CN113723499A - 一种锂电池极耳焊接异常检测方法及系统 - Google Patents

一种锂电池极耳焊接异常检测方法及系统 Download PDF

Info

Publication number
CN113723499A
CN113723499A CN202110993445.4A CN202110993445A CN113723499A CN 113723499 A CN113723499 A CN 113723499A CN 202110993445 A CN202110993445 A CN 202110993445A CN 113723499 A CN113723499 A CN 113723499A
Authority
CN
China
Prior art keywords
welding
abnormal
tab
type
preset
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
Application number
CN202110993445.4A
Other languages
English (en)
Other versions
CN113723499B (zh
Inventor
贺珍真
卢盛林
王福红
陈文能
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.)
Guangdong OPT Machine Vision Co Ltd
Original Assignee
Guangdong OPT Machine Vision 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 Guangdong OPT Machine Vision Co Ltd filed Critical Guangdong OPT Machine Vision Co Ltd
Priority to CN202110993445.4A priority Critical patent/CN113723499B/zh
Publication of CN113723499A publication Critical patent/CN113723499A/zh
Application granted granted Critical
Publication of CN113723499B publication Critical patent/CN113723499B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种锂电池极耳焊接异常检测方法及系统，其中，方法包括：步骤S1：构建焊接检测库；步骤S2：获取极耳的焊接图像，基于焊接检测库，对焊接图像进行检测；步骤S3：基于检测结果确定极耳焊接是否异常。本发明的锂电池极耳焊接异常检测方法及系统，实现了对极耳焊接异常的自动检测，无需人工介入，解决了人为检测工作量大且人力成本高的问题，同时，显著提升了检测效率。

