CN114764804B - 锂电池极片缺陷检测方法、装置、设备及存储介质 - Google Patents
锂电池极片缺陷检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114764804B CN114764804B CN202210681911.XA CN202210681911A CN114764804B CN 114764804 B CN114764804 B CN 114764804B CN 202210681911 A CN202210681911 A CN 202210681911A CN 114764804 B CN114764804 B CN 114764804B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- detection
- value
- pole piece
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种锂电池极片缺陷检测方法、装置、设备及存储介质,其中,所述方法包括:获取待检测极片的检测图像,检测图像为灰度图像;确定与检测图像的边界对应的拟合直线,根据检测图像中的像素点与拟合直线的位置关系生成mask图像;根据检测图像中预设区域的灰度均值,确定灰度标准值,并基于预设的第一灰度阈值对检测图像中的像素点的灰度值进行一致性处理,生成一致性图像;对一致性图像进行均值滤波处理得到滤波图像,根据检测图像和滤波图像计算差分图像,并对差分图像进行二值化处理得到二值化图像;根据mask图像和二值化图像确定检测图像中的缺陷区域。采用本发明,可以准确定位极片的边缘缺陷,提高锂电池极片的缺陷检测准确率。
Description
技术领域
本发明涉及图像处理技术领域和锂电池技术领域,尤其涉及一种锂电池极片缺陷检测方法、装置、计算机设备及计算机可读存储介质。
背景技术
电池是一类由锂金属或锂合金为负极材料、使用非水电解质溶液的电池。由于锂金属的化学特性非常活泼,使得锂电池对制作工艺有很高的要求。锂电池大致分为两类:锂金属电池和锂离子电池。我们所熟知的新能源汽车使用的就是锂离子电池。随着国家对新能源的大力提倡,动力电池行业也变得炙手可热。目前锂离子电池广泛应用于便携式电子产品、电动交通工具、大型动力电源和二次充电及储能等领域,因此锂离子电池的品质问题已愈来愈重要。
由于锂电行业的特殊性,在检测过程中需要更加稳定、更加精密,尤其在极片边缘处,由于切刀和涂料的影响,不可避免的会存在不合格的缺陷类型。这些边缘缺陷刚好与背景相接,由于背景的复杂性导致极片边缘缺陷的检出也成为一个技术难点。在锂电池极片的缺陷检测的相关方案中,可以实现对锂电池极片对应的图像进行检测,但是对于极片边缘的提取以及极片边缘的缺陷的检测存在明显的不足。
发明内容
基于此,有必要针对上述问题,提出了一种锂电池极片缺陷检测方法、装置、计算机设备及计算机可读存储介质。
在本发明的第一部分,提供了一种锂电池极片缺陷检测方法,所述方法包括:
获取待检测极片的检测图像,所述检测图像为灰度图像;
确定与所述检测图像的边界对应的拟合直线,根据所述检测图像中的像素点与所述拟合直线的位置关系,生成mask图像;
根据所述检测图像中预设区域的灰度均值,确定灰度标准值,并基于预设的第一灰度阈值,对所述检测图像中的像素点的灰度值进行一致性处理,生成与所述检测图像对应的一致性图像;
对所述一致性图像进行均值滤波处理得到滤波图像,根据所述检测图像和所述滤波图像计算差分图像,并对所述差分图像进行二值化处理得到二值化图像;
根据mask图像和所述二值化图像确定所述检测图像中的缺陷区域。
可选的,所述确定与所述检测图像的边界对应的拟合直线的步骤,还包括:
按照预设的扫描方向,确定所述检测图像中的梯度阈值满足预设条件的像素点;
通过预设的直线拟合算法,对所述确定的像素点进行拟合操作,确定与所述检测图像的边界对应的拟合直线;
其中,所述预设的直线拟合算法为RANSAC方法和最小二乘法。
可选的,所述根据所述检测图像中的像素点与所述拟合直线的位置关系,生成mask图像的步骤,还包括:
遍历所述检测图像中的所有像素点,根据遍历到的像素点与所述拟合直线的位置关系,生成mask图像,其中mask图像中的像素点的灰度值为0或255。
可选的,所述根据所述检测图像中预设区域的灰度均值,确定灰度标准值,并基于预设的第一灰度阈值,对所述检测图像中的像素点的灰度值进行一致性处理,生成与所述检测图像对应的一致性图像的步骤,还包括:
确定待检测图像中的预设区域,所述预设区域的数量为至少一个;
分别计算每一个预设区域的灰度均值,根据至少一个预设区域的灰度均值确定灰度标准值;
