CN113409294B - 一种卷芯的抽芯检测方法、电子设备及存储介质 - Google Patents
一种卷芯的抽芯检测方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113409294B CN113409294B CN202110736299.7A CN202110736299A CN113409294B CN 113409294 B CN113409294 B CN 113409294B CN 202110736299 A CN202110736299 A CN 202110736299A CN 113409294 B CN113409294 B CN 113409294B
- Authority
- CN
- China
- Prior art keywords
- core
- straight line
- image
- tail
- target
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种卷芯的抽芯检测方法、电子设备及存储介质,采用机器视觉检测手段,对卷芯一侧和卷芯尾部一侧进行识别处理,分别得到第一直线和第二直线,并根据第一直线和第二直线的交点得到的第一跟随定位空间,获取卷芯尾部的目标线段,从而获取目标垂线,通过卷芯尾部的实际曲线上距目标垂线距离最大的点D,判断点D到目标垂线的距离d是否在预设范围内,以确定该卷芯是否合格。本申请实施例的抽芯检测方法,机器视觉图像处理逻辑稳定,抗干扰能力好,检测结果准确,并且应用该方法的检测系统具有更好的交互性。
Description
技术领域
本申请涉及动力电池领域,具体而言,涉及一种卷芯的抽芯检测方法、电子设备及存储介质。
背景技术
多极耳电动汽车(Electric Vehicle,EV)动力电池是通过EV卷绕机根据一定的电池工艺卷绕制成,具体为:请参照图1,图1卷针具有第一构件2和第二构件3,第一构件2和第二构件3对极片及隔膜1进行夹持,卷针通过顺时针或逆时针旋转(如图中箭头所示),对极片及隔膜1进行卷绕,形成卷芯(电芯)。在卷绕完成时,卷芯还需进行抽芯工序,即将卷针抽出卷芯。
卷芯在制芯卷绕过程中抽芯工序时,可能出现隔膜被抽离出卷芯造成产品不合格的情况。现有技术采用激光对射感应器检测隔膜是否被抽离出卷芯,在隔膜超出为小面积的情况无法检出,导致检测结果不准确。
发明内容
本申请实施例的目的在于提供一种卷芯的抽芯检测方法、电子设备及存储介质,用以解决现有技术采用激光对射感应器检测隔膜是否被抽离出卷芯,在隔膜超出为小面积的情况无法检出,导致检测结果不准确的问题。
本申请实施例提供的一种卷芯的抽芯检测方法,包括:
获取卷芯的第一图像;
根据第一图像获取用于表征卷芯一侧的第一直线和用于表征第一图像中卷芯尾部一侧的第二直线,第一直线与第二直线相交于点A;
以第一直线、第二直线和点A,得到对应的第一跟随定位空间;
根据第一跟随定位空间和第一图像,获取卷芯尾部的目标线段,取目标线段的中点B;
作点B到第一直线的目标垂线,目标垂线与第一直线相交于点C;
以第一直线、目标垂线和点C,得到对应的第二跟随定位空间;
根据第一图像和第二跟随定位空间,获取卷芯尾部的实际曲线;
找出实际曲线中y值最大的点D;
计算点D到目标垂线的距离d,并判断d是否在预设范围内:若是,则卷芯合格;若否,则卷芯不合格。
上述技术方案中,采用机器视觉检测手段,对卷芯一侧和卷芯尾部一侧进行识别处理,分别得到第一直线和第二直线,并根据第一直线和第二直线的交点得到的第一跟随定位空间,获取卷芯尾部的目标线段,从而获取目标垂线,通过卷芯尾部的实际曲线上距目标垂线距离最大的点D,判断点D到目标垂线的距离d是否在预设范围内,以确定该卷芯是否合格。本申请实施例的抽芯检测方法,机器视觉图像处理逻辑稳定,抗干扰能力好,检测结果准确,并且应用该方法的检测系统具有更好的交互性。
在一些可选的实施方式中,根据第一图像和第二跟随定位空间,获取卷芯尾部的实际曲线,包括:
对第一图像进行二值化处理,得到卷芯和背景分离的第二图像;
根据第二图像和第二跟随定位空间,获取实际曲线。
上述技术方案中,对第一图像进行二值化处理,得到卷芯和背景分离的第二图像,使卷芯尾部的实际曲线更容易被识别出。
在一些可选的实施方式中,获取卷芯尾部的目标线段,包括:
获取卷芯尾部的一侧的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到目标线段。
上述技术方案中,获取卷芯尾部一侧的多个兴趣点,以拟合该卷芯尾部的边缘区域的目标线段,避免卷芯尾部中间的隔膜被抽出导致的卷芯尾部拟合直线不准确的情况,更能反映真实的卷芯尾部。
在一些可选的实施方式中,获取卷芯尾部的目标线段,包括:获取卷芯尾部的两侧的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到目标线段。
