CN113744244B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN113744244B
CN113744244B CN202111030855.5A CN202111030855A CN113744244B CN 113744244 B CN113744244 B CN 113744244B CN 202111030855 A CN202111030855 A CN 202111030855A CN 113744244 B CN113744244 B CN 113744244B
Authority
CN
China
Prior art keywords
pole piece
lithium battery
image
edge
battery pole
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
CN202111030855.5A
Other languages
English (en)
Other versions
CN113744244A (zh
Inventor
卢盛林
贺珍真
曹玲
何翔
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 CN202111030855.5A priority Critical patent/CN113744244B/zh
Publication of CN113744244A publication Critical patent/CN113744244A/zh
Application granted granted Critical
Publication of CN113744244B publication Critical patent/CN113744244B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20081—Training; Learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种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，包括：图像采集模块，用于采集待检测的锂电池极片图像；距离检测模块，用于对锂电池极片图像进行处理，得到锂电池极片边缘到极耳边缘距离；距离判断模块，用于判断锂电池极片边缘到极耳边缘距离是否合格，得到判断结果；结果输出模块，用于根据判断结果生成对应控制指令进行输出。

Description

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
技术领域
本发明涉及极耳检测技术领域，尤其涉及一种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。
背景技术
随着二十世纪微电子技术的发展，小型化的设备日益增多，对电源提出了很高的要求，锂电池随之进入了大规模的实用阶段。并且，随着新能源汽车行业日益壮大，对锂电池的稳定性和安全性提出了更高了要求；在生产过程中，通过铆接机在极片中嵌入极耳后，需要切割极片，由于极片是一种柔性的浆料材质，切割极片的过程中，容易弯曲和变形，导致切割尺寸不够准确。而极片边缘到极耳边缘的距离误差要求在0.2mm以内，该距离是影响锂电池性能的因素之一。因此，为控制产品质量，生产的产品利用二次元等设备以抽检的方式为主，若单个批次抽检的样品不合格率过高，该批次全部报废，这种方式成本高。考虑到人眼无法准确识别，因此，亟需一种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，用于自动对每个极片进行检测，节省人力资源的同时提高检测精度和产品合格率。
发明内容
本发明提供一种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，用于自动对每个极片进行检测，节省人力资源的同时提高检测精度和产品合格率。
一种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，包括：
图像采集模块，用于采集待检测的锂电池极片图像；
图像校验模块，与图片采集模块连接，用于对待检测的锂电池极片图像的是否存在残缺进行校验，得到校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像；
距离检测模块，与图像校验模块连接，用于对锂电池极片边缘到极耳边缘图像进行检测，得到锂电池极片边缘到极耳边缘距离；
距离判断模块，与距离检测模块连接，用于判断锂电池极片边缘到极耳边缘距离是否合格，得到判断结果；
结果输出模块，与距离判断模块连接，用于根据判断结果生成对应控制指令进行输出。
作为本发明的一种实施例，图像采集模块包括原始图像采集子模块、原始图像处理子模块、锂电池极片图像输出子模块；
原始图像采集子模块，用于采集待检测的原始锂电池极片图像；
原始图像处理子模块，与原始图像采集子模块连接，用于对待检测的原始锂电池极片图像进行图像分割处理，得到分割后的待检测的锂电池极片图像和无关背景图像；
锂电池极片图像输出子模块，与原始图像处理子模块连接，用于将待检测的锂电池极片图像输出。
作为本发明的一种实施例，原始图像处理子模块执行包括如下操作：
获取待检测的原始锂电池极片图像，对待检测的原始锂电池极片图像进行二值化处理，得到二值化极片图像；
对二值化极片图像进行去噪，得到待处理极片图像；
获取预设的锂电池极片图像的图片模板；
获取待处理极片图像中与图片模板的像素相似度最高的图片块；其中，图片块与图片模板大小相同；
获取图片块在待处理极片图像中的位置信息；
根据位置信息对待处理极片图像进行图像分割处理，得到分割后的待检测的锂电池极片图像和无关背景图像。
作为本发明的一种实施例，一种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，还包括图片模板自动切换子模块；
图片模板自动切换子模块，分别与原始图像采集子模块和原始图像处理子模块连接，用于根据待检测的原始锂电池极片图像确定待检测的原始锂电池极片种类，并根据待检测的原始锂电池极片种类确定图片模板；
图片模板自动切换子模块执行包括如下操作：
获取待检测的原始锂电池极片图像；
获取待检测的原始锂电池极片图像中的极片种类特征信息；
根据极片种类特征信息确定待检测的原始锂电池极片种类；
筛选出预设图片模板集中与待检测的原始锂电池极片种类相同的图片模板；
将图片模板发送至原始图像处理子模块。
作为本发明的一种实施例，图像校验模块执行包括如下操作：
获取原始锂电池极片图像集，对原始锂电池极片图像集进行全局目标区域裁剪转换及像素归一化处理，得到锂电池极片图像集；其中，原始锂电池极片图像集包括预先存储的若干原始锂电池极片样本图像，锂电池极片图像集包括若干锂电池极片样本图像；
获取初始第一深度学习模型，基于锂电池极片图像集对初始第一深度学习模型进行训练，得到第一极片校验模型；
对原始锂电池极片图像集进行局部目标区域裁剪转换、数据增强及像素归一化处理，得到锂电池极片边缘到极耳边缘图像集；其中，锂电池极片边缘到极耳边缘图像集包括若干锂电池极片边缘到极耳边缘样本图像；
获取初始第二深度学习模型，基于锂电池极片边缘到极耳边缘图像集对初始第二深度学习模型进行训练，得到第二极片校验模型；