基于预设的灰度阈值和所述灰度标准值,遍历所述检测图像中的像素点,若遍历到的像素点的灰度值大于所述灰度标准值和所述第一灰度阈值的和,则将遍历到的像素点的灰度值设置为所述灰度标准值和所述第一灰度阈值的和;若遍历到的像素点的灰度值小于所述灰度标准值和所述第一灰度阈值的差,则将遍历到的像素点的灰度值设置为所述灰度标准值和所述第一灰度阈值的差,以生成与所述一致性图像。
可选的,所述对所述一致性图像进行均值滤波处理得到滤波图像的步骤,还包括:
基于预设的滤波核,对所述一致性图像进行均值滤波处理,得到所述滤波图像。
可选的,所述根据所述检测图像和所述滤波图像计算差分图像,并对所述差分图像进行二值化处理得到二值化图像的步骤,还包括:
计算所述检测图像与所述滤波图像差值的绝对值,得到所述差分图像;
基于预设的第二灰度阈值,对所述差分图像进行二值化处理,得到所述二值化图像。
可选的,所述根据mask图像和所述二值化图像确定所述检测图像中的缺陷区域的步骤,还包括:
对所述mask图像与所述二值化图像按照像素点进行求与操作,并对操作结果进行中值滤波处理,确定缺陷图像,所述缺陷图像用于指示所述检测图像中的缺陷区域。
在本发明的第二部分,提供了一种锂电池极片缺陷检测装置,所述方法装置:
灰度图像获取模块,用于获取待检测极片的检测图像,所述检测图像为灰度图像;
mask图像生成模块,用于确定与所述检测图像的边界对应的拟合直线,根据所述检测图像中的像素点与所述拟合直线的位置关系,生成mask图像;
一致性图像生成模块,用于根据所述检测图像中预设区域的灰度均值,确定灰度标准值,并基于预设的第一灰度阈值,对所述检测图像中的像素点的灰度值进行一致性处理,生成与所述检测图像对应的一致性图像;
滤波二值化模块,用于对所述一致性图像进行均值滤波处理得到滤波图像,根据所述检测图像和所述滤波图像计算差分图像,并对所述差分图像进行二值化处理得到二值化图像;
缺陷检测模块,用于根据mask图像和所述二值化图像确定所述检测图像中的缺陷区域。
在本发明的第三部分,提供了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器有可执行代码,当所述可执行代码在所述处理器上运行以实现如前所述的锂电池极片缺陷检测方法。
在本发明的第四部分,提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行如前所述的锂电池极片缺陷检测方法。
采用本发明实施例,具有如下有益效果:
采用了上述锂电池极片缺陷检测方法、装置、计算机设备及计算机可读存储介质之后,在需要对锂电池极片进行缺陷检测的情况下,获取对应的灰度图像的检测图像,然后确定与所述检测图像的边界对应的拟合直线,根据所述检测图像中的像素点与所述拟合直线的位置关系,生成mask图像;根据所述检测图像中预设区域的灰度均值,确定灰度标准值,并基于预设的第一灰度阈值,对所述检测图像中的像素点的灰度值进行一致性处理,生成与所述检测图像对应的一致性图像;对所述一致性图像进行均值滤波处理得到滤波图像,根据所述检测图像和所述滤波图像计算差分图像,并对所述差分图像进行二值化处理得到二值化图像;根据mask图像和所述二值化图像确定所述检测图像中的缺陷区域。也就是说,采用本发明实施例,可以通过一致性图像对极片的边缘是否存在缺陷进行检测,从而提高锂电池极片的缺陷检测的准确度。具体的,通过一致性图像生成背景图像,并且通过边界的直线的检测来确定极片的边界从而生成mask图像以对背景区域的非检测区域的缺陷进行有效的过滤,进而可以准确的定位边缘位置的缺陷位置,并且完成的提取边缘位置的缺陷特征,不受极片倾斜角度的影响,可以更好的对极片边缘的缺陷进行检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
其中:
图1为一个实施例中一种锂电池极片缺陷检测方法的流程示意图;
图2为一个实施例中检测图像的示意图;
图3为一个实施例中检测图像中的拟合直线的示意图;
图4为一个实施例中mask图像生成的局部示意图;
图5为一个实施例中检测图像中的预设区域的示意图;
图6为一个实施例中一致性图像生成的局部示意图;
图7为一个实施例中均值图像生成的局部示意图;
图8为一个实施例中二值化图像的局部示意图;
图9为一个实施例中缺陷图像的示意图;
图10为一个实施例中不使用一致化图像的均值图像的示意图;
图11为一个实施例中不使用一致化图像的缺陷图像的示意图;
图12为一个实施例中一种锂电池极片缺陷检测装置的结构示意图;
图13为一个实施例中运行上述锂电池极片缺陷检测方法的计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中,提供了一种锂电池极片缺陷检测方法,该方法的执行可以是在工业场景,例如在锂电池极片的生产产品线或锂电池极片的卷绕产品线,通过在产品线上设置摄像头来采集产品线上的锂电池极片的图像,然后基于图像识别来对相应的锂电池极片是否存在缺陷来完成对锂电池极片的缺陷检测和分类,以将良品与次品进行区分。