Description

一种锂电池极耳焊接异常检测方法及系统
技术领域
本发明涉及焊接检测技术领域，特别涉及一种锂电池极耳焊接异常检测方法及系统。
背景技术
目前，极耳焊接时，经常出现异常情况【例如：焊点焊破、虚焊等】，但是，对极耳焊接的检测大多采用人为检测，工作量大，人力成本大，且检测效率低；
因此，亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种锂电池极耳焊接异常检测方法及系统，实现了对极耳焊接异常的自动检测，无需人工介入，解决了人为检测工作量大且人力成本高的问题，同时，显著提升了检测效率。
本发明实施例提供的一种锂电池极耳焊接异常检测方法，包括：
步骤S1：构建焊接检测库；
步骤S2：获取极耳的焊接图像，基于焊接检测库，对焊接图像进行检测；
步骤S3：基于检测结果确定极耳焊接是否异常。
优选的，步骤S1：构建焊接检测库，包括：
获取极耳焊接异常数据，极耳焊接异常数据包括：多个第一异常项，第一异常项包括：第一极耳型号、第一焊接异常图像和第一异常类型；
确定第一极耳型号和第一异常类型均相同的第一异常项，并作为第二异常项；
提取第二异常项中的第一焊接异常图像，并作为第二焊接异常图像；
基于图像识别技术，识别第二焊接异常图像上的至少一个第一焊点区域；
对第一焊点区域进行特征提取，获得多个第一特征，同时，汇总第一特征，获得特征集；
随机提取特征集中的第一特征，并作为第二特征，同时，将其余第一特征作为第三特征；
将第三特征与第二特征进行匹配，获取第一匹配符合度；
若第一匹配符合度大于等于预设的第一阈值，将对应第三特征作为第四特征；
若第四特征在特征集中的第一占比大于等于预设的第二阈值，获取预设的空白数据库，空白数据库包括：第一分区和第二分区，同时，将第三特征和第四特征作为第五特征，并与对应第一极耳型号和第一异常类型关联后存入第一分区；
当需要存入第一分区的第五特征均存入后，将特征集中的其余第一特征作为第六特征，并与对应第一极耳型号和第一异常类型关联后存入第二分区；
全部存入完毕时，将空白数据库作为焊接检测库，完成构建。
优选的，步骤S2中，基于焊接检测库，对焊接图像进行检测，包括：
基于图像识别技术，识别焊接图像上的至少一个第二焊点区域；
对第二焊点区域进行特征提取，获得多个第七特征；
获取极耳的第二极耳型号，将第七特征与焊接检测库种第一分区中第二极耳型号关联的第五特征进行匹配，获取第二匹配符合度；
若第二匹配符合度大于等于预设的第三阈值，将对应第五特征作为第八特征；
获取第八特征关联的第一异常类型，作为第二异常类型，同时，汇总第二异常类型，获得异常类型集；
提取异常类型集中第二占比最大的第二异常类型，并作为第三异常类型；
提取焊接检测库种第二分区中第二极耳型号和第三异常类型共同关联的第六特征，并作为第九特征；
将第九特征与第七特征进行匹配，获取第三匹配符合度；
若第三匹配符合度均大于等于预设的第四阈值，将第三异常类型作为检测结果。
优选的，获取极耳焊接异常数据，包括：
获取预设的节点集，节点集包括：对应于用户的第一节点和对应于其他用户的多个第二节点；
基于预设的交互记录库，确定用户和其他用户之间的多个交互记录，交互记录包括：交互数据和获取方；
提取交互数据中的多个第三异常项，第三异常项包括：第三极耳型号、第三焊接异常图像和第四异常类型；
随机选取一个第三极耳型号，并作为第四极耳型号，同时，将其余第三极耳型号作为第五极耳型号；
获取预设的虚拟空间，在虚拟空间内，随机选取一个点为作为中心点，以中心点为起点，向预设的第一方向上绘制预设长度的第一轴线，并与第四极耳型号关联；
基于预设的差异库，确定第五极耳型号和第四极耳型号之间的差异值；
基于预设的旋转角度库，确定差异值对应的旋转角度；
将第一轴线顺时针旋转旋转角度，获得第二轴线，并与对应第五极耳型号关联，同时，保留原第一轴线；
确定第四极耳型号对应的第三异常项中的第四异常类型，并作为第五异常类型；
确定第五异常类型对应第三异常项中的第三焊接异常图像，并作为第四焊接异常图像，同时，汇总第四焊接异常图像的第一数量；
基于预设的延长幅度库，确定第一数量对应的第一延长幅度，基于第一延长幅度，将第一轴线向第一方向进行延长；
确定第五极耳型号对应的第三异常项中的第四异常类型，并作为第六异常类型；
确定第六异常类型对应第三异常项中的第三焊接异常图像，并作为第五焊接异常图像，同时，汇总第五焊接异常图像的第二数量；
基于延长幅度库，确定第二数量对应的第二延长幅度，基于第二延长幅度，将对应第二轴线向对应第二方向进行延长；
获取预设的圆环集，圆环集包括：多个半径不同的圆环，圆环上划分有n个分段；
将圆环的圆心和中心点重合，获取延长后第一轴线和第二轴线与圆环上n个分段的相交分布情况；
获取圆环的权重，将相交分布情况和权重输入预设的判定模型，获取判定值；
若获取方为用户，将判定值赋予用户；
若获取方为其他用户，将判定值赋予其他用户；
汇总用户被赋予的判定值，获得第一判定值和；
汇总其他用户被赋予的判定值，获得第二判定值和；
若第一判定值和与第二判定值和的差值小于等于预设的差值阈值，通过其他用户对应的第二节点获取异常数据；
整合获取的异常数据，获得极耳焊接异常数据，完成获取。
优选的，锂电池极耳焊接异常检测方法，还包括：
每隔预设的时间间隔，对节点集进行预处理；
其中，对节点集进行预处理，包括：
从节点集中随机选取一个第三节点，第三节点包括：第一节点或第二节点；
基于预设的恶意记录库，确定第三节点对应的多个恶意记录，恶意记录包括：恶意类型、多个影响方和对应于影响方的影响值；
基于预设的公开合约库，确定第三节点对应的公开合约，同时，提取公开合约上对于第三节点产生所述恶意类型应对影响方进行补偿的多个第一补偿条款；
基于预设的私人合约库，确定第三节点和影响方之间的私人合约，同时，提取私人合约上对于第三节点产生恶意类型应对影响方进行补偿的多个第二补偿条款；
获取第三节点的执行记录，基于第一补偿条款对执行记录进行符合度分析，获得第一符合度，同时，基于第二补偿条款对执行记录进行符合度分析，获得第二符合度；
基于影响值、第一符合度和第二符合度，计算判定指数；
若判定指数小于等于预设的阈值，剔除对应第三节点；
当节点集中需要剔除的第三节点均被剔除后，完成预处理。
本发明实施例提供的一种锂电池极耳焊接异常检测系统，包括：
构建模块，用于构建焊接检测库；
检测模块，用于获取极耳的焊接图像，基于焊接检测库，对焊接图像进行检测；
确定模块，用于基于检测结果确定极耳焊接是否异常。
优选的，构建模块执行如下操作：
获取极耳焊接异常数据，极耳焊接异常数据包括：多个第一异常项，第一异常项包括：第一极耳型号、第一焊接异常图像和第一异常类型；
确定第一极耳型号和第一异常类型均相同的第一异常项，并作为第二异常项；
提取第二异常项中的第一焊接异常图像，并作为第二焊接异常图像；
基于图像识别技术，识别第二焊接异常图像上的至少一个第一焊点区域；
对第一焊点区域进行特征提取，获得多个第一特征，同时，汇总第一特征，获得特征集；
随机提取特征集中的第一特征，并作为第二特征，同时，将其余第一特征作为第三特征；
将第三特征与第二特征进行匹配，获取第一匹配符合度；
若第一匹配符合度大于等于预设的第一阈值，将对应第三特征作为第四特征；
若第四特征在特征集中的第一占比大于等于预设的第二阈值，获取预设的空白数据库，空白数据库包括：第一分区和第二分区，同时，将第三特征和第四特征作为第五特征，并与对应第一极耳型号和第一异常类型关联后存入第一分区；
当需要存入第一分区的第五特征均存入后，将特征集中的其余第一特征作为第六特征，并与对应第一极耳型号和第一异常类型关联后存入第二分区；
全部存入完毕时，将空白数据库作为焊接检测库，完成构建。
优选的，检测模块执行如下操作：
基于图像识别技术，识别焊接图像上的至少一个第二焊点区域；
对第二焊点区域进行特征提取，获得多个第七特征；
获取极耳的第二极耳型号，将第七特征与焊接检测库种第一分区中第二极耳型号关联的第五特征进行匹配，获取第二匹配符合度；
若第二匹配符合度大于等于预设的第三阈值，将对应第五特征作为第八特征；
