CN113470005A - 一种圆柱电池盖帽的焊点检测装置和焊点检测方法 - Google Patents
一种圆柱电池盖帽的焊点检测装置和焊点检测方法 Download PDFInfo
- Publication number
- CN113470005A CN113470005A CN202110839992.7A CN202110839992A CN113470005A CN 113470005 A CN113470005 A CN 113470005A CN 202110839992 A CN202110839992 A CN 202110839992A CN 113470005 A CN113470005 A CN 113470005A
- Authority
- CN
- China
- Prior art keywords
- welding spot
- welding
- information
- image
- module
- 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.)
- Granted
Links
- 238000003466 welding Methods 0.000 title claims abstract description 382
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000004519 manufacturing process Methods 0.000 claims abstract description 45
- 230000008439 repair process Effects 0.000 claims description 63
- 238000004458 analytical method Methods 0.000 claims description 32
- 239000000463 material Substances 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 230000005856 abnormality Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 8
- 239000002699 waste material Substances 0.000 claims description 7
- 229910000679 solder Inorganic materials 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 238000004544 sputter deposition Methods 0.000 claims description 5
- 238000010191 image analysis Methods 0.000 claims description 4
- 238000004064 recycling Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 238000005493 welding type Methods 0.000 claims description 2
- 239000013072 incoming material Substances 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000000034 method Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Sealing Battery Cases Or Jackets (AREA)
Abstract
本发明提供了一种圆柱电池盖帽的焊点检测装置和焊点检测方法,包括,图像获取模块,用于获取圆柱电池盖帽的焊点图像;焊点获取模块,用于基于多特征焊点模板对所述焊点图像中的焊点进行检测,得到焊点质量信息;匹配模块,用于将所述焊点质量信息与实际生产图对应的标准焊点模板的焊点标准信息进行匹配,当不匹配时,将对应结果发送至反馈模块;反馈模块,用于将所述结果反馈至用户终端。本发明可解决在匹配一些来料复杂与模板相差过大的焊点,数量会匹配不全的问题。
Description
技术领域
本发明涉及锂电行业3C制造技术领域,特别涉及一种圆柱电池盖帽的焊点检测装置。
背景技术
目前,随着社会不断发展和科技不断进步,机械自动化生产已经成为发展趋势,并逐渐代替传统的手工劳动,为企业可持续发展注入新的动力源。电池生产制造过程中同样需要推进技术改造,大力发展机械自动化生产,实现电池生产制造企业的可持续发展,传统检测为一个模板匹配多个焊点,由于比较复杂的生产环境造成了焊点的多样性,多模板匹配相比之前的方法对焊点的品质有了更细致的把控。
发明内容
本发明提供一种圆柱电池盖帽的焊点检测装置,用以解决在匹配一些来料复杂与模板相差过大的焊点,数量会匹配不全的问题。
为达到上述目的,本发明实施例提出了一种圆柱电池盖帽的焊点检测装置,包括:
图像获取模块,用于获取圆柱电池盖帽的焊点图像;
焊点获取模块,用于基于多特征焊点模板对所述焊点图像中的焊点进行检测,得到焊点质量信息;
匹配模块,用于将所述焊点质量信息与实际生产图对应的标准焊点模板的焊点标准信息进行匹配,当不匹配时,将对应结果发送至反馈模块;
反馈模块,用于将所述结果反馈至用户终端。