在本实施例中,基于锂电池极片缺陷检测方法的实现可以是基于与采集待检测的锂电池极片的图像的摄像头连接的计算机设备,该计算机设备可以是产品线的控制设备,也可以是与产品线连接的服务器,在本实施例中不做限定。
上述锂电池极片缺陷检测方法,可以对锂电池极片对应的图像的边缘进行检测,并对边缘存在的缺陷进行检测,可以准确的对锂电池极片的边缘以及边缘的缺陷进行检测,提高锂电池极片的缺陷检测的准确性。
具体的,请参见图1,图1给出了锂电池极片缺陷检测方法的流程示意图。具体的,上述锂电池极片缺陷检测方法包括如图1所示的步骤:
步骤S101:获取待检测极片的检测图像,所述检测图像为灰度图像。
在锂电池极片的缺陷检测场景下,通过图像传感器(例如,CCD装置)采集待检测极片的图像(即为检测图像),其中,该检测图像为灰度图像。
具体的,请参见图2,图2给出了提取的灰度图像的检测图像的示意图。在图2给出的示例中,可以看出该检测图像对应的极片的左边缘部分存在漏涂的缺陷,导致其灰度与背景相同。
步骤S102:确定与所述检测图像的边界对应的拟合直线,根据所述检测图像中的像素点与所述拟合直线的位置关系,生成mask图像。
按照预设的扫描方向,确定所述检测图像中的梯度阈值满足预设条件的像素点。例如,在图2所示的应用场景中,选择极片左边缘合适的区域,按照从右向左的扫描方向,在检测图像中确定梯度阈值满足预设条件的像素点,其中,梯度阈值满足预设条件可以是梯度阈值大于或等于预设值,这是,因为梯度阈值较大,可以认为相应的像素点为极片边缘的电。
然后,通过预设的直线拟合算法,对所述确定的像素点进行拟合操作,确定与所述检测图像的边界对应的拟合直线,进行对比选择最优直线作为这里的拟合直线,该拟合直线与边界是对应的。其中,所述预设的直线拟合算法为RANSAC方法和最小二乘法。具体可以参见图3所示的应用场景,在图3的左边缘确定一拟合直线。
在图3所示的应用场景中,可以看到的是,拟合直线不是竖直的。这里需要新建一个与图2所示的检测图像大小相同、类型相同的图像,然后遍历图像中的每一个像素点,根据遍历到的像素点与所述拟合直线的位置关系,生成mask图像,其中mask图像中的像素点的灰度值为0或255。例如,在图3所示的应用场景中,如果像素点在拟合直线左侧,将相应的灰度值设置为0,如果像素点在拟合直线的右侧,将相应的灰度值设置为255。
具体可以参见图4所示,在图4的应用场景中,展示了相应图像的部分区域的效果示意图。其中,左侧为检测图像的示意图(其中包含了拟合直线),右侧为mask图像的示意图。
通过上述步骤可以确定锂电池极片在检测图像中的极片边界。这里,需要进一步的生成一致性图像来辅助进行缺陷检测。
步骤S103:根据所述检测图像中预设区域的灰度均值,确定灰度标准值,并基于预设的第一灰度阈值,对所述检测图像中的像素点的灰度值进行一致性处理,生成与所述检测图像对应的一致性图像。
确定待检测图像中的预设区域,所述预设区域的数量为至少一个;然后分别计算每一个预设区域的灰度均值,根据至少一个预设区域的灰度均值确定灰度标准值;基于预设的灰度阈值和所述灰度标准值,遍历所述检测图像中的像素点,若遍历到的像素点的灰度值大于所述灰度标准值和所述第一灰度阈值的和,则将遍历到的像素点的灰度值设置为所述灰度标准值和所述第一灰度阈值的和;若遍历到的像素点的灰度值小于所述灰度标准值和所述第一灰度阈值的差,则将遍历到的像素点的灰度值设置为所述灰度标准值和所述第一灰度阈值的差,以生成与所述一致性图像。
具体实施中,可以参见图5,选择例如图5中的9个预设区域,然后分别计算这9个预设区域的灰度均值,并选择9个灰度均值的中值作为灰度标准值S。其中,灰度标准值S的计算还可以通过进一步的求平均值或者其他方式进行求取,这里不进行限制。
然后设置灰度值的上下限,基于一预设的第一灰度阈值T,将灰度值的上限设置为S+T,下限设置为S-T。其中,第一灰度阈值T可以是根据需要选择的任意灰度值,例如,可以设置T=30。
遍历检测图像中的每一个像素点,如果若遍历到的像素点的灰度值大于S+T,则将遍历到的像素点的灰度值设置为S+T;若遍历到的像素点的灰度值小于S-T,则将遍历到的像素点的灰度值设置为S-T,从而生成一致性图像。
具体可以参见图6,图6给出了检测图像以及生成的一致性图像的部分区域示意图,其中,左侧为检测图像的示意图,右侧为一致性图像的示意图。
步骤S104:对所述一致性图像进行均值滤波处理得到滤波图像,根据所述检测图像和所述滤波图像计算差分图像,并对所述差分图像进行二值化处理得到二值化图像。
在本步骤中,基于预设的滤波核,对所述一致性图像进行均值滤波处理,得到所述滤波图像。
在本步骤中,可以选择85*85的滤波核对生成的一致性图像进行均值滤波得到滤波图像,具体可以参见图7给出的示意图。其中,左侧为一致性图像的局部示意图,右侧为对一致性图像进行均值滤波之后得到的滤波图像对应的局部示意图。
