CN109613000B - 锂电池涂布缺陷检测方法、系统、设备及存储介质 - Google Patents

锂电池涂布缺陷检测方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN109613000B
CN109613000B CN201811276032.9A CN201811276032A CN109613000B CN 109613000 B CN109613000 B CN 109613000B CN 201811276032 A CN201811276032 A CN 201811276032A CN 109613000 B CN109613000 B CN 109613000B
Authority
CN
China
Prior art keywords
area
defect
coating
target image
lithium battery
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
Application number
CN201811276032.9A
Other languages
English (en)
Other versions
CN109613000A (zh
Inventor
赵兵锁
张俊峰
梁土伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Supersonic Automation Technology Co Ltd
Original Assignee
Guangzhou Supersonic Automation Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Supersonic Automation Technology Co Ltd filed Critical Guangzhou Supersonic Automation Technology Co Ltd
Priority to CN201811276032.9A priority Critical patent/CN109613000B/zh
Publication of CN109613000A publication Critical patent/CN109613000A/zh
Application granted granted Critical
Publication of CN109613000B publication Critical patent/CN109613000B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854Grading and classifying of flaws
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (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)
  • Battery Electrode And Active Subsutance (AREA)

Abstract

本发明公开了一种锂电池涂布缺陷检测方法,该方法包括如下步骤:采集锂电池的极片图像;对极片图像进行拼接处理,得到目标图像,并确定锂电池极片的电池周期;在电池周期范围内,对目标图像进行缺陷提取,得到缺陷区;计算缺陷区的特征值,根据特征值,将缺陷区进行分类匹配,确定缺陷区的类型。该方法对资源的利用率低,识别率高;能够准确检测出锂电池极片上的缺陷,并对缺陷区进行精确定位和匹配。