上述技术方案中,获取卷芯尾部两侧的多个兴趣点,以拟合该卷芯尾部的边缘区域的目标线段,避免卷芯尾部中间的隔膜被抽出导致的卷芯尾部拟合直线不准确的情况,更能反映真实的卷芯尾部。
在一些可选的实施方式中,获取卷芯尾部的目标线段,包括:对卷芯尾部划分为多段,获取每一段的多个兴趣点,对每一段的多个兴趣点利用最小二乘法拟合直线,得到多个直线段,将多个直线段中的中点y值最小的直线段作为目标线段。
上述技术方案中,对卷芯尾部划分为多段,对每一段拟合直线段,用中点y值最小的直线段作为目标线段,避免卷芯尾部中间的隔膜被抽出导致的卷芯尾部拟合直线不准确的情况,更能反映真实的卷芯尾部。
在一些可选的实施方式中,根据第一图像获取第一直线的方式,包括:
获取卷芯尾部的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到第一直线。
在一些可选的实施方式中,根据第一图像获取第二直线的方式,包括:
获取卷芯一侧的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到第二直线。
在一些可选的实施方式中,获取卷芯的第一图像,包括:
获取卷芯的彩色图像;
对彩色图像进行RGB权重提取,得到灰度图像。
本申请实施例提供的一种电子设备,包括:处理器和存储器,存储器存储有处理器可执行的机器可读指令,机器可读指令被处理器执行时执行如以上任一的抽芯检测方法。
本申请实施例提供的一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如以上任一的抽芯检测方法。
在本发明的一个或多个实施例中,至少具有以下有益效果:
本申请实施例的一种卷芯的抽芯检测方法,采用机器视觉检测手段,对卷芯一侧和卷芯尾部一侧进行识别处理,分别得到第一直线和第二直线,并根据第一直线和第二直线的交点得到的第一跟随定位空间,获取卷芯尾部的目标线段,从而获取目标垂线,通过卷芯尾部的实际曲线上距目标垂线距离最大的点D,判断点D到目标垂线的距离d是否在预设范围内,以确定该卷芯是否合格。本申请实施例的抽芯检测方法,机器视觉图像处理逻辑稳定,抗干扰能力好,检测结果准确,并且应用该方法的检测系统具有更好的交互性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的卷芯在制芯卷绕过程的示意图;
图2为本申请实施例提供的卷绕电芯的抽芯检测方法步骤流程图;
图3为本申请实施例提供的点D及距离d的示意图;
图4为本申请实施例提供的另一种抽芯检测方法步骤流程图;
图5为本申请实施例提供的抽芯检测方法的图像识别处理的示例图;
图6为本申请实施例提供的卷绕电芯的抽芯检测系统的结构示意图;
图7为本申请实施例提供的电子设备的结构示意图。
图标:1-极片及隔膜,2-第一构件,3-第二构件,4-拍摄装置,5-电子设备,610-处理器,620-存储器,630-通信接口,640-触摸屏,650-通信总线。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
本申请实施例提供的一种卷芯的抽芯检测方法、电子设备及存储介质,采用机器视觉检测手段,更准确检测识别出抽芯不良的卷芯。
请参照图2,图2为本申请实施例提供的一种卷芯的抽芯检测方法步骤流程图,包括:
100、获取卷芯的第一图像;
步骤100中,可直接获取卷芯的灰度图像,也可以获取卷芯的彩色图像,并对彩色图像进行RGB权重提取,以得到灰度图像。
200、根据第一图像获取用于表征卷芯一侧的第一直线和用于表征第一图像中卷芯尾部一侧的第二直线,第一直线与第二直线相交于点A;
请参照图3中,本申请实施例提供的点A、第一直线和第二直线的示意图。第一直线表征图中卷芯左侧,第二直线表征图中卷芯上端的卷芯尾部,第一直线与第二直线的交点A为图中左上边缘处的拐点。需明确的是,在另一些实施例中,第一直线也可以表征图3中的卷芯右侧,为描述方便,本申请实施例的卷芯一侧以卷芯左侧为例进行描述。
其中,根据第一图像获取第一直线的方式,包括但不限于以下的方式:获取卷芯尾部的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到第一直线。
根据第一图像获取第二直线的方式,包括但不限于以下的方式:获取卷芯一侧的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到第二直线。
300、以第一直线、第二直线和点A,得到对应的第一跟随定位空间;根据第一跟随定位空间和第一图像,获取卷芯尾部的目标线段,取目标线段的中点B;
步骤300中,以点A(x,y)获取第一跟随定位空间,其中x以第二直线为方向的方向向量,y以第一直线为方向的方向向量。根据第一跟随定位空间和第一图像,获取卷芯尾部的目标线段,采用包括但不限于下述的三种方式:
第一种方式:获取卷芯尾部的一侧的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到目标线段。
获取目标线段的第一种方式中,获取卷芯尾部左侧或右侧的多个兴趣点,以拟合该卷芯尾部的边缘区域的目标线段,例如图3中的目标线段为卷芯尾部右侧的边缘区域,避免卷芯尾部中间的隔膜被抽出导致的卷芯尾部拟合直线不准确的情况,更能反映真实的卷芯尾部。
第二种方式:获取卷芯尾部的两侧的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到目标线段。
获取目标线段的第二种方式中,获取卷芯尾部两侧的多个兴趣点,以拟合该卷芯尾部左侧和右侧的边缘区域的目标线段,避免卷芯尾部中间的隔膜被抽出导致的卷芯尾部拟合直线不准确的情况,更能反映真实的卷芯尾部。
第三种方式:对卷芯尾部划分为多段,获取每一段的多个兴趣点,对每一段的多个兴趣点利用最小二乘法拟合直线,得到多个直线段,将多个直线段中的中点y值最小的直线段作为目标线段。
获取目标线段的第三种方式中,对卷芯尾部划分为多段,对每一段拟合直线段,用中点y值最小的直线段作为目标线段,避免卷芯尾部中间的隔膜被抽出导致的卷芯尾部拟合直线不准确的情况,更能反映真实的卷芯尾部。需明确的是,对卷芯尾部划分多段,可以是划分为相互连接的连续多段,也可以是不相互连接的多段,也可以是具有重叠区域的多段。
400、作点B到第一直线的目标垂线,目标垂线与第一直线相交于点C;以第一直线、目标垂线和点C,得到对应的第二跟随定位空间;
请参照图3中的第一直线、目标垂线、点B和点C,目标线段表征卷芯尾部的部分区域,取目标线段的中点B,作点B与第一直线的垂线,即目标垂线,目标垂线与第一直线相交于点C,以点C(x,y)获取第二跟随定位空间,其中x为以目标垂线为方向的方向向量,y为以第一直线为方向的方向向量。
500、根据第一图像和第二跟随定位空间,获取卷芯尾部的实际曲线;
步骤500中,可对第一图像进行进一步的图像增强处理,包括但不限于以下处理方式:利用Blob处理,对第一图像进行二值化处理,得到卷芯和背景分离的第二图像。
之后,根据第二图像和第二跟随定位空间,获取实际曲线。由于第二图像中卷芯和背景分离,使卷芯尾部的实际曲线更容易被识别出。
600、找出实际曲线中y值最大的点D;计算点D到目标垂线的距离d,并判断d是否在预设范围内:若是,则卷芯合格;若否,则卷芯不合格。
请参照图3中的目标垂线、点D及距离d,点D为距离目标垂线最远的点,且点D距离目标垂线的距离即为距离d。因此,只需判断距离d是否处于允许的预设范围内,即可确定卷芯是否合格。需明确的是,本申请实施例的卷芯,默认该卷芯在抽芯工序之前合格,该卷芯在完成抽芯工序后,该卷芯是否合格仅针对抽芯工序而言,即本申请实施例的“卷芯合格”与“卷芯不合格”仅针对抽芯工序导致的合格与不合格。
综上所述,采用机器视觉检测手段,对卷芯一侧和卷芯尾部一侧进行识别处理,分别得到第一直线和第二直线,并根据第一直线和第二直线的交点得到的第一跟随定位空间,获取卷芯尾部的目标线段,从而获取目标垂线,通过卷芯尾部的实际曲线上距目标垂线距离最大的点D,判断点D到目标垂线的距离d是否在预设范围内,以确定该卷芯是否合格。本申请实施例的抽芯检测方法,机器视觉图像处理逻辑稳定,抗干扰能力好,检测结果准确,并且应用该方法的检测系统具有更好的交互性。
请参照图4和图5所示的一种卷芯的抽芯检测方法,其中,图4为卷芯的抽芯检测方法的步骤流程图,图5为卷芯的抽芯检测方法中对图像进行处理的示意图,具体阐述如下:
对输入的灰度图像乘以常数输出多个,对其中一个灰度图像,选取图像中卷芯左侧的多个兴趣点并利用最小二乘法拟合直线,得到第一直线。对同一个灰度图像或者另一灰度图像,选取图像中卷芯尾部的多个兴趣点并利用最小二乘法拟合直线,得到第二直线。其中的第一直线和第二直线如图5中拟合得到的第一直线和第二直线所示。并且第一直线与第二直线相交于点A。
根据点A、第一直线和第二直线,获取第一跟随定位空间。根据点A、第一直线、第二直线、第一跟随定位空间和一个新的灰度图像,选取图像中卷芯尾部的不同区域的兴趣点,并根据不同的兴趣点并利用最小二乘法分别拟合出四个线段,如图5中拟合得到的第一线段、第二线段、第三线段和第四线段所示。比较四个线段中其中点的y值最小的点,例如图5中第二线段的B点为y值最小的点。
作点B到第一直线的垂线(目标垂线),目标垂线与第一直线相交于点C,以垂点C、第一直线和目标垂线获取第二跟随定位空间,如图5中获取目标垂线所示。
与上述步骤不分先后的,对一个新的灰度图像进行Blob处理,将卷芯和背景分离并截取感兴趣的限定区域,输出限定区域的二值图像,如图5中的限定区域的二值图像所示。