然后,对于检测图像与所述滤波图像,进一步求取二者的差值的绝对值,得到所述差分图像;并基于预设的第二灰度阈值T1,对所述差分图像进行二值化处理,得到所述二值化图像。
具体二值化之后的二值化图像可以参见图8,从图8可以看到,极片的左侧边缘存在的漏涂的缺陷可以检测出来。但是,在图8中,经过二值化之后二值化图像中,背景部分也被作为缺陷,需要进一步的通过mask图像屏蔽掉背景区域多余的缺陷,以得到准确的缺陷区域。
步骤S105:根据mask图像和所述二值化图像确定所述检测图像中的缺陷区域。
在本步骤中,为了滤除背景区域对缺陷检测的误差,需要对所述mask图像与所述二值化图像按照像素点进行求与操作,以屏蔽背景部分对应的图像对缺陷的影响。然后对操作结果进行中值滤波处理,确定缺陷图像,所述缺陷图像用于指示所述检测图像中的缺陷区域。
具体可以参见图9,图9为通过上述步骤得到的最终的缺陷图像,其中包括了检测出来的缺陷区域。
通过上述步骤,可以对锂电池极片的边缘存在的缺陷进行有效的检测,提高锂电池极片的缺陷检测的准确度,避免因为边缘缺陷无法有效检测导致的缺陷检测准确度较低的问题。
在本实施例提出的锂电池极片缺陷检测方法中,需要先生成一致性图像然后再在该生成的一致性图像的基础上使用均值滤波计算均值图像,然后再基于该均值图像进行缺陷区域的检测,从而可以准确的对边缘缺陷进行检测。在另一个实施例中,如果不使用一致性图像,而是直接使用原始的检测图像进行边缘缺陷的检测,即直接使用图2所示的原始的检测图像进行处理,并进行均值滤波计算均值图像,然后基于该均值图像和原始的检测图像进行差分图像的计算,然后对差分图像进行二值化处理,再使用mask图像与该二值化图像进行求与操作,以确定检测图像中的缺陷区域。这时得到的均值图像可以如图10所示,得到的缺陷区域的示意图可以如图11所示,可以看到的是,在图11检测到的缺陷区域中其边缘部分存在误检,并且漏涂区域的检出部分也比真实缺陷面积大,且中间部分为黑色(即未检出)。造成这种现象的原因是因为选取的滤波核太大,导致当前像素点被核内的其他像素点影响,从而引起误判。但是如果将滤波核变小,无法产生滤波的效果,也不能正确检出缺陷。
也就是说,本发明实施例提供的基于一致性图像的锂电池极片缺陷检测方法,通过一致性图像生成背景图像,并且通过边界的直线的检测来确定极片的边界从而生成mask图像以对背景区域的非检测区域的缺陷进行有效的过滤,进而可以准确的定位边缘位置的缺陷位置,并且完成的提取边缘位置的缺陷特征,不受极片倾斜角度的影响,可以更好的对极片边缘的缺陷进行检测。
在另一个实施例中,如图12所示,提供了一种锂电池极片缺陷检测装置,其中,该装置包括:
灰度图像获取模块102,用于获取待检测极片的检测图像,所述检测图像为灰度图像;
mask图像生成模块103,用于确定与所述检测图像的边界对应的拟合直线,根据所述检测图像中的像素点与所述拟合直线的位置关系,生成mask图像;
一致性图像生成模块104,用于根据所述检测图像中预设区域的灰度均值,确定灰度标准值,并基于预设的第一灰度阈值,对所述检测图像中的像素点的灰度值进行一致性处理,生成与所述检测图像对应的一致性图像;
滤波二值化模块105,用于对所述一致性图像进行均值滤波处理得到滤波图像,根据所述检测图像和所述滤波图像计算差分图像,并对所述差分图像进行二值化处理得到二值化图像;
缺陷检测模块106,用于根据mask图像和所述二值化图像确定所述检测图像中的缺陷区域。
在一个可选的实施例中,mask图像生成模块103还用于按照预设的扫描方向,确定所述检测图像中的梯度阈值满足预设条件的像素点;通过预设的直线拟合算法,对所述确定的像素点进行拟合操作,确定与所述检测图像的边界对应的拟合直线;其中,所述预设的直线拟合算法为RANSAC方法和最小二乘法。
在一个可选的实施例中,mask图像生成模块103还用于遍历所述检测图像中的所有像素点,根据遍历到的像素点与所述拟合直线的位置关系,生成mask图像,其中mask图像中的像素点的灰度值为0或255。
在一个可选的实施例中,一致性图像生成模块104还用于确定待检测图像中的预设区域,所述预设区域的数量为至少一个;分别计算每一个预设区域的灰度均值,根据至少一个预设区域的灰度均值确定灰度标准值;基于预设的灰度阈值和所述灰度标准值,遍历所述检测图像中的像素点,若遍历到的像素点的灰度值大于所述灰度标准值和所述第一灰度阈值的和,则将遍历到的像素点的灰度值设置为所述灰度标准值和所述第一灰度阈值的和;若遍历到的像素点的灰度值小于所述灰度标准值和所述第一灰度阈值的差,则将遍历到的像素点的灰度值设置为所述灰度标准值和所述第一灰度阈值的差,以生成与所述一致性图像。
在一个可选的实施例中,滤波二值化模块105还用于基于预设的滤波核,对所述一致性图像进行均值滤波处理,得到所述滤波图像。