Description

锂电池涂布缺陷检测方法、系统、设备及存储介质
技术领域
本发明涉及机器视觉技术领域,尤其涉及一种锂电池涂布缺陷检测方法、系统、设备及存储介质。
背景技术
锂离子电池是一种高容量长寿命环保电池,它主要依靠锂离子在正极和负极之间移动来进行工作的。锂离子电池具有诸多优点,包括电压高、比能量大、循环寿命长、安全性能好、自放电小、快速充电等。因此,锂离子电池的应用领域不断扩大,已经被广泛地应用于储能、电动汽车、便携式电子产品等领域。
电极极片是锂离子动力电池的基础,直接决定电池的电化学性能以及安全性。锂电池电极是一种由颗粒物组成的涂层,均匀的涂敷在金属集流体上。目前,在制作锂电池极片的涂布工艺过程中,在基材区,易出现箔区打皱、箔区粘料和箔区破损等缺陷;在涂层区,易出现折痕、压痕、漏金属、气泡等缺陷;因此,需要在涂布工艺后,对锂电池的极片进行缺陷检测,判断是否存在涂布缺陷,并确定缺陷的类型和位置;便于后续对缺陷区域进行相应处理。
发明内容
为了克服现有技术的不足,本发明的目的之一在于提供一种锂电池涂布缺陷检测方法,其对资源的利用率低,识别率高;能够准确检测出锂电池极片上的缺陷,并对缺陷区进行精确定位和匹配。
本发明的目的之二在于提供一种锂电池涂布缺陷检测系统,采用该系统,其对资源的利用率低,识别率高;能够准确检测出锂电池极片上的缺陷,并对缺陷区进行精确定位和匹配。
本发明的目的之三在于提供一种锂电池涂布缺陷检测终端设备,其对资源的利用率低,识别率高;能够准确检测出锂电池极片上的缺陷,并对缺陷区进行精确定位和匹配。
本发明的目的之四在于提供一种计算机可读存储介质,其对资源的利用率低,识别率高;能够准确检测出锂电池极片上的缺陷,并对缺陷区进行精确定位和匹配。
本发明的目的之一采用如下技术方案实现:
一种锂电池涂布缺陷检测方法,包括如下步骤:
采集所述锂电池的极片图像;
对所述极片图像进行拼接处理,得到目标图像,并确定所述锂电池极片的电池周期;
在所述电池周期范围内,对所述目标图像进行缺陷提取,得到缺陷区;
计算所述缺陷区的特征值,根据所述特征值,将所述缺陷区进行分类匹配,确定所述缺陷区的类型。
进一步地,对所述目标图像进行缺陷提取,得到缺陷区;具体为:
对所述目标图像的基材区域进行缺陷提取,得到所述基材区域的缺陷区;
对所述目标图像的涂层区域进行缺陷提取,得到所述涂层区域的缺陷区。
进一步地,对所述目标图像的基材区域进行缺陷提取,得到所述基材区域的缺陷区;具体为:
在所述目标图像的基材区域提取灰度值符合第一阈值范围的黑点;拟合所述灰度值符合第一阈值范围的黑点;得到所述基材区域的缺陷区。
进一步地,对所述目标图像的涂层区域进行缺陷提取,得到所述涂层区域的缺陷区;具体为:
在所述目标图像的涂层区域提取灰度值符合第二阈值范围的黑点;拟合所述灰度值符合第二阈值范围的黑点,得到所述涂层区域的第一缺陷区;
在所述目标图像的涂层区域提取灰度值符合第三阈值范围的亮点;拟合所述灰度值符合第三阈值范围的亮点,得到所述涂层区域的第二缺陷区。
进一步地,所述特征值包括缺陷区梯度和暗区边缘梯度。
进一步地,当所述特征值为缺陷区梯度时,计算所述缺陷区的特征值,具体为:
计算所述缺陷区的平均灰度值、及所述缺陷区向外扩展第一距离的正常区域的平均灰度值;所述缺陷区梯度为所述缺陷区和所述正常区域的平均灰度值的差值。
进一步地,根据所述特征值,将所述缺陷区进行分类匹配,确定所述缺陷区的类型,具体为:
预设缺陷类型,并确定每一缺陷类型的特征值;
将计算得到的所述缺陷区的特征值与所述每一缺陷类型的特征值进行匹配;确定所述缺陷区的类型。
本发明的目的之二采用如下技术方案实现:
一种锂电池涂布缺陷检测系统,所述系统包括:
图像采集单元,用于采集所述锂电池的极片图像;
目标图像确定单元,用于对所述极片图像进行拼接处理,得到目标图像,并确定所述锂电池极片的电池周期;
缺陷提取单元,用于在所述电池周期范围内,对所述目标图像进行缺陷提取,得到缺陷区;
