CN115100161A - 一种电池顶盖缺陷检测方法、装置、电子设备及存储介质 - Google Patents
一种电池顶盖缺陷检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115100161A CN115100161A CN202210778944.6A CN202210778944A CN115100161A CN 115100161 A CN115100161 A CN 115100161A CN 202210778944 A CN202210778944 A CN 202210778944A CN 115100161 A CN115100161 A CN 115100161A
- Authority
- CN
- China
- Prior art keywords
- defect detection
- top cover
- battery
- defect
- regions
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请提供一种电池顶盖缺陷检测方法、装置、电子设备及存储介质,该方法包括:分区获取待测电池顶盖的图像,以得到待测电池顶盖不同区域对应的图像;将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各区域对应的缺陷检测子结果;根据各区域对应的缺陷检测子结果,确定待测电池顶盖的缺陷检测结果。上述方案提供的方法,通过对动力电池的顶盖进行分区检测,避免电池顶盖长度过大影响图像数据质量,该方法能够兼容不同动力电池的顶盖检测,并且通过对不同区域对应的图像进行并行检测,在提高兼容性的同时保证了缺陷检测速度。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种电池顶盖缺陷检测方法、装置、电子设备及存储介质。
背景技术
目前新能源行业高速发展,动力电池作为新能源汽车的核心组件,需求量在快速增加,因此研究汽车动力电池顶盖焊缝质量检测技术显得尤为重要。
在现有技术中,通常采用图像识别的方式,通过分析电池顶盖的图像数据,对电池顶盖进行图像检测。
但是,动力电池种类繁多,尺寸不一,且更新换代快。在顶盖焊缺陷检测过程中,由于电池顶盖长度差异较大,无法采集到完整且清晰的图像数据,导致现有技术无法兼容不同动力电池的顶盖检测。
发明内容
本申请提供一种电池顶盖缺陷检测方法、装置、电子设备及存储介质,以解决现有技术无法兼容不同动力电池的顶盖检测等缺陷。
本申请第一个方面提供一种电池顶盖缺陷检测方法,包括:
分区获取待测电池顶盖的图像,以得到所述待测电池顶盖不同区域对应的图像;
将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各所述区域对应的缺陷检测子结果;
根据各所述区域对应的缺陷检测子结果,确定所述待测电池顶盖的缺陷检测结果。
可选的,所述缺陷检测复合模型包括若干个缺陷检测模型,所述将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各所述区域对应的缺陷检测子结果,包括:
针对任一所述区域对应的图像,将所述图像同时输入到若干个缺陷检测模型,以得到各所述缺陷检测模型输出的图像识别结果;
汇总所述图像识别结果,得到该区域对应的缺陷检测子结果。
可选的,针对任一所述区域对应的图像,将所述图像同时输入到若干个缺陷检测模型,以得到各所述缺陷检测模型输出的图像识别结果,包括:
基于并行的若干个线程,将所述图像同时输入到若干个缺陷检测模型;
基于所述若干个缺陷检测模型对所述图像进行图像识别,得到各所述缺陷检测模型输出的图像识别结果。
可选的,还包括:
在得到各所述缺陷检测模型输出的图像识别结果之前,控制各所述线程进入堵塞状态;
当各所述缺陷检测模型均输出对应的图像识别结果后,控制各所述线程退出堵塞状态。
可选的,所述若干个缺陷检测模型包括漏焊缺陷检测模型、断焊缺陷检测模型、爆点缺陷检测模型、虚焊缺陷检测模型和内瑕疵缺陷检测模型。
可选的,所述根据各所述区域对应的缺陷检测子结果,确定所述待测电池顶盖的缺陷检测结果,包括:
根据各所述区域之间的位置关系,对各所述区域对应的缺陷检测子结果进行汇总,得到所述待测电池顶盖的缺陷检测结果。
可选的,所述缺陷检测子结果包括缺陷类型、缺陷位置信息和缺陷形态信息。