在一个可选的实施例中,滤波二值化模块105还用于计算所述检测图像与所述滤波图像差值的绝对值,得到所述差分图像;基于预设的第二灰度阈值,对所述差分图像进行二值化处理,得到所述二值化图像。
在一个可选的实施例中,缺陷检测模块106还用于对所述mask图像与所述二值化图像按照像素点进行求与操作,并对操作结果进行中值滤波处理,确定缺陷图像,所述缺陷图像用于指示所述检测图像中的缺陷区域。
图13示出了一个实施例中实现上述智能电视的控制方法的移动终端(计算机设备)的内部结构图。该计算机设备具体可以是终端,也可以是服务器。如图13所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现上述方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行上述方法。本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
采用了上述锂电池极片缺陷检测方法、装置、计算机设备及计算机可读存储介质之后,在需要对锂电池极片进行缺陷检测的情况下,获取对应的灰度图像的检测图像,然后确定与所述检测图像的边界对应的拟合直线,根据所述检测图像中的像素点与所述拟合直线的位置关系,生成mask图像;根据所述检测图像中预设区域的灰度均值,确定灰度标准值,并基于预设的第一灰度阈值,对所述检测图像中的像素点的灰度值进行一致性处理,生成与所述检测图像对应的一致性图像;对所述一致性图像进行均值滤波处理得到滤波图像,根据所述检测图像和所述滤波图像计算差分图像,并对所述差分图像进行二值化处理得到二值化图像;根据mask图像和所述二值化图像确定所述检测图像中的缺陷区域。
也就是说,采用本发明实施例,可以通过一致性图像对极片的边缘是否存在缺陷进行检测,从而提高锂电池极片的缺陷检测的准确度。具体的,通过一致性图像生成背景图像,并且通过边界的直线的检测来确定极片的边界从而生成mask图像以对背景区域的非检测区域的缺陷进行有效的过滤,进而可以准确的定位边缘位置的缺陷位置,并且完成的提取边缘位置的缺陷特征,不受极片倾斜角度的影响,可以更好的对极片边缘的缺陷进行检测。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种锂电池极片缺陷检测方法,其特征在于,所述方法包括:
获取待检测极片的检测图像,所述检测图像为灰度图像;
确定与所述检测图像的边界对应的拟合直线,根据所述检测图像中的像素点与所述拟合直线的位置关系,生成mask图像;
根据所述检测图像中预设区域的灰度均值,确定灰度标准值,并基于预设的第一灰度阈值,对所述检测图像中的像素点的灰度值进行一致性处理,生成与所述检测图像对应的一致性图像;其中,所述对所述检测图像中的像素点的灰度值进行一致性处理,生成与所述检测图像对应的一致性图像的步骤,还包括:确定待检测图像中的预设区域,所述预设区域的数量为至少一个;分别计算每一个预设区域的灰度均值,根据至少一个预设区域的灰度均值确定灰度标准值;基于预设的灰度阈值和所述灰度标准值,遍历所述检测图像中的像素点,若遍历到的像素点的灰度值大于所述灰度标准值和所述第一灰度阈值的和,则将遍历到的像素点的灰度值设置为所述灰度标准值和所述第一灰度阈值的和;若遍历到的像素点的灰度值小于所述灰度标准值和所述第一灰度阈值的差,则将遍历到的像素点的灰度值设置为所述灰度标准值和所述第一灰度阈值的差,以生成与所述一致性图像;
对所述一致性图像进行均值滤波处理得到滤波图像,根据所述检测图像和所述滤波图像计算差分图像,并对所述差分图像进行二值化处理得到二值化图像;
根据mask图像和所述二值化图像确定所述检测图像中的缺陷区域。
2.根据权利要求1所述的锂电池极片缺陷检测方法,其特征在于,所述确定与所述检测图像的边界对应的拟合直线的步骤,还包括:
按照预设的扫描方向,确定所述检测图像中的梯度阈值满足预设条件的像素点;
通过预设的直线拟合算法,对所述确定的像素点进行拟合操作,确定与所述检测图像的边界对应的拟合直线;
其中,所述预设的直线拟合算法为RANSAC方法和最小二乘法。
3.根据权利要求1所述的锂电池极片缺陷检测方法,其特征在于,所述根据所述检测图像中的像素点与所述拟合直线的位置关系,生成mask图像的步骤,还包括:
遍历所述检测图像中的所有像素点,根据遍历到的像素点与所述拟合直线的位置关系,生成mask图像,其中mask图像中的像素点的灰度值为0或255。
4.根据权利要求1所述的锂电池极片缺陷检测方法,其特征在于,所述对所述一致性图像进行均值滤波处理得到滤波图像的步骤,还包括:
基于预设的滤波核,对所述一致性图像进行均值滤波处理,得到所述滤波图像。
5.根据权利要求1所述的锂电池极片缺陷检测方法,其特征在于,所述根据所述检测图像和所述滤波图像计算差分图像,并对所述差分图像进行二值化处理得到二值化图像的步骤,还包括:
计算所述检测图像与所述滤波图像差值的绝对值,得到所述差分图像;
基于预设的第二灰度阈值,对所述差分图像进行二值化处理,得到所述二值化图像。
6.根据权利要求1所述的锂电池极片缺陷检测方法,其特征在于,所述根据mask图像和所述二值化图像确定所述检测图像中的缺陷区域的步骤,还包括:
对所述mask图像与所述二值化图像按照像素点进行求与操作,并对操作结果进行中值滤波处理,确定缺陷图像,所述缺陷图像用于指示所述检测图像中的缺陷区域。
7.一种锂电池极片缺陷检测装置,其特征在于,所述装置:
灰度图像获取模块,用于获取待检测极片的检测图像,所述检测图像为灰度图像;
mask图像生成模块,用于确定与所述检测图像的边界对应的拟合直线,根据所述检测图像中的像素点与所述拟合直线的位置关系,生成mask图像;
一致性图像生成模块,用于根据所述检测图像中预设区域的灰度均值,确定灰度标准值,并基于预设的第一灰度阈值,对所述检测图像中的像素点的灰度值进行一致性处理,生成与所述检测图像对应的一致性图像;其中,所述一致性图像生成模块还用于:确定待检测图像中的预设区域,所述预设区域的数量为至少一个;分别计算每一个预设区域的灰度均值,根据至少一个预设区域的灰度均值确定灰度标准值;基于预设的灰度阈值和所述灰度标准值,遍历所述检测图像中的像素点,若遍历到的像素点的灰度值大于所述灰度标准值和所述第一灰度阈值的和,则将遍历到的像素点的灰度值设置为所述灰度标准值和所述第一灰度阈值的和;若遍历到的像素点的灰度值小于所述灰度标准值和所述第一灰度阈值的差,则将遍历到的像素点的灰度值设置为所述灰度标准值和所述第一灰度阈值的差,以生成与所述一致性图像;
滤波二值化模块,用于对所述一致性图像进行均值滤波处理得到滤波图像,根据所述检测图像和所述滤波图像计算差分图像,并对所述差分图像进行二值化处理得到二值化图像;
缺陷检测模块,用于根据mask图像和所述二值化图像确定所述检测图像中的缺陷区域。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器有可执行代码,当所述可执行代码在所述处理器上运行以实现如权利要求1至6任一所述的锂电池极片缺陷检测方法。
9.一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行权利要求1至6任一所述的锂电池极片缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681911.XA CN114764804B (zh) | 2022-06-16 | 2022-06-16 | 锂电池极片缺陷检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681911.XA CN114764804B (zh) | 2022-06-16 | 2022-06-16 | 锂电池极片缺陷检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114764804A CN114764804A (zh) | 2022-07-19 |
CN114764804B true CN114764804B (zh) | 2022-09-20 |
Family
ID=82364663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210681911.XA Active CN114764804B (zh) | 2022-06-16 | 2022-06-16 | 锂电池极片缺陷检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114764804B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4339887A1 (en) | 2022-07-21 | 2024-03-20 | Contemporary Amperex Technology Co., Limited | Method and apparatus for inspecting tab appearance of battery cell assembly, and electronic device |
CN115063421B (zh) * | 2022-08-16 | 2022-10-28 | 成都数联云算科技有限公司 | 极片区域检测方法及系统及装置及介质及缺陷检测方法 |
CN115829921B (zh) * | 2022-09-16 | 2024-01-05 | 宁德时代新能源科技股份有限公司 | 检测电芯缺陷的方法、装置和计算机可读存储介质 |