获取待检测的锂电池极片图像，将待检测的锂电池极片图像输入至第一极片校验模型，得到第一校验结果；
若第一校验结果为待检测的锂电池极片图像为不存在残缺的锂电池极片的图像，将待检测的锂电池极片图像输入至第二极片校验模型中，得到第二校验结果；
若第二校验结果为待检测的锂电池极片图像中的锂电池极片边缘到极耳边缘图像为不存在残缺的锂电池极片边缘到极耳边缘图像，获取不存在残缺的锂电池极片边缘到极耳边缘图像。
作为本发明的一种实施例，一种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，还包括：示警模块；
图像校验模块还用于执行包括如下操作：
若第一校验结果为待检测的锂电池极片图像为存在残缺的锂电池极片的图像，生成第一示警信息，将第一示警信息发送至示警模块；
若第二校验结果为待检测的锂电池极片图像中的锂电池极片边缘到极耳边缘图像为存在残缺的锂电池极片边缘到极耳边缘图像，生成第二示警信息，将第二示警信息发送至示警模块；
示警模块执行包括如下操作：
获取锂电池极片图像处理子模块发送的示警信息；
若示警信息为第一示警信息，发出第一示警信号；
若示警信息为第二示警信息，发出第二示警信号。
作为本发明的一种实施例，距离检测模块包括图像接收子模块、锂电池极片边缘到极耳边缘距离检测子模块、处理结果输出子模块；
图像接收子模块，用于接收图像校验模块输出的校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像；
锂电池极片边缘到极耳边缘距离检测子模块，与图像接收子模块连接，用于对校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像中极片极耳之间的距离进行检测，得到锂电池极片边缘到极耳边缘距离；
处理结果输出子模块，与锂电池极片边缘到极耳边缘距离检测子模块连接，用于将锂电池极片边缘到极耳边缘距离进行输出。
作为本发明的一种实施例，距离判断模块包括距离接收子模块、距离判断子模块、判断结果输出子模块；
距离接收子模块，用于接收距离检测模块输出的锂电池极片边缘到极耳边缘距离；
距离判断子模块，与距离接收子模块连接，用于判断锂电池极片边缘到极耳边缘距离是否小于等于预设距离，得到判断结果；其中，
若锂电池极片边缘到极耳边缘距离小于等于预设距离，锂电池极片边缘到极耳边缘距离合格，判断结果为合格结果；
若锂电池极片边缘到极耳边缘距离大于预设距离，锂电池极片边缘到极耳边缘距离不合格，判断结果为不合格；
判断结果输出子模块，与距离判断子模块连接，用于将判断结果进行输出。
作为本发明的一种实施例，一种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还包括：停检反馈处理模块；
停检反馈处理模块，与图像采集模块连接；
图像采集模块还用于执行包括如下操作：
若预设采集时间内未采集到待检测的锂电池极片图像，发送停检信号至停检反馈处理模块；
停检反馈处理模块执行包括如下操作：
接收图像采集模块发送的停检信号，获取当前时间，判断当前时间是否属于预设停检时间范围内；
若当前时间不属于预设停检时间范围内，发出报警，生成停检示警信号；
获取存储单元中预先设置的权限配置信息，权限配置信息包括停检反馈处理模块可访问的至少一个负责人终端的终端信息与提供给停检反馈处理模块验证负责人终端时使用的验证信息；
根据负责人终端的终端信息将停检示警信号发送至负责人终端，并接收负责人终端的反馈指令；
基于提供给停检反馈处理模块验证负责人终端时使用的验证信息对负责人终端的反馈指令进行验证，验证发出反馈指令的负责人终端的终端信息与停检反馈处理模块在存储单元中是否存在关联关系；
若存在关联关系，根据负责人终端的反馈指令执行相应操作。
作为本发明的一种实施例，一种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还包括：产品合格率预测模块；
产品合格率预测模块，分别与图像采集模块、图像校验模块和距离判断模块连接；
产品合格率预测模块执行包括如下操作：
获取图像采集模块中若干待检测的锂电池极片图像对应的第一锂电池极片，对第一锂电池极片进行待检测标记，得到待检测极片数据；
获取图像校验模块中若干待检测的锂电池极片图像的校验结果为存在残缺的锂电池极片图像对应的第二锂电池极片，对第二锂电池极片进行外形残缺标记，得到外形残缺极片数据；
获取距离判断模块中若干锂电池极片边缘到极耳边缘距离的判断结果为锂电池极片边缘到极耳边缘距离不合格的锂电池极片边缘到极耳边缘图像对应的第三锂电池极片，对第三锂电池极片进行距离残缺标记，得到距离残缺极片数据；
对待检测极片数据、外形残缺极片数据和距离残缺极片数据进行去重融合处理，得到预处理极片数据；具体包括：
将待检测极片数据中与外形残缺极片数据和距离残缺极片数据中除标记外重合的数据进行去除操作，得到去重后的待检测极片数据；
将去重后的待检测极片数据、外形残缺极片数据和距离残缺极片数据融合，得到预处理极片数据；
根据预设维度划分规则对预处理极片数据进行维度划分，得到各个维度的正常极片数据和残缺极片数据；
对各个维度的正常极片数据和残缺极片数据中的维度进行筛选和合并，得到预测维度；
获取预设预测模型和预设预测指标；
将预测维度和预设预测指标输入至预设预测模型中，输出新残缺极片预测数据；
对残缺极片数据和正常极片数据进行矩阵相加，得到旧残缺极片预测数据；
根据预设权重，将新残缺极片预测数据和旧残缺极片预测数据进行融合处理，得到极片残缺预测数据；
根据极片残缺预测数据计算极片合格率预测数据；
将极片合格率预测数据进行输出。
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的模块示意图1；
图2为本发明实施例中一种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的图像采集模块示意图；
图3为本发明实施例中一种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的距离检测模块示意图；
图4为本发明实施例中一种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的距离判断模块示意图；
图5为本发明实施例中一种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的原始图像处理子模块的操作执行流程图；
图6为本发明实施例中一种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的图像校验模块的操作执行流程图；
图7为本发明实施例中一种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的模块示意图2；
图8为本发明实施例中一种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的图像采集模块示意图2。
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。
请参阅图1，本发明实施例提供了一种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，包括：
图像采集模块1，用于采集待检测的锂电池极片图像；
图像校验模块2，与图片采集模块1连接，用于对待检测的锂电池极片图像的是否存在残缺进行校验，得到校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像；