获取第八特征关联的第一异常类型，作为第二异常类型，同时，汇总第二异常类型，获得异常类型集；
提取异常类型集中第二占比最大的第二异常类型，并作为第三异常类型；
提取焊接检测库种第二分区中第二极耳型号和第三异常类型共同关联的第六特征，并作为第九特征；
将第九特征与第七特征进行匹配，获取第三匹配符合度；
若第三匹配符合度均大于等于预设的第四阈值，将第三异常类型作为检测结果。
优选的，构建模块执行如下操作：
获取预设的节点集，节点集包括：对应于用户的第一节点和对应于其他用户的多个第二节点；
基于预设的交互记录库，确定用户和其他用户之间的多个交互记录，交互记录包括：交互数据和获取方；
提取交互数据中的多个第三异常项，第三异常项包括：第三极耳型号、第三焊接异常图像和第四异常类型；
随机选取一个第三极耳型号，并作为第四极耳型号，同时，将其余第三极耳型号作为第五极耳型号；
获取预设的虚拟空间，在虚拟空间内，随机选取一个点为作为中心点，以中心点为起点，向预设的第一方向上绘制预设长度的第一轴线，并与第四极耳型号关联；
基于预设的差异库，确定第五极耳型号和第四极耳型号之间的差异值；
基于预设的旋转角度库，确定差异值对应的旋转角度；
将第一轴线顺时针旋转旋转角度，获得第二轴线，并与对应第五极耳型号关联，同时，保留原第一轴线；
确定第四极耳型号对应的第三异常项中的第四异常类型，并作为第五异常类型；
确定第五异常类型对应第三异常项中的第三焊接异常图像，并作为第四焊接异常图像，同时，汇总第四焊接异常图像的第一数量；
基于预设的延长幅度库，确定第一数量对应的第一延长幅度，基于第一延长幅度，将第一轴线向第一方向进行延长；
确定第五极耳型号对应的第三异常项中的第四异常类型，并作为第六异常类型；
确定第六异常类型对应第三异常项中的第三焊接异常图像，并作为第五焊接异常图像，同时，汇总第五焊接异常图像的第二数量；
基于延长幅度库，确定第二数量对应的第二延长幅度，基于第二延长幅度，将对应第二轴线向对应第二方向进行延长；
获取预设的圆环集，圆环集包括：多个半径不同的圆环，圆环上划分有n个分段；
将圆环的圆心和中心点重合，获取延长后第一轴线和第二轴线与圆环上n个分段的相交分布情况；
获取圆环的权重，将相交分布情况和权重输入预设的判定模型，获取判定值；
若获取方为用户，将判定值赋予用户；
若获取方为其他用户，将判定值赋予其他用户；
汇总用户被赋予的判定值，获得第一判定值和；
汇总其他用户被赋予的判定值，获得第二判定值和；
若第一判定值和与第二判定值和的差值小于等于预设的差值阈值，通过其他用户对应的第二节点获取异常数据；
整合获取的异常数据，获得极耳焊接异常数据，完成获取。
优选的，锂电池极耳焊接异常检测系统，还包括：
预处理模块，用于每隔预设的时间间隔，对节点集进行预处理；
其中，预处理模块执行如下操作：
从节点集中随机选取一个第三节点，第三节点包括：第一节点或第二节点；
基于预设的恶意记录库，确定第三节点对应的多个恶意记录，恶意记录包括：恶意类型、多个影响方和对应于影响方的影响值；
基于预设的公开合约库，确定第三节点对应的公开合约，同时，提取公开合约上对于第三节点产生所述恶意类型应对影响方进行补偿的多个第一补偿条款；
基于预设的私人合约库，确定第三节点和影响方之间的私人合约，同时，提取私人合约上对于第三节点产生恶意类型应对影响方进行补偿的多个第二补偿条款；
获取第三节点的执行记录，基于第一补偿条款对执行记录进行符合度分析，获得第一符合度，同时，基于第二补偿条款对执行记录进行符合度分析，获得第二符合度；
基于影响值、第一符合度和第二符合度，计算判定指数；
若判定指数小于等于预设的阈值，剔除对应第三节点；
当节点集中需要剔除的第三节点均被剔除后，完成预处理。
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锂电池极耳焊接异常检测方法的流程图；
图2为本发明实施例中又一锂电池极耳焊接异常检测方法的流程图；
图3为本发明实施例中一种锂电池极耳焊接异常检测系统的示意图。
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。
本发明实施例提供了一种锂电池极耳焊接异常检测方法，如图1所示，包括：
步骤S1：构建焊接检测库；
步骤S2：获取极耳的焊接图像，基于焊接检测库，对焊接图像进行检测；
步骤S3：基于检测结果确定极耳焊接是否异常。
上述技术方案的工作原理及有益效果为：
收集极耳焊接时出现异常(例如：焊点焊破、虚焊等)焊点的特征(例如：图像特征)，基于收集的各特征建成一个数据库(例如：图像特征)；获取极耳在焊接时拍摄的焊接图像，基于焊接检测库对焊接图像进行检测(例如：提取焊接图像上的特征，将提取的特征与焊接检测库中的特征进行匹配，结合匹配结果进行确定)；基于检测结果确定极耳焊接是否异常；
本发明实施例实现了对极耳焊接异常的自动检测，无需人工介入，解决了人为检测工作量大且人力成本高的问题，同时，显著提升了检测效率。
本发明实施例提供了一种锂电池极耳焊接异常检测方法，步骤S1：构建焊接检测库，包括：
获取极耳焊接异常数据，极耳焊接异常数据包括：多个第一异常项，第一异常项包括：第一极耳型号、第一焊接异常图像和第一异常类型；
确定第一极耳型号和第一异常类型均相同的第一异常项，并作为第二异常项；
提取第二异常项中的第一焊接异常图像，并作为第二焊接异常图像；
基于图像识别技术，识别第二焊接异常图像上的至少一个第一焊点区域；
对第一焊点区域进行特征提取，获得多个第一特征，同时，汇总第一特征，获得特征集；
随机提取特征集中的第一特征，并作为第二特征，同时，将其余第一特征作为第三特征；
将第三特征与第二特征进行匹配，获取第一匹配符合度；
若第一匹配符合度大于等于预设的第一阈值，将对应第三特征作为第四特征；
若第四特征在特征集中的第一占比大于等于预设的第二阈值，获取预设的空白数据库，空白数据库包括：第一分区和第二分区，同时，将第三特征和第四特征作为第五特征，并与对应第一极耳型号和第一异常类型关联后存入第一分区；
当需要存入第一分区的第五特征均存入后，将特征集中的其余第一特征作为第六特征，并与对应第一极耳型号和第一异常类型关联后存入第二分区；
全部存入完毕时，将空白数据库作为焊接检测库，完成构建。
上述技术方案的工作原理及有益效果为：
预设的第一阈值具体为：例如，96；预设的第二阈值具体为：例如，0.7；预设的空白数据库具体为：一数据库，内无内容，设置有两个分区(第一分区和第二分区)；
获取极耳焊接异常数据，极耳焊接异常数据包含大量人为检测极耳焊接异常的记录，记录中包含有极耳型号、视觉相机采集的焊接异常图像和异常类型；对焊接异常图像上的焊点区域进行特征提取，获得多个第一特征；随机选取一个第一特征作为第二特征，其余第一特征作为第三特征；将第三特征与第二特征进行匹配，基于第一匹配符合度确定第四特征；若第四特征在特征集中的占比大于一定值，说明选取的第一特征和第四特征为某种极耳型号出现某种异常类型时焊接异常图像上的焊点区域会提取出的主要特征，纳入第一分区；其余第一特征纳入第二分区；
本发明实施例构建焊接检测库，有效筛选出不同种极耳型号出现不同种异常类型时焊接异常图像上的焊点区域会提取出的主要特征和非主要特征，分别纳入第一分区和第二分区。
本发明实施例提供了一种锂电池极耳焊接异常检测方法，如图2所示，步骤S2中，基于焊接检测库，对焊接图像进行检测，包括：
步骤S201：基于图像识别技术，识别焊接图像上的至少一个第二焊点区域；
步骤S201：对第二焊点区域进行特征提取，获得多个第七特征；
步骤S203：获取极耳的第二极耳型号，将第七特征与焊接检测库种第一分区中第二极耳型号关联的第五特征进行匹配，获取第二匹配符合度；
步骤S204：若第二匹配符合度大于等于预设的第三阈值，将对应第五特征作为第八特征；
步骤S205：获取第八特征关联的第一异常类型，作为第二异常类型，同时，汇总第二异常类型，获得异常类型集；
步骤S206：提取异常类型集中第二占比最大的第二异常类型，并作为第三异常类型；
步骤S207：提取焊接检测库种第二分区中第二极耳型号和第三异常类型共同关联的第六特征，并作为第九特征；
