等情况。
发明内容
本发明所要解决的技术问题是实现一种基于机器视觉的电池组正负极检测技术。
为了实现上述目的，本发明采用的技术方案为：一种基于机器视觉的动力电池组正负极异常检测系统，系统设有用于运输电池模组的传送装置，所述传送装置用于检测的区域的上方设有固定在支架上的相机，所述相机输出图像信息至控制器，所述控制器输出检测结果至显示器显示。
所述控制器输出检测结果至存储单元。
所述传送装置用于检测的区域两侧固定有用于感应是否有电池模组通过的感应器，所述感应器输出信号至控制器。
所述相机旁设有固定在支架上的光源，
一种利用所述动力电池组正负极异常检测系统的检测方法，控制器对相机采集的图像处理方法包括：
步骤1、将采集的图像进行预处理；
步骤2、将处理的图像进行标记，采集出待检测电池组正负极图像作为匹配模板；
步骤3、根据所采集的电池组正负极图像尺寸，在图像中设置各个元器件的ROI区域作为检测电池组正负极异常的目标区域；
步骤4、读取待测电池组正负极的图像和所采集的模板图像；
步骤5、待测电池组正负极的图像和所采集的模板图像比对；
步骤6、根据图像比对找出发生异常的缺陷，获得每个ROI区域异常检测的结果；
步骤7、将每个ROI区域中异常检测结果在图像上进行标记。
所述步骤1预处理通过对图像进行去噪、阈值处理，提高图像中电池组正负极异常的对比度。
所述步骤5，将待测电池组正负极的图像和所采集的模板图像进行粗匹配，匹配时对待测的电池组正负极图像进行平移旋转校正，使其于对应的模板位置和角度达到高度一致；
步骤6、对校正后的电池组正负极图像中所划分的ROI区域与对应的模板图像进行精匹配，对其进行对比分析，找出发生异常的缺陷。
所述步骤7，将获得结果统计总的异常数量，并进行显示和/或存储。
系统启动后，传送装置工作，当感应器感应到有电池模组到达用于检测的区域后，停止传送装置工作，驱动相机采集图像，再恢复传送装置工作。
本发明的优点在于检测精度稳定，视觉检测在外界环境光不变的情况下，可稳定准确判断电池组正负极的特征。可追溯，视觉检测结果可上传到数据库，可实现问题产品的追踪。
附图说明
下面对本发明说明书中每幅附图表达的内容及图中的标记作简要说明：
图1为动力电池组正负极异常检测系统结构示意图；
图2为动力电池组正负极异常检测方法控制流程图；
上述图中的标记均为：1、相机；2、光源；3、支架；4、电池模组；5、传送装置。
具体实施方式
如图1所示包括：相机1、光源2、支架3、电池模组4、传送装置5等，相机1优选工业相机，光源2优选条形组合光源，支架3为固定在传送装置5上方的机械支撑结构，支架3两侧通过支撑腿固定在传送装置5两侧的地面上。
待测电池模组放置在定制的传送装置5上，通过传送装置进行传送，当传送到相机1正下方指定位置时，发送信号给控制器(上位机)，控制相机1对待测电池模组进行图像采集，源2对待测电池模组进行打光，保证电路板均匀照明，并且使其照明光线不受外界光干扰，达到照明稳定均匀的效果，有利于降低后期图像处理的难度。图像采集后通过数据线传送给工控机，由图像处理算法进行识别匹配，检测电池模组异常，并进行相应的判定。
基于机器视觉的电池组正负极插装异常检测方法，如图2所示，包括以下步骤：
步骤1、将采集的图像进行预处理，进行图像去噪、阈值处理等，以提高图像中电池组正负极异常的对比度；
步骤2、将处理的图像进行标记，采集出待检测电池组正负极图像作为匹配模板；
步骤3、根据所采集的电池组正负极图像尺寸，在图像中设置各个元器件的ROI区域(感兴趣区域)作为检测电池组正负极异常的目标区域；
步骤4、读取待测电池组正负极的图像和所采集的模板图像；
步骤5、将待测电池组正负极的图像和所采集的模板图像进行粗匹配，匹配时对待测的电池组正负极图像进行平移旋转校正，使其于对应的模板位置和角度达到高度一致；
步骤6、对校正后的电池组正负极图像中所划分的ROI区域与对应的模板图像进行精匹配，对其进行对比分析，找出发生异常的缺陷，获得每个ROI区域异常检测的结果；
步骤7、将每个ROI区域中异常检测结果在图像上进行标记显示，并统计总的异常数量。
基于机器视觉的动力电池组正负极异常检测系统和方法实现了对电池组正负极区域的提取和划分，并对电池组正负极异常进行定位检测，能更快速、准确的判断出异常情况，提高了整个检测工位的检测效率；
可以将异常信息记录在数据库中，为用户提供直观的异常数据统计信息和位置标记信息；