结合上述步骤得到的二值图像和第二跟随定位空间。在限定区域的二值图像上,获取卷芯尾部的多个兴趣点,并利用最小二乘法拟合卷芯尾部的实际曲线,对实际曲线上的每个点进行逐个比较,得到其y值最大的点D,如图5中在二值图像中找到D点所示。
最后,通过点D到目标垂线的距离d,进行判断:若距离d大于预设阈值,则卷芯存在隔膜抽芯不良,该卷芯不合格;若距离d小于或等于预设阈值,则卷芯合格。
基于同一发明构思,请参照图6,图6为本申请实施例中提供的卷芯的抽芯检测系统,该系统包括拍摄装置4和电子设备5,拍摄装置4与电子设备5通讯连接。拍摄装置4用于获取卷芯的实际照片,并向电子设备5发送该实际照片。电子设备5对该实际照片采用以上任一实施例的抽芯检测方法,进行抽芯检测处理。
图7示出了本申请实施例提供的电子设备5的一种可能的结构。参照图7,电子设备包括:处理器610、存储器620、通信接口630以及触摸屏640,这些组件通过通信总线650和/或其他形式的连接机构(未示出)互连并相互通讯。
其中,存储器620包括一个或多个(图中仅示出一个),其可以是,但不限于,随机存取存储器(Random Access Memory,简称RAM),只读存储器(Read Only Memory,简称ROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),电可擦除可编程只读存储器(Electric Erasable Programmable Read-Only Memory,简称EEPROM)等。处理器610以及其他可能的组件可对存储器620进行访问,读和/或写其中的数据。
处理器610包括一个或多个(图中仅示出一个),其可以是一种集成电路芯片,具有信号的处理能力。上述的处理器610可以是通用处理器,包括中央处理器(CentralProcessing Unit,简称CPU)、微控制单元(Micro Controller Unit,简称MCU)、网络处理器(Network Processor,简称NP)或者其他常规处理器;还可以是专用处理器,包括神经网络处理器(Neural-network Processing Unit,简称NPU)、图形处理器(Graphics ProcessingUnit,简称GPU)、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuits,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。并且,在处理器610为多个时,其中的一部分可以是通用处理器,另一部分可以是专用处理器。
通信接口630包括一个或多个(图中仅示出一个),可以用于和其他设备进行直接或间接地通信,以便进行数据的交互。通信接口630可以包括进行有线和/或无线通信的接口。
触摸屏640包括一个或多个(图中仅示出一个),可以用于人机交互,并可由处理器610对触碰屏幕产生的点位信息进行处理。
在存储器620中可以存储一个或多个计算机程序指令,处理器610可以读取并运行这些计算机程序指令,以实现本申请实施例提供的抽芯检测方法。
可以理解的,图6所示的结构仅为示意,电子设备还可以包括比图6中所示更多或者更少的组件,或者具有与图6所示不同的结构。图6中所示的各组件可以采用硬件、软件或其组合实现。电子设备可能是实体设备,例如PC机、笔记本电脑、平板电脑、手机、服务器、嵌入式设备等,也可能是虚拟设备,例如虚拟机、虚拟化容器等。并且,电子设备也不限于单台设备,也可以是多台设备的组合或者大量设备构成的集群。
例如,本申请实施例中提到的电子设备,在实现时图6中的触摸屏640可以为键盘、鼠标和显示器。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被计算机的处理器读取并运行时,执行本申请实施例提供的抽芯检测方法。例如,计算机可读存储介质可以实现为图6中电子设备中的存储器620。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,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单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种卷芯的抽芯检测方法,其特征在于,包括:
获取所述卷芯的第一图像;
根据所述第一图像获取用于表征卷芯一侧的第一直线和用于表征所述第一图像中卷芯尾部一侧的第二直线,所述第一直线与所述第二直线相交于点A;
以所述第一直线、所述第二直线和所述点A,得到对应的第一跟随定位空间;
根据所述第一跟随定位空间和所述第一图像,获取卷芯尾部的目标线段,取所述目标线段的中点B;
作所述点B到所述第一直线的目标垂线,所述目标垂线与所述第一直线相交于点C;
以所述第一直线、所述目标垂线和所述点C,得到对应的第二跟随定位空间;
根据所述第一图像和所述第二跟随定位空间,获取卷芯尾部的实际曲线;