本申请第二个方面提供一种电池顶盖缺陷检测装置,包括:
获取模块,用于分区获取待测电池顶盖的图像,以得到所述待测电池顶盖不同区域对应的图像;
第一检测模块,用于将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各所述区域对应的缺陷检测子结果;
第二检测模块,用于根据各所述区域对应的缺陷检测子结果,确定所述待测电池顶盖的缺陷检测结果。
可选的,所述缺陷检测复合模型包括若干个缺陷检测模型,所述第一检测模块,具体用于:
针对任一所述区域对应的图像,将所述图像同时输入到若干个缺陷检测模型,以得到各所述缺陷检测模型输出的图像识别结果;
汇总所述图像识别结果,得到该区域对应的缺陷检测子结果。
可选的,所述第一检测模块,具体用于:
基于并行的若干个线程,将所述图像同时输入到若干个缺陷检测模型;
基于所述若干个缺陷检测模型对所述图像进行图像识别,得到各所述缺陷检测模型输出的图像识别结果。
可选的,所述装置还包括:
控制模块,用于在得到各所述缺陷检测模型输出的图像识别结果之前,控制各所述线程进入堵塞状态;当各所述缺陷检测模型均输出对应的图像识别结果后,控制各所述线程退出堵塞状态。
可选的,所述若干个缺陷检测模型包括漏焊缺陷检测模型、断焊缺陷检测模型、爆点缺陷检测模型、虚焊缺陷检测模型和内瑕疵缺陷检测模型。
可选的,所述第二检测模块,具体用于:
根据各所述区域之间的位置关系,对各所述区域对应的缺陷检测子结果进行汇总,得到所述待测电池顶盖的缺陷检测结果。
可选的,所述缺陷检测子结果包括缺陷类型、缺陷位置信息和缺陷形态信息。
本申请第三个方面提供一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一个方面以及第一个方面各种可能的设计所述的方法。
本申请第四个方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一个方面以及第一个方面各种可能的设计所述的方法。
本申请技术方案,具有如下优点:
本申请提供一种电池顶盖缺陷检测方法、装置、电子设备及存储介质,该方法包括:分区获取待测电池顶盖的图像,以得到待测电池顶盖不同区域对应的图像;将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各区域对应的缺陷检测子结果;根据各区域对应的缺陷检测子结果,确定待测电池顶盖的缺陷检测结果。上述方案提供的方法,通过对动力电池的顶盖进行分区检测,避免电池顶盖长度过大影响图像数据质量,该方法能够兼容不同动力电池的顶盖检测,并且通过对不同区域对应的图像进行并行检测,在提高兼容性的同时保证了缺陷检测速度。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本申请实施例基于的电池顶盖缺陷检测系统的结构示意图;
图2为本申请实施例提供的电池顶盖缺陷检测方法的流程示意图;
图3为本申请实施例提供的电池顶盖缺陷检测装置的结构示意图;
图4为本申请实施例提供的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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作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。
此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
在现有技术中,通常采用图像识别的方式,通过分析电池顶盖的图像数据,对电池顶盖进行图像检测。但是,动力电池种类繁多,尺寸不一,且更新换代快。在顶盖焊缺陷检测过程中,由于电池顶盖长度差异较大,无法采集到完整且清晰的图像数据,导致现有技术无法兼容不同动力电池的顶盖检测。而且,采用单个相机对锂电池顶盖进行分段拍照的方式获取图像数据时,由于知道锂电行业产线运行速度非常快,一条普通的生产线每分钟要检测的产品高达20到30块,除去设备运动拍照和产品搬运的时间,能用于图像数据推理的时间不足400ms,而且这段时间内要进行多种类型的缺陷检测,导致可用时间严重不够。