距离检测模块3，与图像校验模块2连接，用于对锂电池极片边缘到极耳边缘图像进行检测，得到锂电池极片边缘到极耳边缘距离；
距离判断模块4，与距离检测模块3连接，用于判断锂电池极片边缘到极耳边缘距离是否合格，得到判断结果；
结果输出模块5，与距离判断模块4连接，用于根据判断结果生成对应控制指令进行输出；
上述技术方案的工作原理为：将待检测的锂电池极片通过传送带传送到指定位置，图像采集模块1对待检测的锂电池极片进行拍照采集待检测的锂电池极片图像；图像采集模块1将采集好的待检测的锂电池极片图像发送至图像校验模块2，图像校验模块2对待检测的锂电池极片图像的是否存在残缺进行校验，即对待检测的锂电池极片图像是否完整进行校验，待检测的锂电池极片图像存在残缺的可能原因包括但不限于切割时切割误差导致残缺，校验完成后，得到校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像，并将其发送至距离检测模块3；距离检测模块3对图像校验模块2发送的校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像进行距离检测，得到锂电池极片边缘到极耳边缘距离，并将其发送至距离判断模块4；距离判断模块4接收到锂电池极片边缘到极耳边缘距离后，将锂电池极片边缘到极耳边缘距离与预设距离进行对比，判断锂电池极片边缘到极耳边缘距离是否合格，得到判断结果，并将判断结果发送至结果输出模块5；结果输出模块5则根据判断结果生成对应控制指令进行输出；对应控制指令包括但不限于将不合格的产品剔除的剔除指令、将合格产品继续通过传送带传到下一工作板块的继续指令等控制指令，剔除方法包括但不限于使用吹气方式将不合格的产品吹入预先设置好的残次箱内等方法；
上述技术方案的有益效果为：通过图像采集模块、距离检测模块、距离判断模块和结果输出模块，自动检测锂电池极片边缘到极耳边缘距离是否合格，实现对所有产品进行检测，相比抽样检测和人工全检而言有益于节省人力资源的同时提高检测精度和产品合格率，提高企业出厂产品质量，通过图像校验模块，对极片进行更精细的完整度检测，有益提高检测精度。
请参阅图2，在一个实施例中，图像采集模块1包括原始图像采集子模块11、原始图像处理子模块12、锂电池极片图像输出子模块13；
原始图像采集子模块11，用于采集待检测的原始锂电池极片图像；
原始图像处理子模块12，与原始图像采集子模块11连接，用于对待检测的原始锂电池极片图像进行图像分割处理，得到分割后的待检测的锂电池极片图像和无关背景图像；
锂电池极片图像输出子模块13，与原始图像处理子模块12连接，用于将待检测的锂电池极片图像输出；
上述技术方案的工作原理为：图像采集模块1包括原始图像采集子模块11、原始图像处理子模块12、锂电池极片图像输出子模块13；其中，原始图像采集子模块11，例如摄像头，用于采集待检测的原始锂电池极片图像，，原始图像采集子模块11将采集到的待检测的原始锂电池极片图像发送至原始图像处理子模块12；原始图像处理子模块12对接收到的待检测的原始锂电池极片图像进行图像分割处理，得到分割后的待检测的锂电池极片图像和无关背景图像，并将分割后的待检测的锂电池极片图像发送至锂电池极片图像输出子模块13；锂电池极片图像输出子模块13将待检测的锂电池极片图像进行输出；
上述技术方案的有益效果为：通过原始图像处理子模块，将采集待检测的原始锂电池极片图像分割为待检测的锂电池极片图像和无关背景图像，有益于提高后续检测锂电池极片边缘到极耳边缘距离的检测精度。
请参阅图5，在一个实施例中，原始图像处理子模块12执行包括如下操作：
S11、获取待检测的原始锂电池极片图像，对待检测的原始锂电池极片图像进行二值化处理，得到二值化极片图像；
S12、对二值化极片图像进行去噪，得到待处理极片图像；
S13、获取预设的锂电池极片图像的图片模板；
S14、获取待处理极片图像中与图片模板的像素相似度最高的图片块；其中，图片块与图片模板大小相同；
S15、获取图片块在待处理极片图像中的位置信息；
S16、根据位置信息对待处理极片图像进行图像分割处理，得到分割后的待检测的锂电池极片图像和无关背景图像；
上述技术方案的工作原理为：原始图像处理子模块12接收到原始图像采集子模块11发送的待检测的原始锂电池极片图像后，对待检测的原始锂电池极片图像进行二值化处理，得到二值化极片图像；对二值化极片图像进行去噪，得到待处理极片图像，更进一步地，对二值化极片图像进行去噪的方式优选包括：确定二极化极片图像中每个连通区域中像素点的个数，其中，任意一个连通区域中每个像素点的灰度值为0，该连通区域中的任一个像素点与该连通区域中的至少一个其他像素点相邻，且与该连通区域中的任一个像素点相邻的灰度值为0的像素点均位于该连通区域内；筛选出像素点的个数小于预设像素点数目阈值的连通区域，预设像素点数目阈值优选根据使用者对去噪效果的预期值进行设定，此处预设像素点数目阈值设为所有连通区域像素点数目的平均数；将筛选出的连通区域中每个像素点的灰度值设置为255；其中，确定二值化极片图像中的任意一个连通区域，包括：遍历第一图片，在遍历到灰度值为0的像素点后，对该像素点设置唯一标记；重复执行继续遍历该被标记的像素点8个邻域的像素点，将8个邻域的像素点中，灰度值为0的像素点设置唯一标记，直至在二值化极片图像中，被唯一标记的像素点8个领域的像素点中，灰度值为0的像素点均被唯一标记时，得到待处理极片图像；获取预设的锂电池极片图像的图片模板，其中，预设的锂电池极片图像的图片模板的确定方法优选为采集若干正常的锂电池极片的极片图像，对这些极片图像进行筛选，获取与原始图像采集子模块11采集的若干待检测的锂电池极片图像相比相似度平均值最高的极片图像作为锂电池极片图像的图片模板；得到待处理极片图像和预设的锂电池极片图像的图片模板后，获取待处理极片图像中与图片模板的像素相似度最高的图片块；其中，图片块与图片模板大小相同；获取图片块在待处理极片图像中的位置信息，其中，位置信息优选为图片块在待处理极片图像中的坐标信息；根据位置信息对待处理极片图像进行图像分割处理，得到分割后的待检测的锂电池极片图像和无关背景图像；
更进一步地，图片块与图片模板的像素相似度的计算公式优选为：
Figure GDA0003540212020000131
其中，τ为图片块与图片模板的像素相似度，X为图片模板在横轴方向的像素点的个数，Y为图片模板在纵轴方向的像素点的个数，n为图片块在横轴方向的偏移量，m为图片块在纵轴方向的偏移量，
Figure GDA0003540212020000132
αx,y为图片模板中坐标为(x,y)的像素点的灰度值，βx+n,y+m为图片块中坐标为(n,m)的像素点的灰度值，else为其他；
例如，随机获取一张图片块和一张图片模板，其中，图片模板在横轴方向的像素点的个数为126，在纵轴方向的像素点的个数为98，图片块在横轴方向的偏移量为23，在纵轴方向的偏移量为26，根据上面的条件分别获取坐标为(23,26)和坐标为(x,y)的像素点的灰度值，其中，x＝{1,2,3…,126},y＝{1,2,3…,98}，根据上述条件和图片块与图片模板的像素相似度的计算公式计算得出该随机获取的一张图片块和一张图片模板的相似度为84％；
该像素相似度计算方法与其他图像相似度计算方法相比具备获取数据更少，计算方式更简单，能够快速准确的得到待处理极片图像中与图片模板的像素相似度最高的图片块，有益于提高原始图像处理子模块12在图像分割时的分割效率；