该检测装置密封在一个暗室内，不会产生人工主观的干扰，提高了检测的准确性。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。
Claims (10)
1.一种基于机器视觉的动力电池组正负极异常检测系统，其特征在于：系统设有用于运输电池模组的传送装置，所述传送装置用于检测的区域的上方设有固定在支架上的相机，所述相机输出图像信息至控制器，所述控制器输出检测结果至显示器显示。
2.根据权利要求1所述的基于机器视觉的动力电池组正负极异常检测系统，其特征在于：所述控制器输出检测结果至存储单元。
3.根据权利要求1或2所述的基于机器视觉的动力电池组正负极异常检测系统，其特征在于：所述传送装置用于检测的区域两侧固定有用于感应是否有电池模组通过的感应器，所述感应器输出信号至控制器。
4.根据权利要求3所述的基于机器视觉的动力电池组正负极异常检测系统，其特征在于：所述相机旁设有固定在支架上的光源。
5.一种利用如权利要求1-4中任一所述动力电池组正负极异常检测系统的检测方法，其特征在于，控制器对相机采集的图像处理方法包括：
步骤1、将采集的图像进行预处理；
步骤2、将处理的图像进行标记，采集出待检测电池组正负极图像作为匹配模板；
步骤3、根据所采集的电池组正负极图像尺寸，在图像中设置各个元器件的ROI区域作为检测电池组正负极异常的目标区域；
步骤4、读取待测电池组正负极的图像和所采集的模板图像；
步骤5、待测电池组正负极的图像和所采集的模板图像比对；
步骤6、根据图像比对找出发生异常的缺陷，获得每个ROI区域异常检测的结果；
步骤7、将每个ROI区域中异常检测结果在图像上进行标记。
6.根据权利要求5的检测方法，其特征在于：所述步骤1预处理通过对图像进行去噪、阈值处理，提高图像中电池组正负极异常的对比度。
7.根据权利要求6的检测方法，其特征在于：所述步骤5，将待测电池组正负极的图像和所采集的模板图像进行粗匹配，匹配时对待测的电池组正负极图像进行平移旋转校正，使其于对应的模板位置和角度达到高度一致；
8.根据权利要求7的检测方法，其特征在于：步骤6、对校正后的电池组正负极图像中所划分的ROI区域与对应的模板图像进行精匹配，对其进行对比分析，找出发生异常的缺陷。
9.根据权利要求5、6、7或8的检测方法，其特征在于：所述步骤7，将获得结果统计总的异常数量，并进行显示和/或存储。
10.根据权利要求9的检测方法，其特征在于：系统启动后，传送装置工作，当感应器感应到有电池模组到达用于检测的区域后，停止传送装置工作，驱动相机采集图像，再恢复传送装置工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811407900.2A CN109490320A (zh) | 2018-11-23 | 2018-11-23 | 一种基于机器视觉的动力电池组正负极异常检测系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811407900.2A CN109490320A (zh) | 2018-11-23 | 2018-11-23 | 一种基于机器视觉的动力电池组正负极异常检测系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109490320A true CN109490320A (zh) | 2019-03-19 |
Family
ID=65696558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811407900.2A Pending CN109490320A (zh) | 2018-11-23 | 2018-11-23 | 一种基于机器视觉的动力电池组正负极异常检测系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109490320A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110222679A (zh) * | 2019-05-10 | 2019-09-10 | 惠州市德赛电池有限公司 | 一种基于深度学习的通用型电池极性自动检测方法 |
| CN110987809A (zh) * | 2019-12-31 | 2020-04-10 | 广东美的白色家电技术创新中心有限公司 | 电路板检测装置 |