优选的,所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述图像获取模块,包括:
发射子模块,用于从多个方向向圆柱电池盖帽发射测试光线;
接收子模块,用于接收所述发射子模块发射出的测试光线与圆柱电池盖帽接触后生成的反馈光线;
信息生成子模块,用于基于所述反馈光线,生成相应点信号,并对所得电信号进行放大处理,得到放大电信号,根据所述放大电信号,生成圆柱电池盖帽的图像;
基于各方向测试光线,得到圆柱电池盖帽各个方向的图像信息,将所得图像信息进行融合,得到圆柱电池盖帽部位的3D完整图像。
优选的,所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述焊点获取模块,包括:
焊点定位子模块,用于根据历史实际生产图,获取焊点在合格和不合格状态下的全部焊点外观信息,基于外观特征进行分类,得到焊点各个类型外观特征,基于所述外观特征,生成多特征焊点模板;
基于多特征焊点模板中焊点外观,在3D完整图像中提取与多特征焊点模板中焊点焊点外观相似的特征点,将所提取特征点设为第一待处理特征点,获取所述第一待处理特征点在圆柱电池盖帽中的位置信息,根据所述位置信息,提取所述第一待处理特征点所对应的图像信息,并根据图像中焊点信息,获取所述第一待处理特征点的颜色特征,对颜色特征进行比色处理,确定所述第一待处理特征点颜色所对应材料信息,根据材料信息分析所述第一待处理特征点是否为焊点;
若不是,将所述第一待处理特征点剔除;
若是,将所述第一待处理特征点进行标定,得到标定特征点,基于多特征焊点模板,计算所述标定特征点与多特征焊点模板内各个焊点的相似率;
若所得相似率小于预设相似率阈值,则判定此标定特征点为溅射点;
若所得相似率大于预设相似率阈值,则判定此此标定特征点为焊点。
将所得焊点进行分割处理,得到标定3D子图像集;
图像分析子模块,用于根据标定3D子图像集,得到焊点外观信息;
信息获取子模块,用于根据焊点部位的表面信息,分析焊点的材料紧密性,并根据所述紧密性大小,计算焊点的硬度大小;
将所述焊点的外观信息、硬度大小进行整合,得到焊点信息。
优选的,所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述匹配模块,包括:
模板生成子模块,用于将多个实际生产图导入,并进行灰度分析,建立与每个实际生产图相匹配的标准焊点模板,将所得多个标准焊点模板进行排序,作为匹配模板,并将所述第一组匹配模板设为第一匹配子模板;
焊点匹配子模块,用于将焊点信息,与所述匹配模板内的第一匹配子模板的焊点标准信息进行匹配;
若完全匹配,则所测焊点品质达标;
若不匹配,将所述焊点信息与所述匹配模板中的剩余匹配子模板进行匹配,当存在至少一个匹配成功的情况,则判定所测焊点品质达标,并记录匹配成功的匹配信息;
若与剩余匹配子模板都不匹配,则判定所测焊点品质不达标;
将所述匹配信息与品质不达标的焊点信息传输到反馈模块。
优选的,所述的一种圆柱电池盖帽的焊点检测装置,还包括:
信息接收模块,与所述反馈模块相连接,用于接收所述反馈模块反馈的不合格焊点信息;
修复分析模块,用于根据所述不合格焊点信息,计算对焊点进行修复所需的焊接材料的重量与焊接需要的时间与温度值;
智能控制模块,与所述修复分析模块相连接,用于获取所述不合格焊点的位置信息,基于智能分析模块的分析结果,生成相应的操作指令;
修复模块,用于基于所述操作指令,进行相应修复操作。
优选的,所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述修复模块,还包括:
加料子模块,用于根据标准模板,计算对所述不合格焊点进行修复所需的焊接材料的量,并基于计算结果,向所述不合格焊点处添加相应数量的焊接材料;
废料回收子模块,用于监测所述不合格焊点处是否存在添加多余的焊接材料,若存在,进行废料回收。
优选的,所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述模板生成子模块,还包括:
清晰度检测单元,用于对导入的实际生产图进行降噪处理,对降噪后的图像进行灰度化处理,得到灰度图像,对所述灰度图像进行分割处理,得到多个子灰度图像,获取各子灰度图像对应边缘图像;
将各边缘图像像素设置为白色,根据第一亮度值调节灰阶值,并测量多个像素的实际灰阶值,将其中自小的实际灰阶值作为第二亮度值,计算所述第一亮度值与所述第二亮度值的差值,根据所述第一亮度值与所述第一亮度值与所述第二亮度值的差值之和,得到第三亮度值;
根据所第一亮度值、第二亮度值、第三亮度值,计算颜色子像素偏移率,并根据所得颜色子像素偏移率,对各边缘图像进行补偿;
获取各边缘图像中的像素,生成各边缘图像对应的像素集合,抽取各集合中预设数量的像素,将其中差异较大的像素值剔除,基于剩余像素,计算与之对应边缘图像的像素平均值,根据所述像素平均值,生成相应灰度图像清晰度,判断所得灰度图像清晰度是否小于预设清晰度阈值;
若不小于,则将所述边缘图像输出;
若小于,则将所述边缘图像发送至图像增强单元;
所述图像增强单元,用于对所述所述边缘图像进行拆分,得到背景层图像与细节层图像,对所述细节层图像进行滤波增强,并将所述增强后的细节层图像与所述背景层图像融合,生成第一增强边缘图像,将所得第一增强边缘图像输出;
焊点提取单元,用于基于第一增强边缘图像,得到对应的灰度图像,将所得灰度图像进行融合,生成完整灰度图像,对完整灰度图像进行特征提取,获取其中的焊点信息,将所得焊点信息对应的标准焊点模板输出。
优选的,所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述修复模块,还包括:
参数设置子模块,用于将人工焊接时的功率温度变化情况作为参考点录入,根据录入数据,设置对焊点修复时焊台达到预设焊接温度值时对应的功率;
修复记录子模块,用于基于时间变化,记录焊点修复时的温度与功率变化情况;
智能分析子模块,用于对所述修复记录子模块记录的信息进行分析,将所述修复记录子模块记录的信息与所述参数设置模块设置的信息进行比较;
若所述修复记录子模块记录的信息与所述参数设置模块设置的信息一致,则判定此次修复无异常;
若所述修复记录子模块记录的信息与所述参数设置模块设置的信息不一致,则判定此次修复异常;
基于时间顺序,对所述修复记录子模块所记录的修复时的温度与功率变化进行分段划分,获取分段信息,并基于所述参数设置模块设置好的信息,训练各分段的异常分析模型,将所述分段信息输入与之相应的异常分析模型,输出为异常数值的异常率;
将所得各项数值异常率按大小进行排序,将其中异常最大最小值剔除,计算剩余异常率的平均值,得到平均异常率,将所得平均异常率与所述预设异常范围进行比较;
若所所得平均异常率处于预设异常范围内,则判定此次修复正常;
若所所得平均异常率不处于预设异常范围内,则判定此次修复异常,并向警示子模块发送工作指令;
所述警示子模块,与所述智能分析模块相连接,用于根据工作指令,进行相应报警提示。
优选的,一种圆柱电池盖帽的焊点检测方法,包括:
步骤1:获取圆柱电池盖帽的焊点图像;
步骤2:基于多特征焊点模板对所述焊点图像中的焊点进行检测,得到焊点质量信息;
步骤3:将所述焊点质量信息与实际生产图对应的标准焊点模板的焊点标准信息进行匹配,当不匹配时,将对应结果发送至反馈模块;
步骤4:将所述结果反馈至用户终端。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种圆柱电池盖帽的焊点检测装置流程图;
图2为本发明又一实施例中一种圆柱电池盖帽的焊点检测装置流程图;
图3为本发明又一实施例中一种圆柱电池盖帽的焊点检测装置流程图;
图4为本发明又一实施例中一种圆柱电池盖帽的焊点检测装置流程图;
图5为本发明又一实施例中一种圆柱电池盖帽的焊点检测装置流程图;
图6为本发明又一实施例中一种圆柱电池盖帽的焊点检测装置流程图;
图7为本发明实施例中一种圆柱电池盖帽的焊点检测方法流程图。
图中,1、图像获取模块;101、发射子模块;102、接收子模块;103、信息生成子模块;2、焊点获取模块;201、焊点定位子模块;202、图像分析子模块;203、信息获取子模块;3、匹配模块;301、模板生成子模块;3011、清晰度检测单元;3012、所述图像增强单元;3013、焊点提取单元;302、焊点匹配子模块;4、反馈模块;5、信息接收模块;6、修复分析模块;7、智能控制模块;8、修复模块;801、加料子模块;802、废料回收子模块;803、参数设置子模块;804、修复记录子模块;805、智能分析子模块;806、警示子模块。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
下面参考图1至图7来描述本发明实施例提出的一种圆柱电池盖帽的焊点检测装置和焊点检测方法。
实施例1:
如图1所示,本发明提供一种圆柱电池盖帽的焊点检测装置,包括:
图像获取模块1,用于获取圆柱电池盖帽的焊点图像;
焊点获取模块2,用于基于多特征焊点模板对所述焊点图像中的焊点进行检测,得到焊点信息;
匹配模块3,用于将所述焊点信息与实际生产图对应的标准焊点模板的焊点标准信息进行匹配,当不匹配时,将对应结果发送至反馈模块4;
反馈模块4,用于将所述结果反馈至用户终端。
该实施例中,焊点图像为获取的带有焊点信息的图像;多特征焊点模板为基于历史实际生产图得到的焊点的不同细节特征构成的模板;焊点信息为根据焊点图像获取的焊点的外观信息、硬度大小。
上述方案的有益效果:本发明可导入实际生产图,通过灰度分析新建标准焊点模板,运用了多个特征焊点模板对焊点进行了检测,有效避免符合质量要求的复杂焊点被管控出,并可对检测出的焊点合格率进行检测,提高产品品质。
实施例2:
基于实施例1的基础上,所述图像获取模块1,包括:
发射子模块101,用于从多个方向向圆柱电池盖帽发射测试光线;
接收子模块102,用于接收所述发射子模块101发射出的测试光线与圆柱电池盖帽接触后生成的反馈光线;
信息生成子模块103,用于基于所述反馈光线,生成相应点信号,并对所得电信号进行放大处理,得到放大电信号,根据所述放大电信号,生成圆柱电池盖帽的图像;
基于各方向测试光线,得到圆柱电池盖帽各个方向的图像信息,将所得图像信息进行融合,得到圆柱电池盖帽部位的3D完整图像。
该实施例中,测试光线为可以在不损坏工件或原材料工作状态的前提下,可以获得圆柱电池盖帽表面信息的光线;反馈光线为所述测试光线由圆柱电池盖帽反射后携带信息的反射光线;3D完整图像为所检测圆柱电池盖帽的3D影像图。
上述方案的有益效果:本发明可发射测试光线,在不损坏工件或原材料工作状态的前提下,获取圆柱电池盖帽各方向的表面信息,并根据所得信息生成3D完整图像,便于后续焊点检测的进行。
实施例3:
基于实施例1的基础上,如图2所示,所述焊点获取模块2,包括:
焊点定位子模块201,用于根据历史实际生产图,获取焊点在合格和不合格状态下的全部焊点外观信息,基于外观特征进行分类,得到焊点各个类型外观特征,基于所述外观特征,生成多特征焊点模板;