上述技术方案的有益效果为：通过将待检测的原始锂电池极片图像分割为待检测的锂电池极片图像和无关背景图像，有益于提高后续检测的检测效率，通过对待处理极片图像中每一图片块与图片模板的相似度进行计算，有益于快速的筛选分割出待处理极片图像中的待检测的锂电池极片图像，提高分割效率。
请参阅图8，在一个实施例中，一种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，还包括：图片模板自动切换子模14；
图片模板自动切换子模块14，分别与原始图像采集子模块11和原始图像处理子模块12连接，用于根据待检测的原始锂电池极片图像确定待检测的原始锂电池极片种类，并根据待检测的原始锂电池极片种类确定图片模板；
图片模板自动切换子模块14执行包括如下操作：
获取待检测的原始锂电池极片图像；
获取待检测的原始锂电池极片图像中的极片种类特征信息；
根据极片种类特征信息确定待检测的原始锂电池极片种类；
筛选出预设图片模板集中与待检测的原始锂电池极片种类相同的图片模板；
将图片模板发送至原始图像处理子模块12；
上述技术方案的工作原理为：图片模板自动切换子模块14获取原始图像采集子模块11采集的待检测的原始锂电池极片图像；通过采集图像特征获取待检测的原始锂电池极片图像中的极片种类特征信息；其中，极片种类特征信息包括但不限于轮廓特征信息、标签特征信息等；根据极片种类特征信息确定待检测的原始锂电池极片种类；从而筛选出预设图片模板集中与待检测的原始锂电池极片种类相同的图片模板；其中，预设图片模板集优选为使用者工厂内所有锂电池极片种类的标准锂电池极片图像；将得到的图片模板发送至原始图像处理子模块12；
上述技术方案的有益效果为：通过图片模板自动切换子模块，实现同一流水线同时检测不同种类的锂电池极片，有益于降低不同种类的锂电池极片分拣的工作时间，提高工厂运行效率，通过特征获取的方式确定锂电池极片种类，降低锂电池极片种类区分成本，且有益于快速精准的区分锂电池极片种类。
请参阅图6，在一个实施例中，图像校验模块2执行包括如下操作：
S21、获取原始锂电池极片图像集，对原始锂电池极片图像集进行全局目标区域裁剪转换及像素归一化处理，得到锂电池极片图像集；其中，原始锂电池极片图像集包括预先存储的若干原始锂电池极片样本图像，锂电池极片图像集包括若干锂电池极片样本图像；
S22、获取初始第一深度学习模型，基于锂电池极片图像集对初始第一深度学习模型进行训练，得到第一极片校验模型；
S23、对原始锂电池极片图像集进行局部目标区域裁剪转换、数据增强及像素归一化处理，得到锂电池极片边缘到极耳边缘图像集；其中，锂电池极片边缘到极耳边缘图像集包括若干锂电池极片边缘到极耳边缘样本图像；
S24、获取初始第二深度学习模型，基于锂电池极片边缘到极耳边缘图像集对初始第二深度学习模型进行训练，得到第二极片校验模型；
S25、获取待检测的锂电池极片图像，将待检测的锂电池极片图像输入至第一极片校验模型，得到第一校验结果；
S26、若第一校验结果为待检测的锂电池极片图像为不存在残缺的锂电池极片的图像，将待检测的锂电池极片图像输入至第二极片校验模型中，得到第二校验结果；
S27、若第二校验结果为待检测的锂电池极片图像中的锂电池极片边缘到极耳边缘图像为不存在残缺的锂电池极片边缘到极耳边缘图像，获取不存在残缺的锂电池极片边缘到极耳边缘图像；
上述技术方案的工作原理为：S21、获取原始锂电池极片图像集，对原始锂电池极片图像集进行全局目标区域裁剪转换及像素归一化处理，得到锂电池极片图像集；其中，原始锂电池极片图像集包括预先存储的若干原始锂电池极片样本图像，锂电池极片图像集包括若干锂电池极片样本图像；其中，该预先存储的若干原始锂电池极片样本图像优选为使用者的工厂内随机抽选出若干锂电池极片进行特定角度拍摄得到的若干原始锂电池极片样本图像；更进一步地，裁剪原始锂电池极片图像集中每张图片的第一感兴趣区域，得到第一锂电池极片图像集；其中，第一感兴趣区域优选为原始锂电池极片图像中锂电池极片图像所在区域，优选为通过图像识别的方式选取第一感兴趣区域；将第一锂电池极片图像集中每张图片填充插值为预设第一大小，得到第二锂电池极片图像集；其中，预设第一大小优选为不存在残缺的锂电池极片图像大小；对第二电池极片图像集中的每张图片中的每个像素值进行归一化处理，得到锂电池极片图像集；S22、获取初始第一深度学习模型，基于锂电池极片图像集对初始第一深度学习模型进行训练，得到第一极片校验模型；更进一步地，基于锂电池极片图像集对初始第一深度学习模型进行训练，设定初始卷积池化次数，根据初始卷积池化次数对锂电池极片图像集进行卷积池化操作，得到第一特征集；设定损失函数，获取锂电池极片图像集中每张图片对应的标签值，其中，标签值优选分为1和0，1对应锂电池极片图像残缺，0对应锂电池极片图像不残缺；将标签值、第一特征集和锂电池极片图像集中的数据代入损失函数中计算第一损失值；更进一步地，第一损失值的计算公式(损失函数)优选为：
Figure GDA0003540212020000171
其中，S为第一损失值，L为锂电池极片图像集的数据数目，kt为第t张图片对应的标签值，e为自然常数，pt为第一特征集中第t张图片对应的数据；该计算公式相比其他检验模型损失函数技术方法而言采用的数据更简易，仅采取了每张图片的标签值和图中特征集的数据作为主要计算参数，在这里的标签值仅为0或1，提高校验模型准确率的同时减少处理装置的处理压力，使得处理装置可以选取性能较低价格更宜的处理装置作为模型训练用处理装置，降低企业成本；
设定第一损失阈值，该第一损失阈值的设定根据使用者希望该第一校验模型的校验精度进行设定，对比第一损失阈值和第一损失值的大小，当第一损失值大于等于第一损失阈值时，重新对锂电池极片图像集进行卷积池化操作，并重新计算第一损失值用于与第一损失阈值进行对比，当第一损失值小于第一损失阈值时，停止训练，得到第一极片校验模型；S23、对原始锂电池极片图像集进行局部目标区域裁剪转换、数据增强及像素归一化处理，得到锂电池极片边缘到极耳边缘图像集；其中，锂电池极片边缘到极耳边缘图像集包括若干锂电池极片边缘到极耳边缘样本图像；更进一步地，裁剪原始锂电池极片图像集中每张图像的第二感兴趣区域，得到第二锂电池极片边缘到极耳边缘图像集，其中，第二感兴趣区域优选为原始锂电池极片图像中锂电池极片边缘到极耳边缘图像所在区域，优选为通过图像识别的方式选取第二感兴趣区域，将第二锂电池极片边缘到极耳边缘图像集中每张图像填充插值至预设第二大小，其中，预设第二大小优选为不存在残缺的锂电池极片边缘到极耳边缘图像大小；对第二锂电池极片边缘到极耳边缘图像集中的每个像素值进行归一化处理，得到锂电池极片边缘到极耳边缘图像集；S24、获取初始第二深度学习模型，基于锂电池极片边缘到极耳边缘图像集对初始第二深度学习模型进行训练，得到第二极片校验模型；更进一步地，第二极片校验模型的训练方法与第一极片校验模型训练方法一致，锂电池极片边缘到极耳边缘图像集中每张图片对应的标签值为1对应锂电池极片边缘到极耳边缘图像残缺，0对应锂电池极片边缘到极耳边缘图像不残缺；S25、获取待检测的锂电池极片图像，将待检测的锂电池极片图像输入至第一极片校验模型，得到第一校验结果；其中，第一校验结果包括待检测的锂电池极片图像为不存在残缺的锂电池极片的图像和待检测的锂电池极片图像为存在残缺的锂电池极片的图像；S26、若第一校验结果为待检测的锂电池极片图像为不存在残缺的锂电池极片的图像，将待检测的锂电池极片图像输入至第二极片校验模型中，得到第二校验结果；其中，第二校验结果包括待检测的锂电池极片图像中的锂电池极片边缘到极耳边缘图像为不存在残缺的锂电池极片边缘到极耳边缘图像和待检测的锂电池极片图像中的锂电池极片边缘到极耳边缘图像为存在残缺的锂电池极片边缘到极耳边缘图像；S27、若第二校验结果为待检测的锂电池极片图像中的锂电池极片边缘到极耳边缘图像为不存在残缺的锂电池极片边缘到极耳边缘图像，获取不存在残缺的锂电池极片边缘到极耳边缘图像；更进一步地，针对不同种类的锂电池极片建立不同种类锂电池极片的第一校验模型和第二校验模型；