针对上述问题,本申请实施例提供的电池顶盖缺陷检测方法、装置、电子设备及存储介质,通过分区获取待测电池顶盖的图像,以得到待测电池顶盖不同区域对应的图像;将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各区域对应的缺陷检测子结果;根据各区域对应的缺陷检测子结果,确定待测电池顶盖的缺陷检测结果。上述方案提供的方法,通过对动力电池的顶盖进行分区检测,避免电池顶盖长度过大影响图像数据质量,该方法能够兼容不同动力电池的顶盖检测,并且通过对不同区域对应的图像进行并行检测,在提高兼容性的同时保证了缺陷检测速度。
下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明实施例进行描述。
首先,对本申请所基于的电池顶盖缺陷检测系统的结构进行说明:
本申请实施例提供的电池顶盖缺陷检测方法、装置、电子设备及存储介质,适用于对新能源汽车动力电池的顶盖焊缝缺陷进行检测。如图1所示,为本申请实施例基于的电池顶盖缺陷检测系统的结构示意图,主要包括待测电池、数据采集装置及电池顶盖缺陷检测装置。具体地,可以基于该数据采集装置分区采集待测电池顶盖的图像,并将采集到的图像数据发送到电池顶盖缺陷检测装置,该装置根据得到的图像数据,确定该待测电池顶盖的缺陷检测结果。
本申请实施例提供了一种电池顶盖缺陷检测方法,用于对新能源汽车动力电池的顶盖焊缝缺陷进行检测。本申请实施例的执行主体为电子设备,比如服务器、台式电脑、笔记本电脑、平板电脑及其他可用于进行图像识别和分析的电子设备。
如图2所示,为本申请实施例提供的电池顶盖缺陷检测方法的流程示意图,该方法包括:
步骤201,分区获取待测电池顶盖的图像,以得到待测电池顶盖不同区域对应的图像。
具体地,可以根据待测电池顶盖的长度,将待测电池顶盖划分为多个区域,如将待测电池顶盖划分为左侧区域、中间区域和右侧区域三个区域,每个区域均为矩形,然后采用摄像头等图像数据采集装置,分区采集待测电池顶盖的图像,以得到待测电池顶盖不同区域对应的图像。
步骤202,将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各区域对应的缺陷检测子结果。
具体地,可以根据区域的数量,即图像数量,预设相应数量的并行线程,以基于这些并行线程,将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以基于缺陷检测复合模型对不同区域对应的图像进行并行检测,一个缺陷检测复合模型负责一个图像的缺陷检测,即本申请实施例采用的缺陷检测复合模型的数量与图像数量相同。
步骤203,根据各区域对应的缺陷检测子结果,确定待测电池顶盖的缺陷检测结果。
其中,缺陷检测子结果包括缺陷类型、缺陷位置信息和缺陷形态信息。缺陷位置信息具体可以包括缺陷在图像上的横纵坐标,缺陷形态信息包括缺陷的宽和高,得到的缺陷检测子结果还携带有对应的置信度。
具体地,在一实施例中,可以根据各区域之间的位置关系,对各区域对应的缺陷检测子结果进行汇总,得到待测电池顶盖的缺陷检测结果。
具体地,在上述并行线程都得到对应的缺陷检测子结果后,可以根据各区域之间的位置关系,对各区域对应的缺陷检测子结果进行汇总,得到能够反映待测电池顶盖整体质量的缺陷检测结果。进一步地,可以根据待测电池顶盖的缺陷检测结果所表征的质量信息,引导PLC进行下一步动作,以对生产线上的电池进行相应的分类处理。
在上述实施例的基础上,由于电池顶盖焊缝的缺陷检测涉及多种类型的缺陷检测,如漏焊、断焊、爆点和虚焊和内瑕疵等,因此缺陷检测复合模型可以包括若干个缺陷检测模型,作为一种可实施的方式,在一实施例中,将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各区域对应的缺陷检测子结果,包括:
步骤2021,针对任一区域对应的图像,将图像同时输入到若干个缺陷检测模型,以得到各缺陷检测模型输出的图像识别结果;
步骤2022,汇总图像识别结果,得到该区域对应的缺陷检测子结果。
其中,缺陷检测模型具体可以基于FPN网络和DarkNet53结合构建。缺陷检测复合模型可以抽象有函数接口,以基于该函数接口输入图像数据和需要调用的模型ID,进而按照该模型ID调用相应缺陷类型的缺陷检测模型进行图像数据的识别和分析。
需要说明的是,一个缺陷检测模型可以实现一种或多种缺陷类型的检测。以缺陷检测模型分为第一缺陷检测模型和第二缺陷检测模型为例,可以基于第一缺陷检测模型实现漏焊、断焊和爆点缺陷的检测,基于第二缺陷检测模型实现虚焊和内瑕疵缺陷的检测。