基于多特征焊点模板中焊点外观,在3D完整图像中提取与多特征焊点模板中焊点焊点外观相似的特征点,将所提取特征点设为第一待处理特征点,获取所述第一待处理特征点在圆柱电池盖帽中的位置信息,根据所述位置信息,提取所述第一待处理特征点所对应的图像信息,并根据图像中焊点信息,获取所述第一待处理特征点的颜色特征,对颜色特征进行比色处理,确定所述第一待处理特征点颜色所对应材料信息,根据材料信息分析所述第一待处理特征点是否为焊点;
若不是,将所述第一待处理特征点剔除;
若是,将所述第一待处理特征点进行标定,得到标定特征点,基于多特征焊点模板,计算所述标定特征点与多特征焊点模板内各个焊点的相似率;
若所得相似率小于预设相似率阈值,则判定此标定特征点为溅射点;
若所得相似率大于预设相似率阈值,则判定此此标定特征点为焊点。
将所得焊点进行分割处理,得到标定3D子图像集;
图像分析子模块202,用于根据标定3D子图像集,得到焊点外观信息;
信息获取子模块203,用于根据焊点部位的表面信息,分析焊点的材料紧密性,并根据所述紧密性大小,计算焊点的硬度大小;
将所述焊点的外观信息、硬度大小进行整合,得到焊点信息。
该施例中,历史实际生产图为关于圆柱电池盖帽的历史焊接图;焊点细节特征为焊点的各个细节特征,包括焊点不合格状态下的细节特征;多特征焊点模板为根据焊点各个细节特征生成的焊点对比模板;分割处理为将3D完整图中有焊点的部位进行分割;特征点为可以在多特征焊点模板中匹配到的焊点;第一待处理特征点为与多特征焊点模板中焊点外形相似的点;溅射点为进行电焊工作时焊接材料飞溅产生的溅射点;
上述方案的有益效果:本发明根据历史实际生产图得到焊点在各个状态下的特征信息,生成多特征焊点模板,并在3D完整图中进行匹配与多特征焊点模板相似的特征点,通过特征点颜色和与多特征焊点模板内焊点的相似率,分析特征点是否为焊点,本发明可以有效解决一些来料复杂与模板相差过大的焊点,数量会匹配不全的问题,确保所有焊点可以匹配出来,并可以避免将溅射点当成焊点的情况。
实施例4:
基于实施例1的基础上,如图3所示,所述匹配模块3,包括:
模板生成子模块301,用于将多个实际生产图导入,并进行灰度分析,建立与每个实际生产图相匹配的标准焊点模板,将所得多个标准焊点模板进行排序,作为匹配模板,并将所述第一组匹配模板设为第一匹配子模板;
焊点匹配子模块302,用于将焊点信息,与所述匹配模板内的第一匹配子模板的焊点标准信息进行匹配;
若完全匹配,则所测焊点品质达标;
若不匹配,将所述焊点信息与所述匹配模板中的剩余匹配子模板进行匹配,当存在至少一个匹配成功的情况,则判定所测焊点品质达标,并记录匹配成功的匹配信息;
若与剩余匹配子模板都不匹配,则判定所测焊点品质不达标;
将所述匹配信息与品质不达标的焊点信息传输到反馈模块4。
该实施例中,灰度分析为根据灰度差分法,获取焊点信息;标准焊点模板为根据实际生产图得到的各焊点的标准模板;匹配模板为多个标准模板组成的模板;第一匹配子模板为匹配模板中排序为第一的模板;第一异常焊点为与第一匹配模板中标准焊点不匹配的焊点;不合格焊点为与匹配模板中各个模板中的标准焊点信息都不匹配的焊点;
上述方案的有益效果:本发明可根据实际生产图导入,获得多个焊点标准模块,生成匹配模板,将所检测焊点与匹配模板中的多个标准焊点模板依次匹配,防止合格焊点应模板不同而被定为不合格焊点,可以有效地增加产品的生产品质。
实施例5:
基于实施例1的基础上,如图4所示,所述一种圆柱电池盖帽的焊点检测装置,还包括:
信息接收模块5,与所述反馈模块相连接,用于接收所述反馈模块反馈的不合格焊点信息;
修复分析模块6,用于根据所述不合格焊点信息,计算对焊点进行修复所需的焊接材料的重量与焊接需要的时间与温度值;
智能控制模块7,与所述修复分析模块6相连接,用于获取所述不合格焊点的位置信息,基于修复分析模块6的分析结果,生成相应的操作指令;
修复模块8,用于基于所述操作指令,进行相应修复操作。
该实施例中,不合格焊点信息为反馈模块反馈的不合格焊点的外观信息、硬度大小;焊点材料为焊点焊接需要的材料;焊接需要的时间与温度值为对不合格焊点进行修复焊接时需要的可以将焊点熔化的温度与焊接时间;
上述方案的有益效果:本发明可根据不合格焊点信息与焊点材料,得到对焊点修复需要的时间与温度值,并获取不合格焊点位置,对不合格焊点进行修复,基于所得信息,可以完美的对不合格焊接进行修复,增加的产品的修复效率和合格率。
实施例6:
基于实施例5的基础上,如图5所示,所述修复模块8,还包括:
加料子模块801,用于根据标准模板,计算对所述不合格焊点进行修复所需的焊接材料的量,并基于计算结果,向所述不合格焊点处添加相应数量的焊接材料;
废料回收子模块802,用于监测所述不合格焊点处是否存在添加多余的焊接材料,若存在,进行废料回收。
该实施例中,标准模板为此不合格焊点的合格情况下的标准信息;
上述方案的有益效果:本发明可根据标准模板,计算对不合格焊点修复需要的焊接材料的量,并当焊接材料过多时,吸收多余的焊接材料,可以使所修复焊点完美的达到标准,提高产品品质。
实施例7:
基于实施例4的基础上,,所述模板生成子模块,还包括:
清晰度检测单元3011,用于对导入的实际生产图进行降噪处理,对降噪后的图像进行灰度化处理,得到灰度图像,对所述灰度图像进行分割处理,得到多个子灰度图像,获取各子灰度图像对应边缘图像;
将各边缘图像像素设置为白色,根据第一亮度值调节灰阶值,并测量多个像素的实际灰阶值,将其中自小的实际灰阶值作为第二亮度值,计算所述第一亮度值与所述第二亮度值的差值,根据所述第一亮度值与所述第一亮度值与所述第二亮度值的差值之和,得到第三亮度值;
根据所第一亮度值、第二亮度值、第三亮度值,计算颜色子像素偏移率,并根据所得颜色子像素偏移率,对各边缘图像进行补偿;