步骤S208：将第九特征与第七特征进行匹配，获取第三匹配符合度；
步骤S209：若第三匹配符合度均大于等于预设的第四阈值，将第三异常类型作为检测结果。
上述技术方案的工作原理及有益效果为：
预设的第三阈值具体为：例如，97；预设的第四阈值具体为：例如，50；
基于当前进行焊接的极耳的第二极耳型号，从焊接数据库中的第一分区选取对应第五特征，将从焊接图像上的焊点区域提取的第七特征与第五特征进行匹配，获取第二匹配符合度；基于第二匹配符合度，确定第八特征；汇总第八特征对应的异常类型，获得异常类型集；提取出异常类型集中占比最大的异常类型，并作为第三异常类型(一般情况下，异常类型集中只有一种异常类型，但是，可能会存在匹配误差，这样设置，可以避免误差)；从第二分区中确定第二极耳型号和第三异常类型对应的第九特征与第七特征匹配，获取第三匹配符合度；若第三匹配符合度满足要求，极耳焊接发生第三异常类型的情况坐实；
本发明实施例将从焊接图像上的焊点区域提取的特征先与第一分区中的主要特征进行匹配，若匹配情况符合，再将提取的特征与第二分区中对应的非主要特征进行匹配，若匹配情况符合，异常类型坐实，有针对性地进行匹配，极大程度上提升了的匹配效率。
本发明实施例提供了一种锂电池极耳焊接异常检测方法，获取极耳焊接异常数据，包括：
获取预设的节点集，节点集包括：对应于用户的第一节点和对应于其他用户的多个第二节点；
基于预设的交互记录库，确定用户和其他用户之间的多个交互记录，交互记录包括：交互数据和获取方；
提取交互数据中的多个第三异常项，第三异常项包括：第三极耳型号、第三焊接异常图像和第四异常类型；
随机选取一个第三极耳型号，并作为第四极耳型号，同时，将其余第三极耳型号作为第五极耳型号；
获取预设的虚拟空间，在虚拟空间内，随机选取一个点为作为中心点，以中心点为起点，向预设的第一方向上绘制预设长度的第一轴线，并与第四极耳型号关联；
基于预设的差异库，确定第五极耳型号和第四极耳型号之间的差异值；
基于预设的旋转角度库，确定差异值对应的旋转角度；
将第一轴线顺时针旋转旋转角度，获得第二轴线，并与对应第五极耳型号关联，同时，保留原第一轴线；
确定第四极耳型号对应的第三异常项中的第四异常类型，并作为第五异常类型；
确定第五异常类型对应第三异常项中的第三焊接异常图像，并作为第四焊接异常图像，同时，汇总第四焊接异常图像的第一数量；
基于预设的延长幅度库，确定第一数量对应的第一延长幅度，基于第一延长幅度，将第一轴线向第一方向进行延长；
确定第五极耳型号对应的第三异常项中的第四异常类型，并作为第六异常类型；
确定第六异常类型对应第三异常项中的第三焊接异常图像，并作为第五焊接异常图像，同时，汇总第五焊接异常图像的第二数量；
基于延长幅度库，确定第二数量对应的第二延长幅度，基于第二延长幅度，将对应第二轴线向对应第二方向进行延长；
获取预设的圆环集，圆环集包括：多个半径不同的圆环，圆环上划分有n个分段；
将圆环的圆心和中心点重合，获取延长后第一轴线和第二轴线与圆环上n个分段的相交分布情况；
获取圆环的权重，将相交分布情况和权重输入预设的判定模型，获取判定值；
若获取方为用户，将判定值赋予用户；
若获取方为其他用户，将判定值赋予其他用户；
汇总用户被赋予的判定值，获得第一判定值和；
汇总其他用户被赋予的判定值，获得第二判定值和；
若第一判定值和与第二判定值和的差值小于等于预设的差值阈值，通过其他用户对应的第二节点获取第一异常数据；
通过所述第一节点获取第二异常数据；
整合获取的所述第一异常数据和所述第二异常数据，获得极耳焊接异常数据，完成获取。
上述技术方案的工作原理及有益效果为：
预设的节点集具体为：一集合，包含第一节点和多个第二节点，第一节点对应用户，用于获取本地的人为检测极耳焊接异常的记录，第二节点对应其他用户，用途与之同理；预设的交互记录库具体为：一数据库，内存储有不同用户之间的交互记录；预设的虚拟空间具体为：一三维空间；预设的第一方向具体为：例如，三维空间内的一个方向；预设长度具体为：例如，10cm；预设的差异库具体为：一数据库，内存储有不同极耳型号之间的差异值，该差异值主要体现在焊接过程、工艺上的差异程度；预设的旋转角度库具体为：一数据库，内存储有不同差异值对应的旋转角度；预设的延长幅度库具体为：一数据库，内存户有不同数量对应的延长幅度，数量越大，延长幅度越大，例如：延长幅度为1.5，将原始长度乘以1.5获得新长度；预设的圆环集具体为：一集合，包含多个圆环；预设的判定模型具体为：利用机器学习算法对大量人工基于相交分布情况和权重判定交互数据价值的记录生成的模型，该模型判定后输出判定值，判定值越大，交互数据的价值越大；预设的差值阈值具体为：例如，8；n为一个常数，可由用户设定；
设置节点集，用户不仅可以获取本地(例如：公司的检测人员)上传的人工检测极耳焊接异常记录，还可以获取其他用户(例如：其他公司的检测人员)上传的人工检测极耳焊接异常记录，实现数据共享；但是，在数据共享中，往往会出现不积极现象，例如：用户不积极上传记录，只想获取别人的记录，又例如：用户应付式地上传低价值的记录，但是可以获取其他用户较高价值的记录；这种不积极现象不仅不公平，还不利于良好共享环境的形成；因此，基于交互记录中的交互数据的价值赋予对应获取方的判定值；当用户方的第一判定值和与其他用户方的第二判定值和相近时，说明，该两者上传的积极态度相近，可以进行数据交互；若用户不上传记录或很少上传记录或上传低价值的记录，其只能获取与其具有相同积极态度的其他用户上传的记录，解决了出现不积极现象的问题，若用户想要获取更高价值的记录，自身也得上传更多高价值的记录，实现鼓励；
确定交互数据的价值时，绘制第一轴线和第二轴线，基于不同极耳型号之间的差异确定轴线间的角度，基于不同异常类型的焊接异常图像的数量对第一轴线和第二轴线进行适应延长，利用圆环采集相交分布情况；一般而言，圆环的权重越高，圆环的半径越大，圆环上的与轴线相交的分段越多，说明交互数据中涉及的极耳型号多、异常类型多以及焊接图像也多，越有价值；基于虚拟空间中轴线与圆环的利用，有效确定圆环价值，提升了的系统的工作效率。
本发明实施例提供了一种锂电池极耳焊接异常检测方法，还包括：
每隔预设的时间间隔，对节点集进行预处理；
其中，对节点集进行预处理，包括：
从节点集中随机选取一个第三节点，第三节点包括：第一节点或第二节点；
基于预设的恶意记录库，确定第三节点对应的多个恶意记录，恶意记录包括：恶意类型、多个影响方和对应于影响方的影响值；
基于预设的公开合约库，确定第三节点对应的公开合约，同时，提取公开合约上对于第三节点产生所述恶意类型应对影响方进行补偿的多个第一补偿条款；
基于预设的私人合约库，确定第三节点和影响方之间的私人合约，同时，提取私人合约上对于第三节点产生恶意类型应对影响方进行补偿的多个第二补偿条款；
获取第三节点的执行记录，基于第一补偿条款对执行记录进行符合度分析，获得第一符合度，同时，基于第二补偿条款对执行记录进行符合度分析，获得第二符合度；
基于影响值、第一符合度和第二符合度，计算判定指数；
若判定指数小于等于预设的阈值，剔除对应第三节点；
当节点集中需要剔除的第三节点均被剔除后，完成预处理。
上述技术方案的工作原理及有益效果为：
预设的时间间隔具体为：例如，30秒；预设的恶意记录库具体为：历史上不同节点产生的恶意记录，例如：某用户从某节点获取的数据被人工判定为虚假数据，即提供正常极耳焊接的图像，未提供极耳焊接异常的图像；预设的公开合约库具体为：一数据库，内存储有不同节点与系统签署的公开合约，合约上有产生何种恶意记录有何种惩罚等；预设的私人合约库具体为：一数据库，内存储有不同节点之间签署的私人合约，合约内容与之同理；预设的阈值具体为：例如，98；执行记录具体为：节点对应的机构执行的一些补偿措施记录；
节点想要发布和获取其它节点的数据时，应签署公开合约和私人合约，产生恶意记录时，应严格按照合约上的补偿条款执行；基于影响值、第一符合度和第二符合度计算判定指数，若判断指数小于一定值，说明该节点不仅产生恶意记录且对补偿条款没有执行到位，应当剔除；极大程度上优化了的系统环境，保护用户的利益。
本发明实施例提供了一种锂电池极耳焊接异常检测方法，基于所述影响值、第一符合度和第二符合度，计算判定指数，计算公式如下：