CN115330789A (zh) * | 2022-10-13 | 2022-11-11 | 潍坊歌尔电子有限公司 | 屏幕缺陷检测方法、装置、设备和可读存储介质 |
CN116012330B (zh) * | 2022-12-28 | 2023-10-20 | 广州市易鸿智能装备有限公司 | 一种极片的缺陷检测方法、装置、设备和计算机存储介质 |
CN116168030B (zh) * | 2023-04-25 | 2023-11-14 | 宁德时代新能源科技股份有限公司 | 极片的缺陷检测方法、装置、电子设备及存储介质 |
CN116416268B (zh) * | 2023-06-09 | 2023-08-18 | 浙江双元科技股份有限公司 | 基于递归二分法的锂电池极片边缘位置检测方法及装置 |
CN117115128A (zh) * | 2023-09-11 | 2023-11-24 | 杭州深度视觉科技有限公司 | 图像的像素值计算方法、装置、电子设备及存储介质 |
CN117058141B (zh) * | 2023-10-11 | 2024-03-01 | 福建钜鸿百纳科技有限公司 | 一种玻璃磨边缺陷的检测方法及终端 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616275A (zh) * | 2013-11-04 | 2015-05-13 | 北京兆维电子(集团)有限责任公司 | 一种缺陷检测方法和装置 |
CN105976389A (zh) * | 2016-05-20 | 2016-09-28 | 南京理工大学 | 一种手机底板连接器缺陷检测方法 |
CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN113554582A (zh) * | 2020-04-22 | 2021-10-26 | 中国科学院长春光学精密机械与物理研究所 | 电子设备盖板上功能孔的缺陷检测方法、装置以及系统 |
CN113592845A (zh) * | 2021-08-10 | 2021-11-02 | 深圳市华汉伟业科技有限公司 | 一种电池涂布的缺陷检测方法及装置、存储介质 |
CN114022503A (zh) * | 2021-10-29 | 2022-02-08 | 深圳中科飞测科技股份有限公司 | 检测方法及检测系统、设备和存储介质 |
CN114596212A (zh) * | 2020-12-07 | 2022-06-07 | 上海奕瑞光电子科技股份有限公司 | 图像处理方法、装置和设备 |
CN114612469A (zh) * | 2022-05-09 | 2022-06-10 | 武汉中导光电设备有限公司 | 产品缺陷检测方法、装置、设备及可读存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995412B (zh) * | 2010-08-30 | 2012-09-05 | 中国科学院计算技术研究所 | 一种鲁棒的玻璃划伤缺陷检测方法及其装置 |
CN102156972B (zh) * | 2011-04-19 | 2012-07-25 | 清华大学 | 图像倾斜纠正方法及系统 |
CN107798683A (zh) * | 2017-11-10 | 2018-03-13 | 珠海格力智能装备有限公司 | 产品特定区域边缘检测方法、装置及终端 |
CN108921865B (zh) * | 2018-06-27 | 2022-03-18 | 南京大学 | 一种抗干扰的亚像素直线拟合方法 |
CN109886918A (zh) * | 2019-01-14 | 2019-06-14 | 广州量子激光智能装备有限公司 | 锂电池极片的拉丝毛刺检测方法、电子设备及存储介质 |
CN112802022B (zh) * | 2021-04-14 | 2021-10-29 | 高视科技(苏州)有限公司 | 智能检测缺陷玻璃图像的方法、电子设备以及存储介质 |
CN113658133B (zh) * | 2021-08-16 | 2022-06-21 | 江苏鑫丰源机电有限公司 | 一种基于图像处理的齿轮表面缺陷检测方法及系统 |
CN113469921B (zh) * | 2021-09-06 | 2022-02-08 | 深圳市创世易明科技有限公司 | 图像缺陷修复方法、系统、计算机设备及存储介质 |
CN113538430B (zh) * | 2021-09-16 | 2021-12-21 | 深圳新视智科技术有限公司 | 基于差分的极片缺陷检测方法、装置、设备及介质 |
CN114140416A (zh) * | 2021-11-26 | 2022-03-04 | 南京颖图电子技术有限公司 | 一种基于机器视觉的玻璃边缘检测方法和系统 |
-
2022