| CN112742737A (zh) * | 2019-10-30 | 2021-05-04 | 湖南众德新材料科技有限公司 | 一种锂电池自动化输送装置 |
| CN114782429A (zh) * | 2022-06-17 | 2022-07-22 | 深圳市菲尼基科技有限公司 | 基于图像的锂电池缺陷检测方法、装置、设备及存储介质 |
| CN116609493A (zh) * | 2023-07-21 | 2023-08-18 | 宁德时代新能源科技股份有限公司 | 压痕检测方法、叠片电芯制造方法、装置和电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102854192A (zh) * | 2012-08-22 | 2013-01-02 | 北京农业智能装备技术研究中心 | 一种苹果表面缺陷检测系统和方法 |
| CN204789368U (zh) * | 2015-07-14 | 2015-11-18 | 深圳时代得天自动化设备有限公司 | 一种用于太阳能电池组件的缺陷自动检测设备 |
| CN205128440U (zh) * | 2015-11-03 | 2016-04-06 | 百顺松涛（天津）动力电池科技发展有限公司 | 圆柱锂电池油墨打标不良品的在线监测和筛选装置 |
| CN106290382A (zh) * | 2016-07-01 | 2017-01-04 | 广东技术师范学院 | 泡罩药片包装缺陷视觉检测装置及方法 |
| CN106855520A (zh) * | 2017-02-10 | 2017-06-16 | 南京航空航天大学 | 一种基于机器视觉的工件缺陷检测方法 |
| CN207123496U (zh) * | 2017-06-22 | 2018-03-20 | 惠州市德赛电池有限公司 | 一种电池正负极识别设备 |
| CN108254374A (zh) * | 2017-12-31 | 2018-07-06 | 芜湖哈特机器人产业技术研究院有限公司 | 电路板元器件插装异常的检测方法 |
-
2018
- 2018-11-23 CN CN201811407900.2A patent/CN109490320A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102854192A (zh) * | 2012-08-22 | 2013-01-02 | 北京农业智能装备技术研究中心 | 一种苹果表面缺陷检测系统和方法 |
| CN204789368U (zh) * | 2015-07-14 | 2015-11-18 | 深圳时代得天自动化设备有限公司 | 一种用于太阳能电池组件的缺陷自动检测设备 |
| CN205128440U (zh) * | 2015-11-03 | 2016-04-06 | 百顺松涛（天津）动力电池科技发展有限公司 | 圆柱锂电池油墨打标不良品的在线监测和筛选装置 |
| CN106290382A (zh) * | 2016-07-01 | 2017-01-04 | 广东技术师范学院 | 泡罩药片包装缺陷视觉检测装置及方法 |
| CN106855520A (zh) * | 2017-02-10 | 2017-06-16 | 南京航空航天大学 | 一种基于机器视觉的工件缺陷检测方法 |
| CN207123496U (zh) * | 2017-06-22 | 2018-03-20 | 惠州市德赛电池有限公司 | 一种电池正负极识别设备 |
| CN108254374A (zh) * | 2017-12-31 | 2018-07-06 | 芜湖哈特机器人产业技术研究院有限公司 | 电路板元器件插装异常的检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张传雷 等: "《基于图像分析的植物及其病虫害识别方法研究》", 31 October 2018, 中国经济出版社 * |
| 萧泽新: "《光机电一体化系统及应用》", 31 October 2011 * |
| 郭宝龙 等: "《数字图像处理系统工程导论》", 31 July 2012, 西安电子科技大学出版社 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110222679A (zh) * | 2019-05-10 | 2019-09-10 | 惠州市德赛电池有限公司 | 一种基于深度学习的通用型电池极性自动检测方法 |