找出所述实际曲线中y值最大的点D;
计算所述点D到所述目标垂线的距离d,并判断d是否在预设范围内:若是,则所述卷芯合格;若否,则所述卷芯不合格。
2.如权利要求1所述的抽芯检测方法,其特征在于,所述根据所述第一图像和所述第二跟随定位空间,获取卷芯尾部的实际曲线,包括:
对所述第一图像进行二值化处理,得到卷芯和背景分离的第二图像;
根据所述第二图像和所述第二跟随定位空间,获取所述实际曲线。
3.如权利要求1所述的抽芯检测方法,其特征在于,所述获取卷芯尾部的目标线段,包括:
获取卷芯尾部的一侧的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到所述目标线段。
4.如权利要求1所述的抽芯检测方法,其特征在于,所述获取卷芯尾部的目标线段,包括:
获取卷芯尾部的两侧的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到所述目标线段。
5.如权利要求1所述的抽芯检测方法,其特征在于,所述获取卷芯尾部的目标线段,包括:
对卷芯尾部划分为多段,获取每一段的多个兴趣点,对每一段的多个兴趣点利用最小二乘法拟合直线,得到多个直线段,将多个直线段中的中点y值最小的直线段作为所述目标线段。
6.如权利要求1所述的抽芯检测方法,其特征在于,根据所述第一图像获取所述第一直线的方式,包括:
获取卷芯尾部的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到所述第一直线。
7.如权利要求1所述的抽芯检测方法,其特征在于,根据所述第一图像获取所述第二直线的方式,包括:
获取卷芯一侧的多个兴趣点,对该多个兴趣点利用最小二乘法拟合直线,得到所述第二直线。
8.如权利要求1所述的抽芯检测方法,其特征在于,所述第一图像为灰度图像;
所述获取所述卷芯的第一图像,包括:
获取所述卷芯的彩色图像;
对所述彩色图像进行RGB权重提取,得到所述灰度图像。
9.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述机器可读指令被所述处理器执行时执行如权利要求1-8任一所述的抽芯检测方法。
10.一种计算机存储介质,其特征在于,该计算机存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1-8任一所述的抽芯检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110736299.7A CN113409294B (zh) | 2021-06-30 | 2021-06-30 | 一种卷芯的抽芯检测方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110736299.7A CN113409294B (zh) | 2021-06-30 | 2021-06-30 | 一种卷芯的抽芯检测方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113409294A CN113409294A (zh) | 2021-09-17 |
CN113409294B true CN113409294B (zh) | 2023-03-24 |
Family
ID=77680493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110736299.7A Active CN113409294B (zh) | 2021-06-30 | 2021-06-30 | 一种卷芯的抽芯检测方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113409294B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053326A (zh) * | 2020-08-13 | 2020-12-08 | 无锡先导智能装备股份有限公司 | 电芯对齐度检测方法、系统、装置和设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7151979B2 (en) * | 2002-11-26 | 2006-12-19 | International Paper Company | System and method for tracking inventory |
JP6423298B2 (ja) * | 2014-03-27 | 2018-11-14 | 日本電産サンキョー株式会社 | カードリーダ |
CN103925893B (zh) * | 2014-04-17 | 2017-01-11 | 广东正业科技股份有限公司 | 一种卷绕电池的质量检测方法 |