Figure BDA0003233067040000171
Figure BDA0003233067040000172
其中，ρ为所述判定指数，Ki,t为所述第三节点对应的第i个恶意记录中对应于第t个影响方的影响值，σi,t为中间变量，li为所述第三节点对应的第i个恶意记录中影响方的总数目，n为所述第三节点对应的恶意记录总数目，αi,t,m为基于第三节点对应公开合约上对于所述第三节点产生第i个恶意记录中的恶意类型时应对相应第t个影响方进行补偿的第m个第一补偿条款对所述执行记录进行符合度分析获得的第一符合度，Jt,1为对相应第t个影响方进行补偿时对所述执行记录进行符合度分析获得的第一符合度的总数目，βi,t,m为基于第三节点对应私人合约上对于所述第三节点产生第i个恶意记录中的恶意类型时应对相应第t个影响方进行补偿的第m个第二补偿条款对所述执行记录进行符合度分析获得的第二符合度，Jt,2为对相应第t个影响方进行补偿时对所述执行记录进行符合度分析获得的第二符合度的总数目，K1,0和K2,0为预设的比较阈值，0＜K2,0＜K1,0。
上述技术方案的工作原理及有益效果为：
影响值基于第二节点对应的其他用户产生的恶意行为对自身造成的影响(影响方可以自行上报影响证据)，影响程度越大，影响值很大；
公式中，预设的比较阈值具体为：常数；影响值很大即Ki,t≥K1,0时，需要对符合度的总体进行适当下调，影响值很大，影响程度越大，符合度应当很大，才能保证判定指数不小于阈值；影响值一般大小即K2,0＜Ki,t＜K1,0时，基于影响值Ki,t与K1,0和K2,0大小关系对符合度的总体进行调整；影响值很小时，直接赋予符合度的总体进行计算即可；
本发明实施例计算判定指数，快速判定第三节点的优良，极大程度上提升了系统的工作效率；同时，基于影响值的大小分段进行计算，设置合理，减少了系统计算资源的浪费；另外，不仅基于影响值计算判定指数，还基于条款的执行的符合度进行计算，条款分为公开和私人两类条款，提升了判定的精准性。
本发明实施例提供了一种锂电池极耳焊接异常检测系统，如图3所示，包括：
构建模块1，用于构建焊接检测库；
检测模块2，用于获取极耳的焊接图像，基于焊接检测库，对焊接图像进行检测；
确定模块3，用于基于检测结果确定极耳焊接是否异常。
上述技术方案的工作原理及有益效果为：
收集极耳焊接时出现异常(例如：焊点焊破、虚焊等)焊点的特征(例如：图像特征)，基于收集的各特征建成一个数据库(例如：图像特征)；获取极耳在焊接时拍摄的焊接图像，基于焊接检测库对焊接图像进行检测(例如：提取焊接图像上的特征，将提取的特征与焊接检测库中的特征进行匹配，结合匹配结果进行确定)；基于检测结果确定极耳焊接是否异常；
本发明实施例实现了对极耳焊接异常的自动检测，无需人工介入，解决了人为检测工作量大且人力成本高的问题，同时，显著提升了检测效率。
本发明实施例提供了一种锂电池极耳焊接异常检测系统，构建模块1执行如下操作：
获取极耳焊接异常数据，极耳焊接异常数据包括：多个第一异常项，第一异常项包括：第一极耳型号、第一焊接异常图像和第一异常类型；
确定第一极耳型号和第一异常类型均相同的第一异常项，并作为第二异常项；
提取第二异常项中的第一焊接异常图像，并作为第二焊接异常图像；
基于图像识别技术，识别第二焊接异常图像上的至少一个第一焊点区域；
对第一焊点区域进行特征提取，获得多个第一特征，同时，汇总第一特征，获得特征集；
随机提取特征集中的第一特征，并作为第二特征，同时，将其余第一特征作为第三特征；
将第三特征与第二特征进行匹配，获取第一匹配符合度；
若第一匹配符合度大于等于预设的第一阈值，将对应第三特征作为第四特征；
若第四特征在特征集中的第一占比大于等于预设的第二阈值，获取预设的空白数据库，空白数据库包括：第一分区和第二分区，同时，将第三特征和第四特征作为第五特征，并与对应第一极耳型号和第一异常类型关联后存入第一分区；
当需要存入第一分区的第五特征均存入后，将特征集中的其余第一特征作为第六特征，并与对应第一极耳型号和第一异常类型关联后存入第二分区；
全部存入完毕时，将空白数据库作为焊接检测库，完成构建。
上述技术方案的工作原理及有益效果为：
预设的第一阈值具体为：例如，96；预设的第二阈值具体为：例如，0.7；预设的空白数据库具体为：一数据库，内无内容，设置有两个分区(第一分区和第二分区)；
获取极耳焊接异常数据，极耳焊接异常数据包含大量人为检测极耳焊接异常的记录，记录中包含有极耳型号、视觉相机采集的焊接异常图像和异常类型；对焊接异常图像上的焊点区域进行特征提取，获得多个第一特征；随机选取一个第一特征作为第二特征，其余第一特征作为第三特征；将第三特征与第二特征进行匹配，基于第一匹配符合度确定第四特征；若第四特征在特征集中的占比大于一定值，说明选取的第一特征和第四特征为某种极耳型号出现某种异常类型时焊接异常图像上的焊点区域会提取出的主要特征，纳入第一分区；其余第一特征纳入第二分区；
本发明实施例构建焊接检测库，有效筛选出不同种极耳型号出现不同种异常类型时焊接异常图像上的焊点区域会提取出的主要特征和非主要特征，分别纳入第一分区和第二分区。
本发明实施例提供了一种锂电池极耳焊接异常检测系统，检测模块2执行如下操作：
基于图像识别技术，识别焊接图像上的至少一个第二焊点区域；
对第二焊点区域进行特征提取，获得多个第七特征；
获取极耳的第二极耳型号，将第七特征与焊接检测库种第一分区中第二极耳型号关联的第五特征进行匹配，获取第二匹配符合度；
若第二匹配符合度大于等于预设的第三阈值，将对应第五特征作为第八特征；
获取第八特征关联的第一异常类型，作为第二异常类型，同时，汇总第二异常类型，获得异常类型集；
提取异常类型集中第二占比最大的第二异常类型，并作为第三异常类型；
提取焊接检测库种第二分区中第二极耳型号和第三异常类型共同关联的第六特征，并作为第九特征；
将第九特征与第七特征进行匹配，获取第三匹配符合度；
若第三匹配符合度均大于等于预设的第四阈值，将第三异常类型作为检测结果。
上述技术方案的工作原理及有益效果为：
预设的第三阈值具体为：例如，97；预设的第四阈值具体为：例如，50；
基于当前进行焊接的极耳的第二极耳型号，从焊接数据库中的第一分区选取对应第五特征，将从焊接图像上的焊点区域提取的第七特征与第五特征进行匹配，获取第二匹配符合度；基于第二匹配符合度，确定第八特征；汇总第八特征对应的异常类型，获得异常类型集；提取出异常类型集中占比最大的异常类型，并作为第三异常类型(一般情况下，异常类型集中只有一种异常类型，但是，可能会存在匹配误差，这样设置，可以避免误差)；从第二分区中确定第二极耳型号和第三异常类型对应的第九特征与第七特征匹配，获取第三匹配符合度；若第三匹配符合度满足要求，极耳焊接发生第三异常类型的情况坐实；
本发明实施例将从焊接图像上的焊点区域提取的特征先与第一分区中的主要特征进行匹配，若匹配情况符合，再将提取的特征与第二分区中对应的非主要特征进行匹配，若匹配情况符合，异常类型坐实，有针对性地进行匹配，极大程度上提升了的匹配效率。
本发明实施例提供了一种锂电池极耳焊接异常检测系统，构建模块1执行如下操作：
获取预设的节点集，节点集包括：对应于用户的第一节点和对应于其他用户的多个第二节点；
基于预设的交互记录库，确定用户和其他用户之间的多个交互记录，交互记录包括：交互数据和获取方；
提取交互数据中的多个第三异常项，第三异常项包括：第三极耳型号、第三焊接异常图像和第四异常类型；
随机选取一个第三极耳型号，并作为第四极耳型号，同时，将其余第三极耳型号作为第五极耳型号；
获取预设的虚拟空间，在虚拟空间内，随机选取一个点为作为中心点，以中心点为起点，向预设的第一方向上绘制预设长度的第一轴线，并与第四极耳型号关联；
基于预设的差异库，确定第五极耳型号和第四极耳型号之间的差异值；
基于预设的旋转角度库，确定差异值对应的旋转角度；
将第一轴线顺时针旋转旋转角度，获得第二轴线，并与对应第五极耳型号关联，同时，保留原第一轴线；
确定第四极耳型号对应的第三异常项中的第四异常类型，并作为第五异常类型；