上述技术方案的有益效果为：通过图片校验模块，有益于及时筛选出存在残缺的锂电池极片，节约后续检测过程的时间，提高产品合格率，通过训练第一极片校验模型和第二极片校验模型，有益于提高筛选出存在残缺的锂电池极片时的筛选精度，防止过多筛选出错导致生产资源的浪费。
请参阅图7，在一个实施例中，一种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，还包括：示警模块6；
图像校验模块2还用于执行包括如下操作：
若第一校验结果为待检测的锂电池极片图像为存在残缺的锂电池极片的图像，生成第一示警信息，将第一示警信息发送至示警模块；
若第二校验结果为待检测的锂电池极片图像中的锂电池极片边缘到极耳边缘图像为存在残缺的锂电池极片边缘到极耳边缘图像，生成第二示警信息，将第二示警信息发送至示警模块；
示警模块6执行包括如下操作：
获取锂电池极片图像处理子模块发送的示警信息；
若示警信息为第一示警信息，发出第一示警信号；
若示警信息为第二示警信息，发出第二示警信号；
上述技术方案的工作原理为：图像校验模块2还用于执行包括如下操作：若第一校验结果为待检测的锂电池极片图像为存在残缺的锂电池极片的图像，生成第一示警信息，将第一示警信息发送至示警模块；若第二校验结果为待检测的锂电池极片图像中的锂电池极片边缘到极耳边缘图像为存在残缺的锂电池极片边缘到极耳边缘图像，生成第二示警信息，将第二示警信息发送至示警模块；示警模块6执行包括如下操作：获取锂电池极片图像处理子模块发送的示警信息；若示警信息为第一示警信息，发出第一示警信号；若示警信息为第二示警信息，发出第二示警信号，更进一步地，设置检测剔除模块，当检测到示警信号时，对当前存在问题的极片进行剔除，便于后续极片继续检测，提高检测效率；
上述技术方案的有益效果为：通过示警模块，对极片异常情况进行及时示警，便于使用者及时对残缺产品进行检测，防止因产品生产设备异常导致生产过多残缺产品导致浪费产品资源。
请参阅图3，在一个实施例中，距离检测模块包括图像接收子模块31、锂电池极片边缘到极耳边缘距离检测子模块32、处理结果输出子模块33；
图像接收子模块31，用于接收图像校验模块2输出的校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像；
锂电池极片边缘到极耳边缘距离检测子模块32，与图像接收子模块31连接，用于对校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像中极片极耳之间的距离进行检测，得到锂电池极片边缘到极耳边缘距离；
处理结果输出子模块33，与锂电池极片边缘到极耳边缘距离检测子模块32连接，用于将锂电池极片边缘到极耳边缘距离进行输出；
上述技术方案的工作原理为：图像接收子模块31接收图像校验模块2输出的校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像，并将其发送至锂电池极片边缘到极耳边缘距离检测子模块32；锂电池极片边缘到极耳边缘距离检测子模块32对接收到的校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像中极片极耳之间的距离进行检测，得到锂电池极片边缘到极耳边缘距离；检测方法优选为基于图像测距原理进行检测；处理结果输出子模块33将锂电池极片边缘到极耳边缘距离进行输出。
请参阅图4，在一个实施例中，距离判断模块包括距离接收子模块41、距离判断子模块42、判断结果输出子模块43；
距离接收子模块41，用于接收距离检测模块3输出的锂电池极片边缘到极耳边缘距离；
距离判断子模块42，与距离接收子模块41连接，用于判断锂电池极片边缘到极耳边缘距离是否小于等于预设距离，得到判断结果；其中，
若锂电池极片边缘到极耳边缘距离小于等于预设距离，锂电池极片边缘到极耳边缘距离合格，判断结果为合格结果；
若锂电池极片边缘到极耳边缘距离大于预设距离，锂电池极片边缘到极耳边缘距离不合格，判断结果为不合格；
判断结果输出子模块43，与距离判断子模块42连接，用于将判断结果进行输出；
上述技术方案的工作原理为：距离接收子模块41接收距离检测模块3输出的锂电池极片边缘到极耳边缘距离，并将其发送至距离判断子模块42；距离判断子模块42判断接收到的锂电池极片边缘到极耳边缘距离是否小于等于预设距离，得到判断结果；预设距离优选为0.02mm，其中，若锂电池极片边缘到极耳边缘距离小于等于预设距离，锂电池极片边缘到极耳边缘距离合格，判断结果为合格结果；若锂电池极片边缘到极耳边缘距离大于预设距离，锂电池极片边缘到极耳边缘距离不合格，判断结果为不合格，并将判断结果发送至判断结果输出子模块43；判断结果输出子模块43将判断结果进行输出。
在一个实施例中，一种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还包括：停检反馈处理模块；
停检反馈处理模块，与图像采集模块1连接；
图像采集模块1还用于执行包括如下操作：
若预设采集时间内未采集到待检测的锂电池极片图像，发送停检信号至停检反馈处理模块；
停检反馈处理模块执行包括如下操作：
接收图像采集模块1发送的停检信号，获取当前时间，判断当前时间是否属于预设停检时间范围内；
若当前时间不属于预设停检时间范围内，发出报警，生成停检示警信号；
获取存储单元中预先设置的权限配置信息，权限配置信息包括停检反馈处理模块可访问的至少一个负责人终端的终端信息与提供给停检反馈处理模块验证负责人终端时使用的验证信息；
根据负责人终端的终端信息将停检示警信号发送至负责人终端，并接收负责人终端的反馈指令；
基于提供给停检反馈处理模块验证负责人终端时使用的验证信息对负责人终端的反馈指令进行验证，验证发出反馈指令的负责人终端的终端信息与停检反馈处理模块在存储单元中是否存在关联关系；
若存在关联关系，根据负责人终端的反馈指令执行相应操作；
上述技术方案的工作原理为：当图像采集模块1预设采集时间内未采集到待检测的锂电池极片图像，发送停检信号至停检反馈处理模块，其中，预设采集时间优选为本装置检测一次极片边缘到极耳边缘距离后下一次待检测极片图像刚到达图像采集模块1下方时的时间的两倍；停检反馈处理模块接收到图像采集模块1发送的停检信号时，通过内置的时钟单元获取当前时间，停检反馈处理模块同时判断当前时间是否属于预设停检时间范围内，预设体检时间范围优选根据使用者工厂的作息时间设定，通常设置为早5点至晚上9点，或实行三班倒，则预设体检时间范围为全天，若判断结果为当前时间不属于预设停检时间范围内，有内置报警单元发出报警，并生成停检示警信号，然后，停检反馈处理模块获取存储单元中预先设置的权限配置信息，权限配置信息包括停检反馈处理模块可访问的至少一个负责人终端的终端信息与提供给停检反馈处理模块验证负责人终端时使用的验证信息，根据负责人终端的终端信息将停检示警信号发送至负责人终端，并接收负责人终端的反馈指令，其中，若同时接收到多名负责人终端的反馈指令，获取多名负责人终端中权限最高的负责人终端的反馈指令作为最终反馈指令，权限的高低优选以标签的方式存储在存储单元中与每一负责人终端一一对应；基于提供给停检反馈处理模块验证负责人终端时使用的验证信息对负责人终端的反馈指令进行验证，验证发出反馈指令的负责人终端的终端信息与停检反馈处理模块在存储单元中是否存在关联关系，若存在关联关系，根据负责人终端的反馈指令执行相应操作，更进一步地，若不存在关联关系，标记该负责人终端，并存储该负责人终端发送的反馈信息，亮起异常信息信号灯，同时不选择执行该反馈信息重新获取其他反馈信息进行验证，并在验证存在关联关系后，根据负责人终端的反馈指令执行相应操作，相应操作包括但不限于关闭报警、更改预设停检时间范围等，预设存储的反馈信息便于后续管理者对异常信息进行查阅处理；