缺陷区匹配单元,用于计算所述缺陷区的特征值,根据所述特征值,将所述缺陷区进行分类匹配,确定所述缺陷区的类型。
本发明的目的之三采用如下技术方案实现:
一种锂电池涂布缺陷检测终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的锂电池涂布缺陷检测方法。
本发明的目的之四采用如下技术方案实现:
一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的锂电池涂布缺陷检测方法。
相比现有技术,本发明的有益效果在于:本发明能够在图像采集装置采集到的图像中,精确提取并拼接出完整产品的目标图像;并在目标图像中,准确检测出锂电池极片上的缺陷,对缺陷区进行精确定位和匹配;本发明对资源的利用率低,识别率高。
附图说明
图1为本发明第一实施例提供的锂电池涂布缺陷检测方法的流程图;
图2为本发明第二实施例提供的锂电池涂布缺陷检测系统的结构框图;
图3为本发明第三实施例提供的锂电池涂布缺陷检测终端设备的结构框图;
图中:1、图像采集单元;2、目标图像确定单元;3、缺陷提取单元;4、缺陷区匹配单元;31、处理器;32、存储器;33、显示屏;34、输入装置;35、输出装置;36、通信装置。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
参见图1,是本发明第一实施例提供的锂电池涂布缺陷检测方法的流程图。该实施例的锂电池涂布缺陷检测方法包括步骤:
S1:采集锂电池的极片图像。
该步骤用于采集锂电池涂布后的极片图像。锂电池生成中的涂布工艺是在铝箔或铜箔等基材上涂布上配置好的正极浆料和负极浆料。间隔工艺的锂电池极片在涂布后,锂电池的极片显示为:涂层区与涂层区之间间隔有基材区。具体地,在该步骤中,采用CCD线扫相机采集极片图像,采集到的图像并不是一个完整的产品图像,而是存在多个间隔区和多个涂层区的大图。
S2:对极片图像进行拼接处理,得到目标图像,并确定锂电池极片的电池周期。
该步骤用于根据步骤S1得到的极片图像,识别并提取出极片图像中的第一基材区域、涂层区域和第二基材区域;顺次拼接第一基材区域、涂层区域和第二基材区域,得到目标图像;同时,根据基材区域的箔区高度参数,确定锂电池极片的电池周期,由于锂电池极片的电池周期为一个基材区域加上一个涂层区域;则确定电池周期为第一基材区域和涂层区域。
S3:在电池周期范围内,对目标图像进行缺陷提取,得到缺陷区。
该步骤用于对电池周期范围内的目标图像,进行缺陷提取,确定缺陷区。由于电池周期包括一个基材区域和一个涂层区域;在基材区域,易出现的缺陷为打皱、箔区粘料和箔区破损等;在涂层区,易出现的缺陷未为折痕、压痕、漏金属、气泡等,因此需要对基材区域和涂层区域分别进行缺陷提取;具体地,步骤S3进一步包括步骤S31-S32:
S31:对目标图像的基材区域进行缺陷提取,得到基材区域的缺陷区。
该步骤用于对基材区域进行缺陷提取。具体地,在该步骤中,在目标图像的基材区域提取灰度值符合第一阈值范围的黑点;拟合灰度值符合第一阈值范围的黑点;得到基材区域的缺陷区。
该本发明实施例中,第一阈值范围为[0,160]。
S32:对目标图像的涂层区域进行缺陷提取,得到涂层区域的缺陷区。
该步骤用于对涂层区域进行缺陷提取。具体地,在该步骤中,在目标图像的涂层区域提取灰度值符合第二阈值范围的黑点;拟合灰度值符合第二阈值范围的黑点,得到涂层区域的第一缺陷区。
该本发明实施例中,第二阈值范围为(0,涂层区域的平均灰度值-55]。
在目标图像的涂层区域提取灰度值符合第三阈值范围的亮点;拟合灰度值符合第三阈值范围的亮点,得到涂层区域的第二缺陷区。
该本发明实施例中,第三阈值范围为(涂层区域的平均灰度值+135,255]。
S4:计算缺陷区的特征值,根据特征值,将缺陷区进行分类匹配,确定缺陷区的类型。
该步骤用于计算缺陷区的特征值,并根据特征值进行匹配分类。具体地,在该步骤中,特征值包括缺陷区梯度和暗区边缘梯度。