获取各边缘图像中的像素,生成各边缘图像对应的像素集合,抽取各集合中预设数量的像素,将其中差异较大的像素值剔除,基于剩余像素,计算与之对应边缘图像的像素平均值,根据所述像素平均值,生成相应灰度图像清晰度,判断所得灰度图像清晰度是否小于预设清晰度阈值;
若不小于,则将所述边缘图像输出;
若小于,则将所述边缘图像发送至图像增强单元3012;
所述图像增强单元3012,用于对所述所述边缘图像进行拆分,得到背景层图像与细节层图像,对所述细节层图像进行滤波增强,并将所述增强后的细节层图像与所述背景层图像融合,生成第一增强边缘图像,将所得第一增强边缘图像输出;
焊点提取单元3013,用于基于第一增强边缘图像,得到对应的灰度图像,将所得灰度图像进行融合,生成完整灰度图像,对完整灰度图像进行特征提取,获取其中的焊点信息,将所得焊点信息对应的标准焊点模板输出。
该实施例中,降噪处理为剔除图像中的噪声信号;灰度化处理为将图像转化为每个像素只有一个采样颜色的图像;边缘图像为对子灰度图像进行边缘提取后得到的图像;灰阶值表达灰度值范围;第一亮度值为实际的亮度值;子像素偏移率为提升像素数量或者提升单个像素的信息量;背景层图像为边缘图像中的背景图像;细节层图像为边缘图像中表示焊点细节的图像;完整灰度图像为将多个第一增强边缘图像对应的灰度图像整合为一个完整的图像;
上述方案的有益效果:本发明可对导入的实际生产图进行处理,当处理后的实际生产图清晰度达表时,对实际生产图进行特征提取,提取其中的焊点信息最为标准焊点模板,对实际生产图进行处理,提高清晰度,可以有效地提高特征提取的准确性,确保焊点提取的准确性。
实施例8:
基于实施例5的基础上,如图6所示,所述修复模块8,还包括:
参数设置子模块803,用于将人工焊接时的功率温度变化情况作为参考点录入,根据录入数据,设置对焊点修复时焊台达到预设焊接温度值时对应的功率;
修复记录子模块804,用于基于时间变化,记录焊点修复时的温度与功率变化情况;
智能分析子模块805,用于对所述修复记录子模块804记录的信息进行分析,将所述修复记录子模块804记录的信息与所述参数设置模块803设置的信息进行比较;
若所述修复记录子模块804记录的信息与所述参数设置模块803设置的信息一致,则判定此次修复无异常;
若所述修复记录子模块804记录的信息与所述参数设置模块803设置的信息不一致,则判定此次修复异常;
基于时间顺序,对所述修复记录子模块804所记录的修复时的温度与功率变化进行分段划分,获取分段信息,并基于所述参数设置模块803设置好的信息,训练各分段的异常分析模型,将所述分段信息输入与之相应的异常分析模型,输出为异常数值的异常率;
将所得各项数值异常率按大小进行排序,将其中异常最大最小值剔除,计算剩余异常率的平均值,得到平均异常率,将所得平均异常率与所述预设异常范围进行比较;
若所所得平均异常率处于预设异常范围内,则判定此次修复正常;
若所所得平均异常率不处于预设异常范围内,则判定此次修复异常,并向警示子模块806发送工作指令;
所述警示子模块806,与所述智能分析模块805相连接,用于根据工作指令,进行相应报警提示。
该实施例中,功率温度变化情况为焊台功率与温度的对应关系;分段信息为将修复时的温度与功率变化按功率范围进行分段;异常分析模型为可以检测异常数值异常率的检测模型;
上述方案的有益效果:本发明可根据人工焊接时的功率温度变化情况,设置对焊点修复时焊台达到预设焊接温度值时对应的功率与温度,并实时监测焊点修复时的温度与功率变化情况,计算平均异常率,当平均异常率超标时进行警示,保证焊台的正常运行,确保修复后的焊点的合格率,可以有效地减少因焊台故障造成的不必要的损失。
实施例9:
如图7所示,一种圆柱电池盖帽的焊点检测方法,包括:
步骤1:获取圆柱电池盖帽的焊点图像;
步骤2:基于多特征焊点模板对所述焊点图像中的焊点进行检测,得到焊点质量信息;
步骤3:将所述焊点质量信息与实际生产图对应的标准焊点模板的焊点标准信息进行匹配,当不匹配时,将对应结果发送至反馈模块;
步骤4:将所述结果反馈至用户终端。
上述方案的有益效果:本方案可对实际生产图进行处理,提取其中焊点特征生成多特征焊点模板,基于多特征焊点模板可以有效地检测出所有焊点数量,提高准确性,并将检测的焊点信息与标准焊点信息进行比对,保证每个焊点的合格率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种圆柱电池盖帽的焊点检测装置,其特征在于,包括:
图像获取模块(1),用于获取圆柱电池盖帽的焊点图像;
焊点获取模块(2),用于基于多特征焊点模板对所述焊点图像中的焊点进行检测,得到焊点信息;
匹配模块(3),用于将所述焊点信息与实际生产图对应的标准焊点模板的焊点标准信息进行匹配,当不匹配时,将对应结果发送至反馈模块(4);
反馈模块(4),用于将所述结果反馈至用户终端。
2.根据权利要求1所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述图像获取模块(1),包括:
发射子模块(101),用于从多个方向向圆柱电池盖帽发射测试光线;
接收子模块(102),用于接收所述发射子模块(101)发射出的测试光线与圆柱电池盖帽接触后生成的反馈光线;
信息生成子模块(103),用于基于所述反馈光线,生成相应点信号,并对所得电信号进行放大处理,得到放大电信号,根据所述放大电信号,生成圆柱电池盖帽的图像;
基于各方向测试光线,得到圆柱电池盖帽各个方向的图像信息,将所得图像信息进行融合,得到圆柱电池盖帽部位的3D完整图像。
3.根据权利要求1所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述焊点获取模块(2),包括:
焊点定位子模块(201),用于根据历史实际生产图,获取焊点在合格和不合格状态下的全部焊点外观信息,基于外观特征进行分类,得到焊点各个类型外观特征,基于所述外观特征,生成多特征焊点模板;
基于多特征焊点模板中焊点外观,在3D完整图像中提取与多特征焊点模板中焊点焊点外观相似的特征点,将所提取特征点设为第一待处理特征点,获取所述第一待处理特征点在圆柱电池盖帽中的位置信息,根据所述位置信息,提取所述第一待处理特征点所对应的图像信息,并根据图像中焊点信息,获取所述第一待处理特征点的颜色特征,对颜色特征进行比色处理,确定所述第一待处理特征点颜色所对应材料信息,根据材料信息分析所述第一待处理特征点是否为焊点;
若不是,将所述第一待处理特征点剔除;
若是,将所述第一待处理特征点进行标定,得到标定特征点,基于多特征焊点模板,计算所述标定特征点与多特征焊点模板内各个焊点的相似率;
若所得相似率小于预设相似率阈值,则判定此标定特征点为溅射点;
若所得相似率大于预设相似率阈值,则判定此此标定特征点为焊点;
将所得焊点进行分割处理,得到标定3D子图像集;
图像分析子模块(202),用于根据标定3D子图像集,得到焊点外观信息;
信息获取子模块(203),用于根据焊点部位的表面信息,分析焊点的材料紧密性,并根据所述紧密性大小,计算焊点的硬度大小;
将所述焊点的外观信息、硬度大小进行整合,得到焊点信息。
4.根据权利要求1所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述匹配模块(3),包括:
模板生成子模块(301),用于将多个实际生产图导入,并进行灰度分析,建立与每个实际生产图相匹配的标准焊点模板,将所得多个标准焊点模板进行排序,作为匹配模板;
焊点匹配子模块(302),用于将焊点信息,与所述匹配模板内的第一匹配子模板的焊点标准信息进行匹配;
若完全匹配,则所测焊点品质达标;
若不匹配,将所述焊点信息与所述匹配模板中的剩余匹配子模板进行匹配,当存在至少一个匹配成功的情况,则判定所测焊点品质达标,并记录匹配成功的匹配信息;
若与剩余匹配子模板都不匹配,则判定所测焊点品质不达标;
将所述匹配信息与品质不达标的焊点信息传输到反馈模块(4)。
5.根据权利要求1所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,还包括:
信息接收模块(5),与所述反馈模块相连接,用于接收所述反馈模块反馈的不合格焊点信息;
修复分析模块(6),用于根据所述不合格焊点信息,计算对焊点进行修复所需的焊接材料的重量与焊接需要的时间与温度值;
智能控制模块(7),与所述修复分析模块(6)相连接,用于获取所述不合格焊点的位置信息,基于修复分析模块(6)的分析结果,生成相应的操作指令;
修复模块(8),用于基于所述操作指令,进行相应修复操作。
6.根据权利要求5所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述修复模块(8),还包括:
加料子模块(801),用于根据标准模板,计算对所述不合格焊点进行修复所需的焊接材料的量,并基于计算结果,向所述不合格焊点处添加相应数量的焊接材料;
废料回收子模块(802),用于监测所述不合格焊点处是否存在添加多余的焊接材料,若存在,进行废料回收。
7.根据权利要求4所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述模板生成子模块,还包括:
清晰度检测单元(3011),用于对导入的实际生产图进行降噪处理,对降噪后的图像进行灰度化处理,得到灰度图像,对所述灰度图像进行分割处理,得到多个子灰度图像,获取各子灰度图像对应边缘图像;
将各边缘图像像素设置为白色,根据第一亮度值调节灰阶值,并测量多个像素的实际灰阶值,将其中自小的实际灰阶值作为第二亮度值,计算所述第一亮度值与所述第二亮度值的差值,根据所述第一亮度值、所述第一亮度值与所述第二亮度值的差值之和,得到第三亮度值;
根据所第一亮度值、第二亮度值、第三亮度值,计算颜色子像素偏移率,并根据所得颜色子像素偏移率,对各边缘图像进行补偿;
获取各边缘图像中的像素,生成各边缘图像对应的像素集合,抽取各集合中预设数量的像素,将其中差异较大的像素值剔除,基于剩余像素,计算与之对应边缘图像的像素平均值,根据所述像素平均值,生成相应灰度图像清晰度,判断所得灰度图像清晰度是否小于预设清晰度阈值;
若不小于,则将所述边缘图像输出;
若小于,则将所述边缘图像发送至图像增强单元(3012);
所述图像增强单元(3012),用于对所述所述边缘图像进行拆分,得到背景层图像与细节层图像,对所述细节层图像进行滤波增强,并将所述增强后的细节层图像与所述背景层图像融合,生成第一增强边缘图像,将所得第一增强边缘图像输出;
焊点提取单元(3013),用于基于第一增强边缘图像,得到对应的灰度图像,将所得灰度图像进行融合,生成完整灰度图像,对完整灰度图像进行特征提取,获取其中的焊点信息,将所得焊点信息对应的标准焊点模板输出。
8.根据权利要求5所述的一种圆柱电池盖帽的焊点检测装置,其特征在于,所述修复模块(8),还包括:
参数设置子模块(803),用于将人工焊接时的功率温度变化情况作为参考点录入,根据录入数据,设置对焊点修复时焊台达到预设焊接温度值时对应的功率;
修复记录子模块(804),用于基于时间变化,记录焊点修复时焊台的温度与功率变化情况;
智能分析子模块(805),用于对所述修复记录子模块(804)记录的信息进行分析,将所述修复记录子模块(804)记录的信息与所述参数设置模块(803)设置的信息进行比较;