上述技术方案的有益效果为：通过停检反馈处理模块，对异常情况及时汇报处理，有益于提高全自动化流水线作业时的检测效率，且能随时联系到相关负责人进行处理，保障设备安全，同时防止不法分子对工厂待检测产品进行损毁、偷盗等行为，通过对负责人终端的反馈指令进行验证，提高设备信息接收的安全性，防止不法分子通过非法手段入侵工厂进行反馈指令信息仿造，有益于提高检测效率、精度。
在一个实施例中，一种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还包括：产品合格率预测模块；
所述产品合格率预测模块，分别与所述图像采集模块1、所述图像校验模块2和所述距离判断模块4连接；
产品合格率预测模块执行包括如下操作：
获取图像采集模块1中若干待检测的锂电池极片图像对应的第一锂电池极片，对第一锂电池极片进行待检测标记，得到待检测极片数据；
获取图像校验模块2中若干待检测的锂电池极片图像的校验结果为存在残缺的锂电池极片图像对应的第二锂电池极片，对第二锂电池极片进行外形残缺标记，得到外形残缺极片数据；
获取距离判断模块4中若干锂电池极片边缘到极耳边缘距离的判断结果为锂电池极片边缘到极耳边缘距离不合格的锂电池极片边缘到极耳边缘图像对应的第三锂电池极片，对第三锂电池极片进行距离残缺标记，得到距离残缺极片数据；
对待检测极片数据、外形残缺极片数据和距离残缺极片数据进行去重融合处理，得到预处理极片数据；具体包括：
将待检测极片数据中与外形残缺极片数据和距离残缺极片数据中除标记外重合的数据进行去除操作，得到去重后的待检测极片数据；
将去重后的待检测极片数据、外形残缺极片数据和距离残缺极片数据融合，得到预处理极片数据；
根据预设维度划分规则对预处理极片数据进行维度划分，得到各个维度的正常极片数据和残缺极片数据；
对各个维度的正常极片数据和残缺极片数据中的维度进行筛选和合并，得到预测维度；
获取预设预测模型和预设预测指标；
将预测维度和预设预测指标输入至预设预测模型中，输出新残缺极片预测数据；
对残缺极片数据和正常极片数据进行矩阵相加，得到旧残缺极片预测数据；
根据预设权重，将新残缺极片预测数据和旧残缺极片预测数据进行融合处理，得到极片残缺预测数据；
根据极片残缺预测数据计算极片合格率预测数据；
将极片合格率预测数据进行输出；
上述技术方案的工作原理为：获取图像采集模块1中若干待检测的锂电池极片图像对应的第一锂电池极片，对第一锂电池极片进行待检测标记，得到待检测极片数据，其中，待检测极片数据中优选包括待检测极片的数量，且对每个待检测极片都进行了不同且唯一的待检测标记；获取图像校验模块2中若干待检测的锂电池极片图像的校验结果为存在残缺的锂电池极片图像对应的第二锂电池极片，对第二锂电池极片进行外形残缺标记，得到外形残缺极片数据，其中，校验结果为存在残缺的锂电池极片图像优选包括待检测锂电池极片图像存在残缺的图像和锂电池极片边缘到极耳边缘距离图像存在残缺的图像；获取距离判断模块4中若干锂电池极片边缘到极耳边缘距离的判断结果为锂电池极片边缘到极耳边缘距离不合格的锂电池极片边缘到极耳边缘图像对应的第三锂电池极片，对第三锂电池极片进行距离残缺标记，得到距离残缺极片数据；得到这些数据后，对待检测极片数据、外形残缺极片数据和距离残缺极片数据进行去重融合处理，得到预处理极片数据；具体包括：将待检测极片数据中与外形残缺极片数据和距离残缺极片数据中除标记外重合的数据进行去除操作，得到去重后的待检测极片数据；将去重后的待检测极片数据、外形残缺极片数据和距离残缺极片数据融合，得到预处理极片数据；根据预设维度划分规则对预处理极片数据进行维度划分，得到各个维度的正常极片数据和残缺极片数据，其中，预设维度划分规则根据使用者的需求自定义设置，优选根据锂电池极片型号将预处理极片数据划分为一个或多个维度的数据，例如本厂现有三个不同的锂电池极片型号A、B、C，则预设维度划分规则则是将预处理极片数据分别根据型号信息划分为A维度的正常极片数据和残缺极片数据、B维度的正常极片数据和残缺极片数据、C维度的的正常极片数据和残缺极片数据，残缺极片数据包含有外形残缺极片数据和距离残缺极片数据；对各个维度的正常极片数据和残缺极片数据中的维度进行筛选和合并，得到预测维度，其中，预测维度的数量优选包括一个或多个，筛选优选指的是将所有不同的维度筛选出来，合并优选指的是按照预设合并规则将不同维度进行合并，预设合并规则优选为根据使用者的需求预先设置，若未设置，优选为自动将任意两个维度分别的残缺极片数据在全部极片数据中的占比的差值小于千分之2的维度进行合并，例如本厂现有五个不同的锂电池极片型号A、B、C、D、E，本厂使用者现设置的预设合并规则为A维度与B维度合并，C维度与D维度和E维度合并，则得到的预测维度为AB维度，CDE维度；获取预设预测模型和预设预测指标，其中，预设预测模型根据使用者自身情况自定义选择预测模型，优选采用一元非线式回归模型或其变式作为预设预测模型；预设预测指标根据使用者对预测物品的需求进行自定义设置；将预测维度和预设预测指标输入至预设预测模型中，输出新残缺极片预测数据，其中，新残缺极片预测数据包括各个预测维度的新残缺极片预测数据；对残缺极片数据和正常极片数据进行矩阵相加，得到旧残缺极片预测数据，其中，旧残缺极片预测数据包括各个维度的旧残缺极片预测数据；根据预设权重，将新残缺极片预测数据和旧残缺极片预测数据进行融合处理，得到极片残缺预测数据，其中，预设权重优选为0.5和0.5；根据极片残缺预测数据计算极片合格率预测数据，其中，计算方法优选为根据极片残缺预测数据计算极片残缺率，根据极片残缺率计算极片合格率预测数据；将极片合格率预测数据进行输出；
上述技术方案的有益效果为：根据产品合格率预测模块，预测某一流水线中产品生产合格率，有益于使用者根据生产合格率及时对流水线进行相应检查，减少生产资源浪费，提高产品出厂合格率，根据对不同残缺情况的极片分别进行不同标记，有益于使用者能快速确定流水线中出问题的环节，提高解决效率。
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，其特征在于，包括：
图像采集模块，用于采集待检测的锂电池极片图像；
图像校验模块，用于对所述待检测的锂电池极片图像的是否存在残缺进行校验，得到校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像；
距离检测模块，用于对所述锂电池极片边缘到极耳边缘图像进行检测，得到锂电池极片边缘到极耳边缘距离；
距离判断模块，用于判断所述锂电池极片边缘到极耳边缘距离是否合格，得到判断结果；
结果输出模块，用于根据所述判断结果生成对应控制指令进行输出；
其中，所述图像校验模块执行包括如下操作：