确定第五异常类型对应第三异常项中的第三焊接异常图像，并作为第四焊接异常图像，同时，汇总第四焊接异常图像的第一数量；
基于预设的延长幅度库，确定第一数量对应的第一延长幅度，基于第一延长幅度，将第一轴线向第一方向进行延长；
确定第五极耳型号对应的第三异常项中的第四异常类型，并作为第六异常类型；
确定第六异常类型对应第三异常项中的第三焊接异常图像，并作为第五焊接异常图像，同时，汇总第五焊接异常图像的第二数量；
基于延长幅度库，确定第二数量对应的第二延长幅度，基于第二延长幅度，将对应第二轴线向对应第二方向进行延长；
获取预设的圆环集，圆环集包括：多个半径不同的圆环，圆环上划分有n个分段；
将圆环的圆心和中心点重合，获取延长后第一轴线和第二轴线与圆环上n个分段的相交分布情况；
获取圆环的权重，将相交分布情况和权重输入预设的判定模型，获取判定值；
若获取方为用户，将判定值赋予用户；
若获取方为其他用户，将判定值赋予其他用户；
汇总用户被赋予的判定值，获得第一判定值和；
汇总其他用户被赋予的判定值，获得第二判定值和；
若第一判定值和与第二判定值和的差值小于等于预设的差值阈值，通过其他用户对应的第二节点获取第一异常数据；
通过所述第一节点获取第二异常数据；
整合获取的所述第一异常数据和所述第二异常数据，获得极耳焊接异常数据，完成获取。
上述技术方案的工作原理及有益效果为：
预设的节点集具体为：一集合，包含第一节点和多个第二节点，第一节点对应用户，用于获取本地的人为检测极耳焊接异常的记录，第二节点对应其他用户，用途与之同理；预设的交互记录库具体为：一数据库，内存储有不同用户之间的交互记录；预设的虚拟空间具体为：一三维空间；预设的第一方向具体为：例如，三维空间内的一个方向；预设长度具体为：例如，10cm；预设的差异库具体为：一数据库，内存储有不同极耳型号之间的差异值，该差异值主要体现在焊接过程、工艺上的差异程度；预设的旋转角度库具体为：一数据库，内存储有不同差异值对应的旋转角度；预设的延长幅度库具体为：一数据库，内存户有不同数量对应的延长幅度，数量越大，延长幅度越大，例如：延长幅度为1.5，将原始长度乘以1.5获得新长度；预设的圆环集具体为：一集合，包含多个圆环；预设的判定模型具体为：利用机器学习算法对大量人工基于相交分布情况和权重判定交互数据价值的记录生成的模型，该模型判定后输出判定值，判定值越大，交互数据的价值越大；预设的差值阈值具体为：例如，8；n为一个常数，可由用户设定；
设置节点集，用户不仅可以获取本地(例如：公司的检测人员)上传的人工检测极耳焊接异常记录，还可以获取其他用户(例如：其他公司的检测人员)上传的人工检测极耳焊接异常记录，实现数据共享；但是，在数据共享中，往往会出现不积极现象，例如：用户不积极上传记录，只想获取别人的记录，又例如：用户应付式地上传低价值的记录，但是可以获取其他用户较高价值的记录；这种不积极现象不仅不公平，还不利于良好共享环境的形成；因此，基于交互记录中的交互数据的价值赋予对应获取方的判定值；当用户方的第一判定值和与其他用户方的第二判定值和相近时，说明，该两者上传的积极态度相近，可以进行数据交互；若用户不上传记录或很少上传记录或上传低价值的记录，其只能获取与其具有相同积极态度的其他用户上传的记录，解决了出现不积极现象的问题，若用户想要获取更高价值的记录，自身也得上传更多高价值的记录，实现鼓励；
确定交互数据的价值时，绘制第一轴线和第二轴线，基于不同极耳型号之间的差异确定轴线间的角度，基于不同异常类型的焊接异常图像的数量对第一轴线和第二轴线进行适应延长，利用圆环采集相交分布情况；一般而言，圆环的权重越高，圆环的半径越大，圆环上的与轴线相交的分段越多，说明交互数据中涉及的极耳型号多、异常类型多以及焊接图像也多，越有价值；基于虚拟空间中轴线与圆环的利用，有效确定圆环价值，提升了的系统的工作效率。
本发明实施例提供了一种锂电池极耳焊接异常检测系统，还包括：
预处理模块，用于每隔预设的时间间隔，对节点集进行预处理；
其中，预处理模块执行如下操作：
从节点集中随机选取一个第三节点，第三节点包括：第一节点或第二节点；
基于预设的恶意记录库，确定第三节点对应的多个恶意记录，恶意记录包括：恶意类型、多个影响方和对应于影响方的影响值；
基于预设的公开合约库，确定第三节点对应的公开合约，同时，提取公开合约上对于第三节点产生所述恶意类型应对影响方进行补偿的多个第一补偿条款；
基于预设的私人合约库，确定第三节点和影响方之间的私人合约，同时，提取私人合约上对于第三节点产生恶意类型应对影响方进行补偿的多个第二补偿条款；
获取第三节点的执行记录，基于第一补偿条款对执行记录进行符合度分析，获得第一符合度，同时，基于第二补偿条款对执行记录进行符合度分析，获得第二符合度；
基于影响值、第一符合度和第二符合度，计算判定指数；
若判定指数小于等于预设的阈值，剔除对应第三节点；
当节点集中需要剔除的第三节点均被剔除后，完成预处理。
上述技术方案的工作原理及有益效果为：
预设的时间间隔具体为：例如，30秒；预设的恶意记录库具体为：历史上不同节点产生的恶意记录，例如：某用户从某节点获取的数据被人工判定为虚假数据，即提供正常极耳焊接的图像，未提供极耳焊接异常的图像；预设的公开合约库具体为：一数据库，内存储有不同节点与系统签署的公开合约，合约上有产生何种恶意记录有何种惩罚等；预设的私人合约库具体为：一数据库，内存储有不同节点之间签署的私人合约，合约内容与之同理；预设的阈值具体为：例如，98；执行记录具体为：节点对应的机构执行的一些补偿措施记录；
节点想要发布和获取其它节点的数据时，应签署公开合约和私人合约，产生恶意记录时，应严格按照合约上的补偿条款执行；基于影响值、第一符合度和第二符合度计算判定指数，若判断指数小于一定值，说明该节点不仅产生恶意记录且对补偿条款没有执行到位，应当剔除；极大程度上优化了的系统环境，保护用户的利益。
本发明实施例提供了一种锂电池极耳焊接异常检测系统，所述预处理模块执行如下操作：
基于所述影响值、第一符合度和第二符合度，计算判定指数，计算公式如下：
Figure BDA0003233067040000251
Figure BDA0003233067040000252
其中，ρ为所述判定指数，Ki,t为所述第三节点对应的第i个恶意记录中对应于第t个影响方的影响值，σi,t为中间变量，li为所述第三节点对应的第i个恶意记录中影响方的总数目，n为所述第三节点对应的恶意记录总数目，αi,t,m为基于第三节点对应公开合约上对于所述第三节点产生第i个恶意记录中的恶意类型时应对相应第t个影响方进行补偿的第m个第一补偿条款对所述执行记录进行符合度分析获得的第一符合度，Jt,1为对相应第t个影响方进行补偿时对所述执行记录进行符合度分析获得的第一符合度的总数目，βi,t,m为基于第三节点对应私人合约上对于所述第三节点产生第i个恶意记录中的恶意类型时应对相应第t个影响方进行补偿的第m个第二补偿条款对所述执行记录进行符合度分析获得的第二符合度，Jt,2为对相应第t个影响方进行补偿时对所述执行记录进行符合度分析获得的第二符合度的总数目，K1,0和K2,0为预设的比较阈值，0＜K2,0＜K1,0。
上述技术方案的工作原理及有益效果为：
影响值基于第二节点对应的其他用户产生的恶意行为对自身造成的影响(影响方可以自行上报影响证据)，影响程度越大，影响值很大；
公式中，预设的比较阈值具体为：常数；影响值很大即Ki,t≥K1,0时，需要对符合度的总体进行适当下调，影响值很大，影响程度越大，符合度应当很大，才能保证判定指数不小于阈值；影响值一般大小即K2,0＜Ki,t＜K1,0时，基于影响值Ki,t与K1,0和K2,0大小关系对符合度的总体进行调整；影响值很小时，直接赋予符合度的总体进行计算即可；
本发明实施例计算判定指数，快速判定第三节点的优良，极大程度上提升了系统的工作效率；同时，基于影响值的大小分段进行计算，设置合理，减少了系统计算资源的浪费；另外，不仅基于影响值计算判定指数，还基于条款的执行的符合度进行计算，条款分为公开和私人两类条款，提升了判定的精准性。
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 (10)