当特征值为缺陷区梯度时,计算缺陷区的特征值,具体为:计算缺陷区的平均灰度值、及缺陷区向外扩展第一距离的正常区域的平均灰度值;缺陷区梯度为缺陷区和正常区域的平均灰度值的差值。
在本发明实施例中,第一距离为10像素单位,即正常区域的平均灰度值为缺陷区向外扩展10像素单元的正常区域的平均灰度值。
暗区边缘梯度指的是在缺陷区内暗区的边缘灰度的最大变化率。
将计算得到的缺陷区的特征值,与预设的每一缺陷类型的特征值进行匹配,从而确定缺陷区的类型。
在另一实施例中,在确定缺陷区的类型后,可对缺陷位置进行定位;并对不良结果进行报警提示;以便后续对缺陷区进行相应处理。
参见图2,是本发明第二实施例提供的锂电池涂布缺陷检测系统的结构框图。该实施例的锂电池涂布缺陷检测系统包括:图像采集单元1、目标图像确定单元2、缺陷提取单元3和缺陷区匹配单元4。
图像采集单元1,用于采集锂电池的极片图像。
目标图像确定单元2,用于对极片图像进行拼接处理,得到目标图像,并确定锂电池极片的电池周期。
缺陷提取单元3,用于在电池周期范围内,对目标图像进行缺陷提取,得到缺陷区。
缺陷区匹配单元4,用于计算缺陷区的特征值,根据特征值,将缺陷区进行分类匹配,确定缺陷区的类型。
在另一实施例中,该锂电池涂布缺陷检测系统还可进一步包括定位模块和报警模块;定位模块用于对缺陷区进行定位;报警模块用于发出报警提示;以便后续对缺陷区进行相应处理。
参见图3,是本发明第三实施例提供的锂电池涂布缺陷检测系统终端设备的结构框图。该实施例的终端设备包括:处理器31、存储器32、显示屏33、输入装置34、输出装置35、通信装置36以及存储在存储器32中并可在处理器31上运行的计算机程序。处理器31执行计算机程序时实现上述方法实施例中的步骤。或者,处理器31执行计算机程序时实现上述各装置实施例中各模块/单元的功能。该终端设备中处理器31的数量可以是一个或者多个,图3中以一个处理器31为例。该终端设备中存储器32的数量可以是一个或者多个,图3中以一个存储器32为例。该终端设备的处理器31、存储器32、显示屏33、输入装置34、输出装置35和通信装置36可以通过总线或者其他方式连接,图3中以通过总线连接为例。实施例中,终端设备可以是电脑,手机,平板,投影仪或交互智能平板等。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器32中,并由处理器31执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
终端设备可包括,但不仅限于,处理器31、存储器32。本领域技术人员可以理解,示意图仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
存储器32可用于存储计算机程序和/或模块,处理器31通过运行或执行存储在存储器32内的计算机程序和/或模块,以及调用存储在存储器32内的数据,实现终端设备的各种功能。存储器32可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器32可以包括高速随机存取存储器,还可以包括非易失性存储器,例如ROM,或其他易失性固态存储器件,例如RAM。
显示屏33,一般而言,显示屏33用于根据处理器31的指示显示数据,并将相应的信号发送至处理器31或其他装置。
通信装置36,用于与其他设备建立通信连接,其可以是有线通信装置36和/或无线通信装置36。输入装置34可用于接收输入的数字或者字符信息,以及产生与终端设备的用户设置以及功能控制有关的键信号输入,还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置35可以包括扬声器等音频设备。需要说明的是,输入装置34和输出装置35的具体组成可以根据实际情况设定。
本发明第四实施例提供了一种计算机可读存储介质,终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (5)