获取原始锂电池极片图像集，对所述原始锂电池极片图像集进行全局目标区域裁剪转换及像素归一化处理，得到锂电池极片图像集；其中，所述原始锂电池极片图像集包括预先存储的若干原始锂电池极片样本图像，所述锂电池极片图像集包括若干锂电池极片样本图像；
获取初始第一深度学习模型，基于所述锂电池极片图像集对所述初始第一深度学习模型进行训练，得到第一极片校验模型；
对所述原始锂电池极片图像集进行局部目标区域裁剪转换、数据增强及像素归一化处理，得到锂电池极片边缘到极耳边缘图像集；其中，所述锂电池极片边缘到极耳边缘图像集包括若干锂电池极片边缘到极耳边缘样本图像；
获取初始第二深度学习模型，基于所述锂电池极片边缘到极耳边缘图像集对所述初始第二深度学习模型进行训练，得到第二极片校验模型；
获取待检测的锂电池极片图像，将所述待检测的锂电池极片图像输入至所述第一极片校验模型，得到第一校验结果；
若所述第一校验结果为所述待检测的锂电池极片图像为不存在残缺的锂电池极片的图像，将所述待检测的锂电池极片图像输入至所述第二极片校验模型中，得到第二校验结果；
若所述第二校验结果为所述待检测的锂电池极片图像中的锂电池极片边缘到极耳边缘图像为不存在残缺的锂电池极片边缘到极耳边缘图像，获取所述不存在残缺的锂电池极片边缘到极耳边缘图像。
2.根据权利要求1所述的一种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，其特征在于，所述图像采集模块包括原始图像采集子模块、原始图像处理子模块、锂电池极片图像输出子模块；
所述原始图像采集子模块，用于采集待检测的原始锂电池极片图像；
所述原始图像处理子模块，用于对所述待检测的原始锂电池极片图像进行图像分割处理，得到分割后的待检测的锂电池极片图像和无关背景图像；
所述锂电池极片图像输出子模块，用于将所述待检测的锂电池极片图像输出。
3.根据权利要求2所述的一种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，其特征在于，所述原始图像处理子模块执行包括如下操作：
获取待检测的原始锂电池极片图像，对所述待检测的原始锂电池极片图像进行二值化处理，得到二值化极片图像；
对所述二值化极片图像进行去噪，得到待处理极片图像；
获取预设的锂电池极片图像的图片模板；
获取所述待处理极片图像中与所述图片模板的像素相似度最高的图片块；其中，所述图片块与所述图片模板大小相同；
获取所述图片块在所述待处理极片图像中的位置信息；
根据所述位置信息对所述待处理极片图像进行图像分割处理，得到分割后的待检测的锂电池极片图像和无关背景图像。
4.根据权利要求3所述的一种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，其特征在于，还包括：图片模板自动切换子模块；
所述图片模板自动切换子模块执行包括如下操作：
获取待检测的原始锂电池极片图像；
获取待检测的原始锂电池极片图像中的极片种类特征信息；
根据所述极片种类特征信息确定待检测的原始锂电池极片种类；
筛选出预设图片模板集中与所述待检测的原始锂电池极片种类相同的图片模板；
将所述图片模板发送至所述原始图像处理子模块。
5.根据权利要求1所述的一种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，其特征在于，所述距离检测模块包括图像接收子模块、锂电池极片边缘到极耳边缘距离检测子模块、处理结果输出子模块；
所述图像接收子模块，用于接收所述图像校验模块输出的校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像；
所述锂电池极片边缘到极耳边缘距离检测子模块，用于对校验结果为不存在残缺的锂电池极片边缘到极耳边缘图像中极片极耳之间的距离进行检测，得到锂电池极片边缘到极耳边缘距离；
所述处理结果输出子模块，用于将所述锂电池极片边缘到极耳边缘距离进行输出。
6.根据权利要求1所述的一种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，其特征在于，所述距离判断模块包括距离接收子模块、距离判断子模块、判断结果输出子模块；
所述距离接收子模块，用于接收所述距离检测模块输出的锂电池极片边缘到极耳边缘距离；
所述距离判断子模块，用于判断所述锂电池极片边缘到极耳边缘距离是否小于等于预设距离，得到判断结果；其中，
若所述锂电池极片边缘到极耳边缘距离小于等于预设距离，所述锂电池极片边缘到极耳边缘距离合格，判断结果为合格结果；
若所述锂电池极片边缘到极耳边缘距离大于预设距离，所述锂电池极片边缘到极耳边缘距离不合格，判断结果为不合格；
所述判断结果输出子模块，用于将所述判断结果进行输出。
7.根据权利要求1所述的一种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，其特征在于，还包括：示警模块；
所述图像校验模块还用于执行包括如下操作：
若所述第一校验结果为所述待检测的锂电池极片图像为存在残缺的锂电池极片的图像，生成第一示警信息，将所述第一示警信息发送至所述示警模块；
若所述第二校验结果为所述待检测的锂电池极片图像中的锂电池极片边缘到极耳边缘图像为存在残缺的锂电池极片边缘到极耳边缘图像，生成第二示警信息，将所述第二示警信息发送至所述示警模块；
所述示警模块执行包括如下操作：
获取所述锂电池极片图像处理子模块发送的示警信息；
若所述示警信息为第一示警信息，发出第一示警信号；
若所述示警信息为第二示警信息，发出第二示警信号。
8.根据权利要求1所述的一种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，其特征在于，还包括：停检反馈处理模块；
所述图像采集模块还用于执行包括如下操作：
若预设采集时间内未采集到待检测的锂电池极片图像，发送停检信号至所述停检反馈处理模块；
所述停检反馈处理模块执行包括如下操作：
接收图像采集模块发送的停检信号，获取当前时间，判断所述当前时间是否属于预设停检时间范围内；
若所述当前时间不属于预设停检时间范围内，发出报警，生成停检示警信号；
获取存储单元中预先设置的权限配置信息，所述权限配置信息包括所述停检反馈处理模块可访问的至少一个负责人终端的终端信息与提供给所述停检反馈处理模块验证所述负责人终端时使用的验证信息；
根据所述负责人终端的终端信息将所述停检示警信号发送至所述负责人终端，并接收所述负责人终端的反馈指令；
基于所述提供给所述停检反馈处理模块验证所述负责人终端时使用的验证信息对所述负责人终端的反馈指令进行验证，验证发出反馈指令的负责人终端的终端信息与所述停检反馈处理模块在存储单元中是否存在关联关系；
若存在关联关系，根据所述负责人终端的反馈指令执行相应操作。
9.根据权利要求1所述的一种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，其特征在于，还包括：产品合格率预测模块；
所述产品合格率预测模块执行包括如下操作：
获取图像采集模块中若干待检测的锂电池极片图像对应的第一锂电池极片，对所述第一锂电池极片进行待检测标记，得到待检测极片数据；
获取图像校验模块中若干待检测的锂电池极片图像的校验结果为存在残缺的锂电池极片图像对应的第二锂电池极片，对所述第二锂电池极片进行外形残缺标记，得到外形残缺极片数据；
获取距离判断模块中若干锂电池极片边缘到极耳边缘距离的判断结果为锂电池极片边缘到极耳边缘距离不合格的锂电池极片边缘到极耳边缘图像对应的第三锂电池极片，对所述第三锂电池极片进行距离残缺标记，得到距离残缺极片数据；