CN107941805A (zh) * | 2017-12-01 | 2018-04-20 | 无锡先导智能装备股份有限公司 | 电芯质量检测方法 |
CN112577421A (zh) * | 2019-12-11 | 2021-03-30 | 广东利元亨智能装备股份有限公司 | 一种电芯检测方法、装置及设备 |
CN211488650U (zh) * | 2020-04-10 | 2020-09-15 | 惠州市元大电子科技有限公司 | 一种铝壳电池卷芯自动检测短路分选设备 |
-
2021
- 2021-06-30 CN CN202110736299.7A patent/CN113409294B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053326A (zh) * | 2020-08-13 | 2020-12-08 | 无锡先导智能装备股份有限公司 | 电芯对齐度检测方法、系统、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113409294A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200334830A1 (en) | Method, apparatus, and storage medium for processing video image | |
CN110660066B (zh) | 网络的训练方法、图像处理方法、网络、终端设备及介质 | |
CN113409296B (zh) | 一种卷绕电芯的抽芯检测方法、电子设备及存储介质 | |
US10296803B2 (en) | Image display apparatus, image display method, and computer program product | |
CN111597884A (zh) | 面部动作单元识别方法、装置、电子设备及存储介质 | |
CN112163577B (zh) | 游戏画面中的文字识别方法、装置、电子设备和存储介质 | |
CN108961267B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN114550177A (zh) | 图像处理的方法、文本识别方法及装置 | |
CN112991180A (zh) | 图像拼接方法、装置、设备以及存储介质 | |
CN115861400B (zh) | 目标对象检测方法、训练方法、装置以及电子设备 | |
EP4113376A1 (en) | Image classification model training method and apparatus, computer device, and storage medium | |
CN111192312B (zh) | 基于深度学习的深度图像获取方法、装置、设备及介质 | |
WO2024120223A1 (zh) | 图像处理方法、装置、设备、存储介质及计算机程序产品 | |
CN113409294B (zh) | 一种卷芯的抽芯检测方法、电子设备及存储介质 | |
CN115471439A (zh) | 显示面板缺陷的识别方法、装置、电子设备及存储介质 | |
CN113486867B (zh) | 人脸微表情识别方法、装置、电子设备及存储介质 | |
CN113365027B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
US20230386241A1 (en) | Person re-identification method, computer-readable storage medium, and terminal device | |
CN116503407B (zh) | 图像中异物区域的检测方法、装置及电子设备 | |
CN116128863B (zh) | 一种医学图像处理方法、装置及设备 | |
CN114037865B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
US20230386244A1 (en) | Person re-identification method, computer-readable storage medium, and terminal device | |
CN117292417A (zh) | 一种关键点检测方法、系统以及相关装置 | |
CN117725614A (zh) | 一种车牌脱敏方法、装置、电子设备及存储介质 |
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 |