1.一种锂电池极耳焊接异常检测方法，其特征在于，包括：
步骤S1：构建焊接检测库；
步骤S2：获取极耳的焊接图像，基于所述焊接检测库，对所述焊接图像进行检测；
步骤S3：基于检测结果确定极耳焊接是否异常。
2.如权利要求1所述的一种锂电池极耳焊接异常检测方法，其特征在于，所述步骤S1：构建焊接检测库，包括：
获取极耳焊接异常数据，所述极耳焊接异常数据包括：多个第一异常项，所述第一异常项包括：第一极耳型号、第一焊接异常图像和第一异常类型；
确定所述第一极耳型号和所述第一异常类型均相同的所述第一异常项，并作为第二异常项；
提取所述第二异常项中的所述第一焊接异常图像，并作为第二焊接异常图像；
基于图像识别技术，识别所述第二焊接异常图像上的至少一个第一焊点区域；
对所述第一焊点区域进行特征提取，获得多个第一特征，同时，汇总所述第一特征，获得特征集；
随机提取所述特征集中的所述第一特征，并作为第二特征，同时，将其余所述第一特征作为第三特征；
将所述第三特征与所述第二特征进行匹配，获取第一匹配符合度；
若所述第一匹配符合度大于等于预设的第一阈值，将对应所述第三特征作为第四特征；
若所述第四特征在所述特征集中的第一占比大于等于预设的第二阈值，获取预设的空白数据库，所述空白数据库包括：第一分区和第二分区，同时，将所述第三特征和所述第四特征作为第五特征，并与对应所述第一极耳型号和所述第一异常类型关联后存入所述第一分区；
当需要存入所述第一分区的所述第五特征均存入后，将所述特征集中的其余所述第一特征作为第六特征，并与对应所述第一极耳型号和所述第一异常类型关联后存入所述第二分区；
全部存入完毕时，将所述空白数据库作为焊接检测库，完成构建。
3.如权利要求2所述的一种锂电池极耳焊接异常检测方法，其特征在于，所述步骤S2中，基于所述焊接检测库，对所述焊接图像进行检测，包括：
基于图像识别技术，识别所述焊接图像上的至少一个第二焊点区域；
对所述第二焊点区域进行特征提取，获得多个第七特征；
获取所述极耳的第二极耳型号，将所述第七特征与所述焊接检测库种所述第一分区中所述第二极耳型号关联的所述第五特征进行匹配，获取第二匹配符合度；
若所述第二匹配符合度大于等于预设的第三阈值，将对应所述第五特征作为第八特征；
获取所述第八特征关联的所述第一异常类型，作为第二异常类型，同时，汇总所述第二异常类型，获得异常类型集；
提取所述异常类型集中第二占比最大的所述第二异常类型，并作为第三异常类型；
提取所述焊接检测库种所述第二分区中所述第二极耳型号和所述第三异常类型共同关联的所述第六特征，并作为第九特征；
将所述第九特征与所述第七特征进行匹配，获取第三匹配符合度；
若所述第三匹配符合度均大于等于预设的第四阈值，将所述第三异常类型作为检测结果。
4.如权利要求2所述的一种锂电池极耳焊接异常检测方法，其特征在于，获取极耳焊接异常数据，包括：
获取预设的节点集，所述节点集包括：对应于用户的第一节点和对应于其他用户的多个第二节点；
基于预设的交互记录库，确定所述用户和所述其他用户之间的多个交互记录，所述交互记录包括：交互数据和获取方；
提取所述交互数据中的多个第三异常项，所述第三异常项包括：第三极耳型号、第三焊接异常图像和第四异常类型；
随机选取一个所述第三极耳型号，并作为第四极耳型号，同时，将其余所述第三极耳型号作为第五极耳型号；
获取预设的虚拟空间，在所述虚拟空间内，随机选取一个点为作为中心点，以所述中心点为起点，向预设的第一方向上绘制预设长度的第一轴线，并与所述第四极耳型号关联；
基于预设的差异库，确定所述第五极耳型号和所述第四极耳型号之间的差异值；
基于预设的旋转角度库，确定所述差异值对应的旋转角度；
将所述第一轴线顺时针旋转所述旋转角度，获得第二轴线，并与对应所述第五极耳型号关联，同时，保留原所述第一轴线；
确定所述第四极耳型号对应的所述第三异常项中的所述第四异常类型，并作为第五异常类型；
确定所述第五异常类型对应所述第三异常项中的所述第三焊接异常图像，并作为第四焊接异常图像，同时，汇总所述第四焊接异常图像的第一数量；
基于预设的延长幅度库，确定所述第一数量对应的第一延长幅度，基于所述第一延长幅度，将所述第一轴线向所述第一方向进行延长；
确定所述第五极耳型号对应的所述第三异常项中的所述第四异常类型，并作为第六异常类型；
确定所述第六异常类型对应所述第三异常项中的所述第三焊接异常图像，并作为第五焊接异常图像，同时，汇总所述第五焊接异常图像的第二数量；
基于所述延长幅度库，确定所述第二数量对应的第二延长幅度，基于所述第二延长幅度，将对应所述第二轴线向对应所述第二方向进行延长；
获取预设的圆环集，所述圆环集包括：多个半径不同的圆环，所述圆环上划分有n个分段；
将所述圆环的圆心和所述中心点重合，获取延长后所述第一轴线和所述第二轴线与所述圆环上n个分段的相交分布情况；
获取所述圆环的权重，将所述相交分布情况和所述权重输入预设的判定模型，获取判定值；
若所述获取方为所述用户，将所述判定值赋予所述用户；
若所述获取方为所述其他用户，将所述判定值赋予所述其他用户；
汇总所述用户被赋予的所述判定值，获得第一判定值和；
汇总所述其他用户被赋予的所述判定值，获得第二判定值和；
若第一判定值和与第二判定值和的差值小于等于预设的差值阈值，通过其他用户对应的第二节点获取第一异常数据；
通过所述第一节点获取第二异常数据；
整合获取的所述第一异常数据和所述第二异常数据，获得极耳焊接异常数据，完成获取。
5.如权利要求4所述的一种锂电池极耳焊接异常检测方法，其特征在于，还包括：
每隔预设的时间间隔，对所述节点集进行预处理；
其中，对所述节点集进行预处理，包括：
从所述节点集中随机选取一个第三节点，所述第三节点包括：所述第一节点或所述第二节点；
基于预设的恶意记录库，确定第三节点对应的多个恶意记录，所述恶意记录包括：恶意类型、多个影响方和对应于所述影响方的影响值；
基于预设的公开合约库，确定所述第三节点对应的公开合约，同时，提取所述公开合约上对于所述第三节点产生所述恶意类型应对所述影响方进行补偿的多个第一补偿条款；
基于预设的私人合约库，确定所述第三节点和所述影响方之间的私人合约，同时，提取所述私人合约上对于所述第三节点产生所述恶意类型应对所述影响方进行补偿的多个第二补偿条款；
获取所述第三节点的执行记录，基于所述第一补偿条款对所述执行记录进行符合度分析，获得第一符合度，同时，基于所述第二补偿条款对所述执行记录进行符合度分析，获得第二符合度；
基于所述影响值、第一符合度和第二符合度，计算判定指数；
若所述判定指数小于等于预设的阈值，剔除对应所述第三节点；
当所述节点集中需要剔除的所述第三节点均被剔除后，完成预处理。
6.一种锂电池极耳焊接异常检测系统，其特征在于，包括：
构建模块，用于构建焊接检测库；
检测模块，用于获取极耳的焊接图像，基于所述焊接检测库，对所述焊接图像进行检测；
确定模块，用于基于检测结果确定极耳焊接是否异常。
7.如权利要求6所述的一种锂电池极耳焊接异常检测系统，其特征在于，所述构建模块执行如下操作：
获取极耳焊接异常数据，所述极耳焊接异常数据包括：多个第一异常项，所述第一异常项包括：第一极耳型号、第一焊接异常图像和第一异常类型；
确定所述第一极耳型号和所述第一异常类型均相同的所述第一异常项，并作为第二异常项；
提取所述第二异常项中的所述第一焊接异常图像，并作为第二焊接异常图像；
基于图像识别技术，识别所述第二焊接异常图像上的至少一个第一焊点区域；
对所述第一焊点区域进行特征提取，获得多个第一特征，同时，汇总所述第一特征，获得特征集；
随机提取所述特征集中的所述第一特征，并作为第二特征，同时，将其余所述第一特征作为第三特征；
将所述第三特征与所述第二特征进行匹配，获取第一匹配符合度；
若所述第一匹配符合度大于等于预设的第一阈值，将对应所述第三特征作为第四特征；
若所述第四特征在所述特征集中的第一占比大于等于预设的第二阈值，获取预设的空白数据库，所述空白数据库包括：第一分区和第二分区，同时，将所述第三特征和所述第四特征作为第五特征，并与对应所述第一极耳型号和所述第一异常类型关联后存入所述第一分区；
当需要存入所述第一分区的所述第五特征均存入后，将所述特征集中的其余所述第一特征作为第六特征，并与对应所述第一极耳型号和所述第一异常类型关联后存入所述第二分区；
全部存入完毕时，将所述空白数据库作为焊接检测库，完成构建。
8.如权利要求7所述的一种锂电池极耳焊接异常检测系统，其特征在于，所述检测模块执行如下操作：
基于图像识别技术，识别所述焊接图像上的至少一个第二焊点区域；
对所述第二焊点区域进行特征提取，获得多个第七特征；
获取所述极耳的第二极耳型号，将所述第七特征与所述焊接检测库种所述第一分区中所述第二极耳型号关联的所述第五特征进行匹配，获取第二匹配符合度；
若所述第二匹配符合度大于等于预设的第三阈值，将对应所述第五特征作为第八特征；
获取所述第八特征关联的所述第一异常类型，作为第二异常类型，同时，汇总所述第二异常类型，获得异常类型集；
提取所述异常类型集中第二占比最大的所述第二异常类型，并作为第三异常类型；
提取所述焊接检测库种所述第二分区中所述第二极耳型号和所述第三异常类型共同关联的所述第六特征，并作为第九特征；
将所述第九特征与所述第七特征进行匹配，获取第三匹配符合度；
若所述第三匹配符合度均大于等于预设的第四阈值，将所述第三异常类型作为检测结果。
9.如权利要求7所述的一种锂电池极耳焊接异常检测系统，其特征在于，所述构建模块执行如下操作：
获取预设的节点集，所述节点集包括：对应于用户的第一节点和对应于其他用户的多个第二节点；
基于预设的交互记录库，确定所述用户和所述其他用户之间的多个交互记录，所述交互记录包括：交互数据和获取方；
提取所述交互数据中的多个第三异常项，所述第三异常项包括：第三极耳型号、第三焊接异常图像和第四异常类型；
随机选取一个所述第三极耳型号，并作为第四极耳型号，同时，将其余所述第三极耳型号作为第五极耳型号；
获取预设的虚拟空间，在所述虚拟空间内，随机选取一个点为作为中心点，以所述中心点为起点，向预设的第一方向上绘制预设长度的第一轴线，并与所述第四极耳型号关联；
基于预设的差异库，确定所述第五极耳型号和所述第四极耳型号之间的差异值；
基于预设的旋转角度库，确定所述差异值对应的旋转角度；
将所述第一轴线顺时针旋转所述旋转角度，获得第二轴线，并与对应所述第五极耳型号关联，同时，保留原所述第一轴线；
确定所述第四极耳型号对应的所述第三异常项中的所述第四异常类型，并作为第五异常类型；
确定所述第五异常类型对应所述第三异常项中的所述第三焊接异常图像，并作为第四焊接异常图像，同时，汇总所述第四焊接异常图像的第一数量；
基于预设的延长幅度库，确定所述第一数量对应的第一延长幅度，基于所述第一延长幅度，将所述第一轴线向所述第一方向进行延长；
确定所述第五极耳型号对应的所述第三异常项中的所述第四异常类型，并作为第六异常类型；
确定所述第六异常类型对应所述第三异常项中的所述第三焊接异常图像，并作为第五焊接异常图像，同时，汇总所述第五焊接异常图像的第二数量；
基于所述延长幅度库，确定所述第二数量对应的第二延长幅度，基于所述第二延长幅度，将对应所述第二轴线向对应所述第二方向进行延长；
获取预设的圆环集，所述圆环集包括：多个半径不同的圆环，所述圆环上划分有n个分段；
将所述圆环的圆心和所述中心点重合，获取延长后所述第一轴线和所述第二轴线与所述圆环上n个分段的相交分布情况；
获取所述圆环的权重，将所述相交分布情况和所述权重输入预设的判定模型，获取判定值；
若所述获取方为所述用户，将所述判定值赋予所述用户；
若所述获取方为所述其他用户，将所述判定值赋予所述其他用户；
汇总所述用户被赋予的所述判定值，获得第一判定值和；
汇总所述其他用户被赋予的所述判定值，获得第二判定值和；
若第一判定值和与第二判定值和的差值小于等于预设的差值阈值，通过其他用户对应的第二节点获取第一异常数据；
通过所述第一节点获取第二异常数据；
整合获取的所述第一异常数据和所述第二异常数据，获得极耳焊接异常数据，完成获取。
10.如权利要求9所述的一种锂电池极耳焊接异常检测系统，其特征在于，还包括：
预处理模块，用于每隔预设的时间间隔，对所述节点集进行预处理；
其中，所述预处理模块执行如下操作：
从所述节点集中随机选取一个第三节点，所述第三节点包括：所述第一节点或所述第二节点；
基于预设的恶意记录库，确定第三节点对应的多个恶意记录，所述恶意记录包括：恶意类型、多个影响方和对应于所述影响方的影响值；
基于预设的公开合约库，确定所述第三节点对应的公开合约，同时，提取所述公开合约上对于所述第三节点产生所述恶意类型应对所述影响方进行补偿的多个第一补偿条款；
基于预设的私人合约库，确定所述第三节点和所述影响方之间的私人合约，同时，提取所述私人合约上对于所述第三节点产生所述恶意类型应对所述影响方进行补偿的多个第二补偿条款；
获取所述第三节点的执行记录，基于所述第一补偿条款对所述执行记录进行符合度分析，获得第一符合度，同时，基于所述第二补偿条款对所述执行记录进行符合度分析，获得第二符合度；
基于所述影响值、第一符合度和第二符合度，计算判定指数；
若所述判定指数小于等于预设的阈值，剔除对应所述第三节点；
当所述节点集中需要剔除的所述第三节点均被剔除后，完成预处理。
CN202110993445.4A 2021-08-27 2021-08-27 一种锂电池极耳焊接异常检测方法及系统 Active CN113723499B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110993445.4A CN113723499B (zh) 2021-08-27 2021-08-27 一种锂电池极耳焊接异常检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110993445.4A CN113723499B (zh) 2021-08-27 2021-08-27 一种锂电池极耳焊接异常检测方法及系统