若所述修复记录子模块(804)记录的信息与所述参数设置模块(803)设置的信息一致,则判定此次修复无异常;
若所述修复记录子模块(804)记录的信息与所述参数设置模块(803)设置的信息不一致,则判定此次修复异常;
基于时间顺序,对所述修复记录子模块(804)所记录的修复时的温度与功率变化进行分段划分,获取分段信息,并基于所述参数设置模块(803)设置好的信息,训练各分段的异常分析模型,将所述分段信息输入与之相应的异常分析模型,输出为异常数值的异常率;
将所得各项数值异常率按大小进行排序,将其中异常最大最小值剔除,计算剩余异常率的平均值,得到平均异常率,将所得平均异常率与所述预设异常范围进行比较;
若所所得平均异常率处于预设异常范围内,则判定此次修复正常;
若所所得平均异常率不处于预设异常范围内,则判定此次修复异常,并向警示子模块(806)发送工作指令;
所述警示子模块(806),与所述智能分析模块(805)相连接,用于根据工作指令,进行相应报警提示。
9.一种圆柱电池盖帽的焊点检测方法,其特征在于,包括:
步骤1:获取圆柱电池盖帽的焊点图像;
步骤2:基于多特征焊点模板对所述焊点图像中的焊点进行检测,得到焊点质量信息;
步骤3:将所述焊点质量信息与实际生产图对应的标准焊点模板的焊点标准信息进行匹配,当不匹配时,将对应结果发送至反馈模块;
步骤4:将所述结果反馈至用户终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110839992.7A CN113470005B (zh) | 2021-07-23 | 2021-07-23 | 一种圆柱电池盖帽的焊点检测装置和焊点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110839992.7A CN113470005B (zh) | 2021-07-23 | 2021-07-23 | 一种圆柱电池盖帽的焊点检测装置和焊点检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113470005A true CN113470005A (zh) | 2021-10-01 |
CN113470005B CN113470005B (zh) | 2022-03-18 |
Family
ID=77882295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110839992.7A Active CN113470005B (zh) | 2021-07-23 | 2021-07-23 | 一种圆柱电池盖帽的焊点检测装置和焊点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113470005B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744269A (zh) * | 2021-11-05 | 2021-12-03 | 武汉逸飞激光股份有限公司 | 圆柱电芯焊接质量检测方法、装置、电子设备及存储介质 |
CN114148096A (zh) * | 2021-11-05 | 2022-03-08 | 武汉逸飞激光股份有限公司 | 圆柱电芯端盖打码方法、装置、电子设备及存储介质 |
CN114820613A (zh) * | 2022-06-29 | 2022-07-29 | 深圳市瑞亿科技电子有限公司 | 一种smt贴片加工用来料测量及定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109283182A (zh) * | 2018-08-03 | 2019-01-29 | 江苏理工学院 | 一种电池焊点缺陷的检测方法、装置及系统 |
CN109636787A (zh) * | 2018-12-11 | 2019-04-16 | 哈尔滨工业大学 | 一种基于深度学习的高精度实时电池点焊质量自动检测方法 |
CN110044909A (zh) * | 2019-05-05 | 2019-07-23 | 桂林电子科技大学 | 一种基于图像处理的电机转子焊点缺陷检测装置及方法 |
US20200147714A1 (en) * | 2018-11-13 | 2020-05-14 | Rivian Ip Holdings, Llc | Weld location detection in a battery cell pack |
CN112101411A (zh) * | 2020-08-05 | 2020-12-18 | 复旦大学 | 一种基于模板匹配与分布特征的焊点识别与定位方法 |
CN112614105A (zh) * | 2020-12-23 | 2021-04-06 | 东华大学 | 一种基于深度网络的3d点云焊点缺陷检测方法 |
-
2021
- 2021-07-23 CN CN202110839992.7A patent/CN113470005B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109283182A (zh) * | 2018-08-03 | 2019-01-29 | 江苏理工学院 | 一种电池焊点缺陷的检测方法、装置及系统 |