对所述待检测极片数据、所述外形残缺极片数据和所述距离残缺极片数据进行去重融合处理，得到预处理极片数据；具体包括：
将所述待检测极片数据中与所述外形残缺极片数据和所述距离残缺极片数据中除标记外重合的数据进行去除操作，得到去重后的待检测极片数据；
将所述去重后的待检测极片数据、所述外形残缺极片数据和所述距离残缺极片数据融合，得到预处理极片数据；
根据预设维度划分规则对所述预处理极片数据进行维度划分，得到各个维度的正常极片数据和残缺极片数据；
对所述各个维度的正常极片数据和残缺极片数据中的维度进行筛选和合并，得到预测维度；
获取预设预测模型和预设预测指标；
将所述预测维度和所述预设预测指标输入至所述预设预测模型中，输出新残缺极片预测数据；
对所述残缺极片数据和所述正常极片数据进行矩阵相加，得到旧残缺极片预测数据；
根据预设权重，将所述新残缺极片预测数据和所述旧残缺极片预测数据进行融合处理，得到极片残缺预测数据；
根据所述极片残缺预测数据计算极片合格率预测数据；
将所述极片合格率预测数据进行输出。
CN202111030855.5A 2021-09-03 2021-09-03 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 Active CN113744244B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111030855.5A CN113744244B (zh) 2021-09-03 2021-09-03 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111030855.5A CN113744244B (zh) 2021-09-03 2021-09-03 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

Publications (2)

Publication Number Publication Date
CN113744244A CN113744244A (zh) 2021-12-03
CN113744244B true CN113744244B (zh) 2022-05-13

Family

ID=78735191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111030855.5A Active CN113744244B (zh) 2021-09-03 2021-09-03 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

Country Status (1)

Country Link
CN (1) CN113744244B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023155125A1 (zh) * 2022-02-18 2023-08-24 宁德时代新能源科技股份有限公司 极耳检测的方法和装置
CN114843621B (zh) * 2022-04-01 2023-03-24 广东利元亨智能装备股份有限公司 极耳边距控制方法、装置、控制器以及存储介质
CN114905337B (zh) * 2022-04-29 2023-08-22 广东利元亨智能装备股份有限公司 极片裁切控制方法、装置、控制器以及存储介质
CN114986250B (zh) * 2022-05-23 2024-05-03 西门子（中国）有限公司 电池极片切割设备的步进控制方法以及步进控制系统
CN117309889B (zh) * 2023-11-27 2024-05-14 宁德时代新能源科技股份有限公司 极片边缘检测装置及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111153268B (zh) * 2018-11-07 2021-12-03 无锡先导智能装备股份有限公司 入料系统及入料系统的控制方法
CN111193072B (zh) * 2018-11-15 2021-04-20 无锡先导智能装备股份有限公司 极耳检查校正方法及装置
CN210207697U (zh) * 2019-06-24 2020-03-31 杭州汇萃智能科技有限公司 测量锂电池极片边缘到极耳边缘距离的在线视觉检测装置
CN111307818B (zh) * 2020-02-25 2021-07-20 华南理工大学 一种锂电池极耳激光焊点视觉在线检测方法
CN112103455A (zh) * 2020-08-28 2020-12-18 中天储能科技有限公司 极耳结构、极耳结构的应用、制备方法及制备装置

Also Published As

Publication number Publication date
CN113744244A (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
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
CN111814850A (zh) 缺陷检测模型训练方法、缺陷检测方法及相关装置
CN111242899B (zh) 基于图像的瑕疵检测方法及计算机可读存储介质
JP5168215B2 (ja) 外観検査装置
CN116188475B (zh) 一种外观缺陷自动光学检测的智慧控制方法、系统及介质
CN111709948A (zh) 容器瑕疵检测方法和装置
CN113877836B (zh) 一种基于视觉检测系统的智能识别分拣系统
CN113470005B (zh) 一种圆柱电池盖帽的焊点检测装置和焊点检测方法
CN112150439A (zh) 注塑件的自动分拣设备及分拣方法
CN115861307B (zh) 基于人工智能的筋膜枪供电驱动板焊接故障检测方法
CN112258459A (zh) 一种基于集成深度学习的锂电池瑕疵检测方法
CN114926441A (zh) 一种注塑件加工成型的缺陷检测方法及系统
CN114359235A (zh) 一种基于改进YOLOv5l网络的木材表面缺陷检测方法
CN113393414A (zh) 基于深度学习的冷轧带钢磨后辊印缺陷检测方法及系统
CN110335242A (zh) 一种基于多模型融合的轮胎x光病疵检测方法
CN117094609B (zh) 一种基于机器视觉的铝型材生产质量智能管理系统
CN114494103A (zh) 缺陷检测方法及检测装置
CN110992333B (zh) COF Film缺陷AITraining数据库及应用
CN110807453A (zh) 基于ocr的产品字符在线检测方法、装置及系统
CN113267506A (zh) 木板ai视觉缺陷检测装置、方法、设备及介质
CN114155522A (zh) 一种点云数据质检修复方法及系统
CN112691920A (zh) 一种多信息融合的机器视觉识别系统
CN117078620B (zh) Pcb焊点缺陷检测方法、装置、电子设备和存储介质
CN115830403B (zh) 一种基于深度学习的自动缺陷分类系统及方法
CN116597364B (zh) 图像处理方法及装置

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