1.一种锂电池涂布缺陷检测方法,其特征在于,所述方法包括如下步骤:
采集所述锂电池的极片图像,其中,锂电池极片显示为:涂层区与涂层区之间间隔有基材区;
对所述极片图像进行拼接处理,得到目标图像,并确定锂电池极片的电池周期,所述电池周期为第一基材区域和涂层区域;具体为:识别并提取出极片图像中的第一基材区域、涂层区域和第二基材区域;顺次拼接第一基材区域、涂层区域和第二基材区域,得到目标图像;同时,根据基材区域的箔区高度参数,确定锂电池极片的电池周期;
在所述电池周期范围内,对所述目标图像进行缺陷提取,得到缺陷区:对所述目标图像的基材区域进行缺陷提取,得到所述基材区域的缺陷区;以及,对所述目标图像的涂层区域进行缺陷提取,得到所述涂层区域的缺陷区;
其中,对所述目标图像的基材区域进行缺陷提取,得到所述基材区域的缺陷区,具体为:在所述目标图像的基材区域提取灰度值符合第一阈值范围的黑点;拟合所述灰度值符合第一阈值范围的黑点,得到所述基材区域的缺陷区;
对所述目标图像的涂层区域进行缺陷提取,得到所述涂层区域的缺陷区,具体为:
在所述目标图像的涂层区域提取灰度值符合第二阈值范围的黑点;拟合所述灰度值符合第二阈值范围的黑点,得到所述涂层区域的第一缺陷区;
在所述目标图像的涂层区域提取灰度值符合第三阈值范围的亮点;拟合所述灰度值符合第三阈值范围的亮点,得到所述涂层区域的第二缺陷区;
计算所述缺陷区的特征值,所述特征值包括缺陷区梯度和暗区边缘梯度,所述暗区边缘梯度为在缺陷区内暗区的边缘灰度的最大变化率;当所述特征值为缺陷区梯度时,计算所述缺陷区的特征值,具体为:计算所述缺陷区的平均灰度值,及所述缺陷区向外扩展第一距离的正常区域的平均灰度值;所述缺陷区梯度为所述缺陷区和所述正常区域的平均灰度值的差值;
根据所述特征值,将所述缺陷区进行分类匹配,确定所述缺陷区的类型。
2.根据权利要求1所述的锂电池涂布缺陷检测方法,其特征在于,根据所述特征值,将所述缺陷区进行分类匹配,确定所述缺陷区的类型,具体为:
预设缺陷类型,并确定每一缺陷类型的特征值;
将计算得到的所述缺陷区的特征值与所述每一缺陷类型的特征值进行匹配;确定所述缺陷区的类型。
3.一种锂电池涂布缺陷检测系统,所述系统用于实现权利要求1至2中任意一项所述的锂电池涂布缺陷检测方法,其特征在于,所述系统包括:
图像采集单元,用于采集所述锂电池的极片图像;
目标图像确定单元,用于对所述极片图像进行拼接处理,得到目标图像,并确定锂电池极片的电池周期;
缺陷提取单元,用于在所述电池周期范围内,对所述目标图像进行缺陷提取,得到缺陷区:对所述目标图像的基材区域进行缺陷提取,得到所述基材区域的缺陷区;以及,对所述目标图像的涂层区域进行缺陷提取,得到所述涂层区域的缺陷区;
其中,对所述目标图像的基材区域进行缺陷提取,得到所述基材区域的缺陷区,具体为:在所述目标图像的基材区域提取灰度值符合第一阈值范围的黑点;拟合所述灰度值符合第一阈值范围的黑点;得到所述基材区域的缺陷区;
对所述目标图像的涂层区域进行缺陷提取,得到所述涂层区域的缺陷区,具体为:
在所述目标图像的涂层区域提取灰度值符合第二阈值范围的黑点;拟合所述灰度值符合第二阈值范围的黑点,得到所述涂层区域的第一缺陷区;
在所述目标图像的涂层区域提取灰度值符合第三阈值范围的亮点;拟合所述灰度值符合第三阈值范围的亮点,得到所述涂层区域的第二缺陷区;
缺陷区匹配单元,用于计算所述缺陷区的特征值,根据所述特征值,将所述缺陷区进行分类匹配,确定所述缺陷区的类型。
4.一种锂电池涂布缺陷检测终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至2中任意一项所述的锂电池涂布缺陷检测方法。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至2中任意一项所述的锂电池涂布缺陷检测方法。
CN201811276032.9A 2018-10-30 2018-10-30 锂电池涂布缺陷检测方法、系统、设备及存储介质 Active CN109613000B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811276032.9A CN109613000B (zh) 2018-10-30 2018-10-30 锂电池涂布缺陷检测方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811276032.9A CN109613000B (zh) 2018-10-30 2018-10-30 锂电池涂布缺陷检测方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109613000A CN109613000A (zh) 2019-04-12
CN109613000B true CN109613000B (zh) 2023-02-03