具体地,在一实施例中,为了进一步提高缺陷检测速度,若干个缺陷检测模型也可以包括漏焊缺陷检测模型、断焊缺陷检测模型、爆点缺陷检测模型、虚焊缺陷检测模型和内瑕疵缺陷检测模型,即每个缺陷检测模型针对性地负责一种缺陷类型的检测。
具体地,在一实施例中,可以基于并行的若干个线程,将图像同时输入到若干个缺陷检测模型;基于若干个缺陷检测模型对图像进行图像识别,得到各缺陷检测模型输出的图像识别结果。
其中,一个缺陷检测模型对应一条线程。
具体地,可以基于并行的若干个线程,将图像同时输入到若干个缺陷检测模型,以利用这若干个缺陷检测模型,并行地进行图像识别和分析,在得到每个缺陷检测模型输出的图像识别结果后,通过对所有图像识别结果进行汇总,得到对应的缺陷检测子结果。
具体地,在一实施例中,由于申请实施例提供的电池顶盖缺陷检测方法对生产线上的电池产品进行检测,所以整个缺陷检测流程是不间断的。因此为了避免当前待测电池的图像识别结果还没输出,就向缺陷检测模型输入下一个待测电池的图像数据,造成图像识别异常,可以在得到各缺陷检测模型输出的图像识别结果之前,控制各线程进入堵塞状态;当各缺陷检测模型均输出对应的图像识别结果后,控制各线程退出堵塞状态。
具体地,针对任一线程,可以在该线程将图像输入到对应的缺陷检测模型后,控制线程进入堵塞状态,在每个缺陷检测模型都输出对应的图像识别结果后,可以确定各缺陷检测模型进入空闲状态,此时控制线程退出堵塞状态,进入可用状态,以基于该线程进行将后续待测电池顶盖的图像输入到对应的缺陷检测模型。
本申请实施例提供的电池顶盖缺陷检测方法,通过分区获取待测电池顶盖的图像,以得到待测电池顶盖不同区域对应的图像;将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各区域对应的缺陷检测子结果;根据各区域对应的缺陷检测子结果,确定待测电池顶盖的缺陷检测结果。上述方案提供的方法,通过对动力电池的顶盖进行分区检测,避免电池顶盖长度过大影响图像数据质量,该方法能够兼容不同动力电池的顶盖检测,并且通过对不同区域对应的图像进行并行检测,在提高兼容性的同时保证了缺陷检测速度。并且,采用并行的多线程技术可以更好地利用系统资源。主要优势在于充分利用了CPU/GPU的空闲时间片,用尽可能少的时间来做出响应,使得缺陷检测进程的整体运行效率得到较大提高,同时增强了灵活性。由于同一缺陷检测进程的所有线程是共享同一内存,所以不需要特殊的数据传送机制,不需要建立共享存储区或共享文件,从而使得不同任务之间的协调操作与运行、数据的交互、资源的分配等问题更加易于解决。并且,线程回收以及资源释放可以采用CLR管理分配和释放的托管资源,由Qt提供垃圾回收器自动回收,令主线程离开系统临界,释放资源,并将缓冲区和线程池关闭。
本申请实施例提供了一种电池顶盖缺陷检测装置,用于执行上述实施例提供的电池顶盖缺陷检测方法。
如图3所示,为本申请实施例提供的电池顶盖缺陷检测装置的结构示意图。该电池顶盖缺陷检测装置30包括:获取模块301、第一检测模块302和第二检测模块303。
其中,获取模块,用于分区获取待测电池顶盖的图像,以得到待测电池顶盖不同区域对应的图像;第一检测模块,用于将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各区域对应的缺陷检测子结果;第二检测模块,用于根据各区域对应的缺陷检测子结果,确定待测电池顶盖的缺陷检测结果。
具体地,在一实施例中,缺陷检测复合模型包括若干个缺陷检测模型,第一检测模块,具体用于:
针对任一区域对应的图像,将图像同时输入到若干个缺陷检测模型,以得到各缺陷检测模型输出的图像识别结果;
汇总图像识别结果,得到该区域对应的缺陷检测子结果。
具体地,在一实施例中,第一检测模块,具体用于:
基于并行的若干个线程,将图像同时输入到若干个缺陷检测模型;
基于若干个缺陷检测模型对图像进行图像识别,得到各缺陷检测模型输出的图像识别结果。
具体地,在一实施例中,该装置还包括:
控制模块,用于在得到各缺陷检测模型输出的图像识别结果之前,控制各线程进入堵塞状态;当各缺陷检测模型均输出对应的图像识别结果后,控制各线程退出堵塞状态。
具体地,在一实施例中,若干个缺陷检测模型包括漏焊缺陷检测模型、断焊缺陷检测模型、爆点缺陷检测模型、虚焊缺陷检测模型和内瑕疵缺陷检测模型。
具体地,在一实施例中,第二检测模块,具体用于:
根据各区域之间的位置关系,对各区域对应的缺陷检测子结果进行汇总,得到待测电池顶盖的缺陷检测结果。