Publications (2)

Publication Number Publication Date
CN113723499A true CN113723499A (zh) 2021-11-30
CN113723499B CN113723499B (zh) 2022-08-12

Family

ID=78678373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110993445.4A Active CN113723499B (zh) 2021-08-27 2021-08-27 一种锂电池极耳焊接异常检测方法及系统

Country Status (1)

Country Link
CN (1) CN113723499B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117473350A (zh) * 2023-12-28 2024-01-30 江苏高特高金属科技有限公司 基于数据处理的焊管焊接生产过程监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001324449A (ja) * 2000-05-15 2001-11-22 Sony Corp 検査方法及び検査装置
CN108872250A (zh) * 2018-07-23 2018-11-23 广州超音速自动化科技股份有限公司 锂电池极耳焊反检测方法及极耳焊接检测系统
CN109142367A (zh) * 2018-07-23 2019-01-04 广州超音速自动化科技股份有限公司 一种锂电池极耳虚焊检测方法及极耳焊接检测系统
CN109142368A (zh) * 2018-07-23 2019-01-04 广州超音速自动化科技股份有限公司 锂电池极片打皱检测方法及极耳焊接检测系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001324449A (ja) * 2000-05-15 2001-11-22 Sony Corp 検査方法及び検査装置
CN108872250A (zh) * 2018-07-23 2018-11-23 广州超音速自动化科技股份有限公司 锂电池极耳焊反检测方法及极耳焊接检测系统
CN109142367A (zh) * 2018-07-23 2019-01-04 广州超音速自动化科技股份有限公司 一种锂电池极耳虚焊检测方法及极耳焊接检测系统
CN109142368A (zh) * 2018-07-23 2019-01-04 广州超音速自动化科技股份有限公司 锂电池极片打皱检测方法及极耳焊接检测系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117473350A (zh) * 2023-12-28 2024-01-30 江苏高特高金属科技有限公司 基于数据处理的焊管焊接生产过程监测方法
CN117473350B (zh) * 2023-12-28 2024-02-27 江苏高特高金属科技有限公司 基于数据处理的焊管焊接生产过程监测方法

Also Published As

Publication number Publication date
CN113723499B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN111309824B (zh) 实体关系图谱显示方法及系统
CN108200030A (zh) 恶意流量的检测方法、系统、装置及计算机可读存储介质
CN111614491B (zh) 一种面向电力监控系统安全态势评估指标选取方法及系统
CN111950738A (zh) 机器学习模型优化效果评估方法、装置、终端及存储介质
CN110704231A (zh) 一种故障处理方法及装置
CN113688957A (zh) 一种基于多模型融合的目标检测方法、装置、设备及介质
CN110647447B (zh) 用于分布式系统的异常实例检测方法、装置、设备和介质
CN113723499B (zh) 一种锂电池极耳焊接异常检测方法及系统
CN107231382A (zh) 一种网络威胁态势评估方法及设备
CN111754241A (zh) 一种用户行为感知方法、装置、设备及介质
CN102546235B (zh) 云计算环境下面向web应用的性能诊断方法和系统
CN111062827B (zh) 一种基于人工智能模式的工程监理方法
CN112750038A (zh) 交易风险的确定方法、装置和服务器
CN112288593A (zh) 一种电网应急体系的评估数据处理方法、装置和介质
CN106982209A (zh) 工业控制网络接入设备识别方法、装置、以及系统
CN114531248B (zh) 区块链与5g融合的分布式能源系统去中心控制方法及系统
CN115170293A (zh) 贷后管理方法及装置
CN114048439A (zh) 一种基于ai的安全行为分析系统及方法
CN114092724A (zh) 一种基于图像识别技术的工程监理方法和系统
CN111654855A (zh) 基于ahp的水下无线传感器网络中的信任更新方法
CN114665986B (zh) 一种蓝牙钥匙的测试系统及方法
CN113657429B (zh) 面向数字孪生城市物联网的数据融合方法及装置
CN115082079B (zh) 关联用户的识别方法、装置、计算机设备及存储介质
CN117575782B (zh) 一种基于Leiden社区发现算法的团伙欺诈识别方法
CN113032643B (zh) 目标行为识别系统

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
GR01 Patent grant
GR01 Patent grant