Family

ID=66001721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811276032.9A Active CN109613000B (zh) 2018-10-30 2018-10-30 锂电池涂布缺陷检测方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109613000B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110909559A (zh) * 2019-11-01 2020-03-24 哈尔滨工大智慧工厂有限公司 一种基于图像处理的锂电池条形码识别系统与方法
CN113030093B (zh) * 2020-12-30 2022-07-22 凌云光技术股份有限公司 一种电池隔膜表面缺陷检测方法和系统
CN113012128B (zh) * 2021-03-18 2022-04-15 长鑫存储技术有限公司 缺陷表征方法和装置
CN113538430B (zh) * 2021-09-16 2021-12-21 深圳新视智科技术有限公司 基于差分的极片缺陷检测方法、装置、设备及介质
CN114633556B (zh) * 2021-12-31 2023-09-05 深圳市嘉同达自动化设备有限公司 一种锂电池涂布不良标识方法、系统、涂布机及存储介质
CN115841445B (zh) * 2022-04-18 2024-05-17 宁德时代新能源科技股份有限公司 对复合料带的阴极极片进行检测的方法、装置和系统
WO2024000514A1 (zh) * 2022-06-30 2024-01-04 宁德时代新能源科技股份有限公司 一种极片检测装置、方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203365334U (zh) * 2013-06-07 2013-12-25 新疆众和股份有限公司 电极箔生产线箔面观察装置
CN203606301U (zh) * 2013-11-20 2014-05-21 东南大学 动力锂离子电池极片缺陷检测用视觉硬件
CN104359915B (zh) * 2014-12-08 2017-05-10 合肥京东方光电科技有限公司 一种涂胶检测方法及涂胶检测装置
CN105424190A (zh) * 2015-09-30 2016-03-23 广州超音速自动化科技股份有限公司 产品外观的灰度检测方法
CN206038548U (zh) * 2016-07-27 2017-03-22 东莞阿李自动化股份有限公司 一种极片检测装置
CN107421438B (zh) * 2017-01-22 2020-11-06 广东新德重智能装备有限公司 基于机器视觉的涂膜尺寸检测控制系统及其方法

Also Published As

Publication number Publication date
CN109613000A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN109613000B (zh) 锂电池涂布缺陷检测方法、系统、设备及存储介质
CN109636717B (zh) 锂电池涂布检测分析方法、系统、设备及存储介质
CN109598721B (zh) 电池极片的缺陷检测方法、装置、检测设备和存储介质
CN109951627B (zh) 图像处理方法、装置、存储介质及电子设备
CN113607742B (zh) 电芯极耳检测方法、装置、电子设备和存储介质
CN109655463B (zh) 锂电池极片涂布的图像采集方法、系统、设备及存储介质
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
CN104537650A (zh) 一种铝电解电容器的极性方向判定方法及装置
CN110544231B (zh) 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法
CN114764804A (zh) 锂电池极片缺陷检测方法、装置、设备及存储介质
CN112330623B (zh) 电芯极组极片对齐度检测方法和检测装置
CN112858334B (zh) 锂电池极片检测方法、装置、存储介质及电子设备
CN102818998A (zh) 一种锂离子动力电池析锂的检测方法
CN109142367A (zh) 一种锂电池极耳虚焊检测方法及极耳焊接检测系统
CN116523921A (zh) 一种针对极耳翻折情况的检测方法、装置和系统
CN115035061A (zh) 一种电芯极组阴阳极点提取及阴阳极片对齐度检测方法
CN114705140A (zh) 一种全极耳电芯卷绕检测方法、设备及介质
CN113222900A (zh) 极耳的极性检测方法、检测装置、终端设备及存储介质
CN113654493A (zh) 一种叠片软包锂电池质量检测方法及系统
CN117173100B (zh) 聚合物锂离子电池生产控制系统及其方法
CN111050027B (zh) 镜头畸变补偿方法、装置、设备和存储介质
CN114881878B (zh) 深度图像增强方法、装置、设备及存储介质
CN115797254A (zh) 极片缺陷检测方法、装置、计算机设备和存储介质
CN113011497B (zh) 图像比对方法和系统
CN113125974B (zh) 一种电池析锂检测方法及装置

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
GR01 Patent grant
GR01 Patent grant