US20200147714A1 (en) * | 2018-11-13 | 2020-05-14 | Rivian Ip Holdings, Llc | Weld location detection in a battery cell pack |
CN109636787A (zh) * | 2018-12-11 | 2019-04-16 | 哈尔滨工业大学 | 一种基于深度学习的高精度实时电池点焊质量自动检测方法 |
CN110044909A (zh) * | 2019-05-05 | 2019-07-23 | 桂林电子科技大学 | 一种基于图像处理的电机转子焊点缺陷检测装置及方法 |
CN112101411A (zh) * | 2020-08-05 | 2020-12-18 | 复旦大学 | 一种基于模板匹配与分布特征的焊点识别与定位方法 |
CN112614105A (zh) * | 2020-12-23 | 2021-04-06 | 东华大学 | 一种基于深度网络的3d点云焊点缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
YATAO YANG,ET AL: "《A lightweight deep learning algorithm for inspection of laser welding defects on safety vent of power battery》", 《COMPUTERS IN INDUSTRY》 * |
王诗文: "《锂电池极耳焊接缺陷的自动光学检测研究》", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744269A (zh) * | 2021-11-05 | 2021-12-03 | 武汉逸飞激光股份有限公司 | 圆柱电芯焊接质量检测方法、装置、电子设备及存储介质 |
CN113744269B (zh) * | 2021-11-05 | 2022-02-18 | 武汉逸飞激光股份有限公司 | 圆柱电芯焊接质量检测方法、装置、电子设备及存储介质 |
CN114148096A (zh) * | 2021-11-05 | 2022-03-08 | 武汉逸飞激光股份有限公司 | 圆柱电芯端盖打码方法、装置、电子设备及存储介质 |
CN114820613A (zh) * | 2022-06-29 | 2022-07-29 | 深圳市瑞亿科技电子有限公司 | 一种smt贴片加工用来料测量及定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113470005B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113470005B (zh) | 一种圆柱电池盖帽的焊点检测装置和焊点检测方法 | |
US9582872B2 (en) | Optical film defect detection method and system thereof | |
CN108445011B (zh) | 一种基于深度学习的瑕疵检测系统及方法 | |
CN113744244B (zh) | 测量锂电池极片边缘到极耳边缘距离的在线视觉检测系统 | |
JP5168215B2 (ja) | 外観検査装置 | |
CN110570146A (zh) | 一种产品分拣方法及装置、计算机可读存储介质 | |
CN116978834B (zh) | 一种用于晶圆生产的智能监测预警系统 | |
US20200090319A1 (en) | Machine learning method implemented in aoi device | |
CN113077416A (zh) | 一种基于图像处理的焊点焊接缺陷检测方法与系统 | |
CN112017154A (zh) | 基于Mask R-CNN模型的一种射线缺陷检测方法 | |
CN114627122A (zh) | 一种缺陷检测方法及装置 | |
CN111223081A (zh) | 基于深度学习的零件开孔识别与检测方法及系统 | |
CN117152161B (zh) | 一种基于图像识别的刨花板质量检测方法及系统 | |
CN114170477A (zh) | 一种基于注意力图卷积网络的多模态融合机械缺陷检测方法 | |
CN116563277B (zh) | 一种基于机器视觉的铜复铝表面缺陷检测方法及系统 | |
CN111105413B (zh) | 一种智能火花塞外观缺陷检测系统 | |
CN116165220B (zh) | 一种基于人工智能的aoi内观检测装置及方法 | |
CN115993366B (zh) | 基于传感设备的加工件表面检测方法及系统 | |
CN116381053A (zh) | 一种用于金属材料焊接的超声波检测方法及系统 | |
CN113469991B (zh) | 一种锂电池极耳激光焊点视觉在线检测方法 | |
KR102602167B1 (ko) | 딥러닝 기반의 mlcc 적층 얼라인먼트 검사 시스템 및 방법 | |
CN114354491A (zh) | 一种基于机器视觉的dcb陶瓷基板缺陷检测方法 | |
CN114862777A (zh) | 一种连接片焊接检测方法及其系统 | |
CN114757939A (zh) | 一种基于机器视觉的光缆生产检测监管系统 | |
CN114998194A (zh) | 产品缺陷检测方法、系统和存储介质 |
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 |