| CN112742737A (zh) * | 2019-10-30 | 2021-05-04 | 湖南众德新材料科技有限公司 | 一种锂电池自动化输送装置 |
| CN110987809A (zh) * | 2019-12-31 | 2020-04-10 | 广东美的白色家电技术创新中心有限公司 | 电路板检测装置 |
| CN110987809B (zh) * | 2019-12-31 | 2024-03-22 | 广东美的白色家电技术创新中心有限公司 | 电路板检测装置 |
| CN114782429A (zh) * | 2022-06-17 | 2022-07-22 | 深圳市菲尼基科技有限公司 | 基于图像的锂电池缺陷检测方法、装置、设备及存储介质 |
| CN116609493A (zh) * | 2023-07-21 | 2023-08-18 | 宁德时代新能源科技股份有限公司 | 压痕检测方法、叠片电芯制造方法、装置和电子设备 |
| CN116609493B (zh) * | 2023-07-21 | 2023-09-22 | 宁德时代新能源科技股份有限公司 | 压痕检测方法、叠片电芯制造方法、装置和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109490320A (zh) | 一种基于机器视觉的动力电池组正负极异常检测系统和方法 | |
| CN201218723Y (zh) | 光电非接触式图像检测装置 | |
| CN204359710U (zh) | 一种玻璃表面缺陷检测装置 | |
| CN102854192B (zh) | 一种基于苹果表面缺陷检测系统的苹果表面缺陷检测方法 | |
| CN103196917A (zh) | 基于ccd线阵相机的在线卷板材表面瑕疵检测系统及其检测方法 | |
| CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
| CN102221556A (zh) | 基于机器视觉的小型连接件外观缺陷在线检测装置与方法 | |
| CN103063137B (zh) | 一种基于机器视觉的药瓶测量系统及其测量方法 | |
| CN108254374A (zh) | 电路板元器件插装异常的检测方法 | |
| CN111950396A (zh) | 一种仪表读数神经网络识别方法 | |
| CN103308524A (zh) | Pcb自动光学检测系统 | |
| CN112037161A (zh) | 一种基于区域自动阈值分析的涂胶分析方法 | |
| CN116539626A (zh) | 锂电池缺陷检测系统及方法 | |
| CN113256570A (zh) | 基于人工智能的视觉信息处理方法、装置、设备及介质 | |
| CN203101288U (zh) | 一种ito导电玻璃的全自动光学检测系统 | |
| CN104390982A (zh) | 一种用于smt首件检测的测试方法 | |
| CN202256179U (zh) | 基于机器视觉的卫生巾和尿不湿表面缺陷检测设备 | |
| CN107271446B (zh) | 一种发动机正时齿轮室胶线的视觉检测方法 | |
| CN113714139A (zh) | 一种基于机器视觉的工件表面缺陷快速识别系统及方法 | |
| CN210243513U (zh) | 一种视觉检测系统 | |
| CN112763496A (zh) | 一种手机电池表面缺陷检测装置及其检测方法 | |
| CN112415013A (zh) | 一种铜箔缺陷检测系统 | |
| CN110930393A (zh) | 一种基于机器视觉的芯片料管计数方法、装置及系统 | |
| CN109063738B (zh) | 一种压缩感知的陶瓷水阀片自动在线检测方法 | |
| CN206822122U (zh) | 一种基于树莓派的鞋面尺寸检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190319 |
|
| RJ01 | Rejection of invention patent application after publication |