- 2022-06-16 CN CN202210681911.XA patent/CN114764804B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616275A (zh) * | 2013-11-04 | 2015-05-13 | 北京兆维电子(集团)有限责任公司 | 一种缺陷检测方法和装置 |
CN105976389A (zh) * | 2016-05-20 | 2016-09-28 | 南京理工大学 | 一种手机底板连接器缺陷检测方法 |
CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN113554582A (zh) * | 2020-04-22 | 2021-10-26 | 中国科学院长春光学精密机械与物理研究所 | 电子设备盖板上功能孔的缺陷检测方法、装置以及系统 |
CN114596212A (zh) * | 2020-12-07 | 2022-06-07 | 上海奕瑞光电子科技股份有限公司 | 图像处理方法、装置和设备 |
CN113592845A (zh) * | 2021-08-10 | 2021-11-02 | 深圳市华汉伟业科技有限公司 | 一种电池涂布的缺陷检测方法及装置、存储介质 |
CN114022503A (zh) * | 2021-10-29 | 2022-02-08 | 深圳中科飞测科技股份有限公司 | 检测方法及检测系统、设备和存储介质 |
CN114612469A (zh) * | 2022-05-09 | 2022-06-10 | 武汉中导光电设备有限公司 | 产品缺陷检测方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114764804A (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114764804B (zh) | 锂电池极片缺陷检测方法、装置、设备及存储介质 | |
CN113538430B (zh) | 基于差分的极片缺陷检测方法、装置、设备及介质 | |
CN109598721B (zh) | 电池极片的缺陷检测方法、装置、检测设备和存储介质 | |
CN110414507B (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
CN114723942B (zh) | 锂电池极片的尺寸检测方法、装置、设备及存储介质 | |
CN108489996B (zh) | 一种绝缘子的缺陷检测方法、系统及终端设备 | |
CN109613000B (zh) | 锂电池涂布缺陷检测方法、系统、设备及存储介质 | |
CN109300127B (zh) | 缺陷检测方法、装置、计算机设备及存储介质 | |
CN113537414B (zh) | 锂电池缺陷检测方法、装置、设备及存储介质 | |
CN112577421A (zh) | 一种电芯检测方法、装置及设备 | |
CN112164086A (zh) | 一种精细化的图像边缘信息确定方法、系统及电子设备 | |
CN116416268B (zh) | 基于递归二分法的锂电池极片边缘位置检测方法及装置 | |
CN113487607A (zh) | 基于多视场图像的缺陷检测方法及装置 | |
CN115908415A (zh) | 基于边缘的缺陷检测方法、装置、设备及存储介质 | |
CN114638818B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113654493A (zh) | 一种叠片软包锂电池质量检测方法及系统 | |
CN113030136B (zh) | 一种电池检测方法及系统 | |
CN114046748A (zh) | 一种锂电池隔膜的颗粒检测方法、装置及系统 | |
CN117173100B (zh) | 聚合物锂离子电池生产控制系统及其方法 | |
CN115115630B (zh) | 检测方法、检测装置、电子设备及存储介质 | |
CN116973788A (zh) | 内短路故障检测方法、装置、计算机设备及存储介质 | |
CN115797254A (zh) | 极片缺陷检测方法、装置、计算机设备和存储介质 | |
CN115063414B (zh) | 锂电池极片胶纸的检测方法、装置、设备及存储介质 | |
CN115393624A (zh) | 一种基于机器视觉的配电变压器参数检定方法 | |
CN114565551A (zh) | 标签检测方法、装置、设备和计算机可读存储介质 |
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 |