具体地,在一实施例中,缺陷检测子结果包括缺陷类型、缺陷位置信息和缺陷形态信息。
关于本实施例中的电池顶盖缺陷检测装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本申请实施例提供的电池顶盖缺陷检测装置,用于执行上述实施例提供的电池顶盖缺陷检测方法,其实现方式与原理相同,不再赘述。
本申请实施例提供了一种电子设备,用于执行上述实施例提供的电池顶盖缺陷检测方法。
如图4所示,为本申请实施例提供的电子设备的结构示意图。该电子设备40包括:至少一个处理器41和存储器42。
存储器存储计算机执行指令;至少一个处理器执行存储器存储的计算机执行指令,使得至少一个处理器执行如上实施例提供的电池顶盖缺陷检测方法。
本申请实施例提供的一种电子设备,用于执行上述实施例提供的电池顶盖缺陷检测方法,其实现方式与原理相同,不再赘述。
本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如上任一实施例提供的电池顶盖缺陷检测方法。
本申请实施例的包含计算机可执行指令的存储介质,可用于存储前述实施例中提供的电池顶盖缺陷检测方法的计算机执行指令,其实现方式与原理相同,不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种电池顶盖缺陷检测方法,其特征在于,包括:
分区获取待测电池顶盖的图像,以得到所述待测电池顶盖不同区域对应的图像;
将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各所述区域对应的缺陷检测子结果;
根据各所述区域对应的缺陷检测子结果,确定所述待测电池顶盖的缺陷检测结果。
2.根据权利要求1所述的方法,其特征在于,所述缺陷检测复合模型包括若干个缺陷检测模型,所述将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各所述区域对应的缺陷检测子结果,包括:
针对任一所述区域对应的图像,将所述图像同时输入到若干个缺陷检测模型,以得到各所述缺陷检测模型输出的图像识别结果;
汇总所述图像识别结果,得到该区域对应的缺陷检测子结果。
3.根据权利要求2所述的方法,其特征在于,针对任一所述区域对应的图像,将所述图像同时输入到若干个缺陷检测模型,以得到各所述缺陷检测模型输出的图像识别结果,包括:
基于并行的若干个线程,将所述图像同时输入到若干个缺陷检测模型;
基于所述若干个缺陷检测模型对所述图像进行图像识别,得到各所述缺陷检测模型输出的图像识别结果。
4.根据权利要求3所述的方法,其特征在于,还包括:
在得到各所述缺陷检测模型输出的图像识别结果之前,控制各所述线程进入堵塞状态;
当各所述缺陷检测模型均输出对应的图像识别结果后,控制各所述线程退出堵塞状态。
5.根据权利要求2所述的方法,其特征在于,所述若干个缺陷检测模型包括漏焊缺陷检测模型、断焊缺陷检测模型、爆点缺陷检测模型、虚焊缺陷检测模型和内瑕疵缺陷检测模型。
6.根据权利要求1所述的方法,其特征在于,所述根据各所述区域对应的缺陷检测子结果,确定所述待测电池顶盖的缺陷检测结果,包括:
根据各所述区域之间的位置关系,对各所述区域对应的缺陷检测子结果进行汇总,得到所述待测电池顶盖的缺陷检测结果。
7.根据权利要求1所述的方法,其特征在于,所述缺陷检测子结果包括缺陷类型、缺陷位置信息和缺陷形态信息。
8.一种电池顶盖缺陷检测装置,其特征在于,包括:
获取模块,用于分区获取待测电池顶盖的图像,以得到所述待测电池顶盖不同区域对应的图像;
第一检测模块,用于将不同区域对应的图像,同时输入到对应的缺陷检测复合模型,以对不同区域对应的图像进行并行检测,得到各所述区域对应的缺陷检测子结果;
第二检测模块,用于根据各所述区域对应的缺陷检测子结果,确定所述待测电池顶盖的缺陷检测结果。
9.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210778944.6A CN115100161A (zh) | 2022-06-30 | 2022-06-30 | 一种电池顶盖缺陷检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210778944.6A CN115100161A (zh) | 2022-06-30 | 2022-06-30 | 一种电池顶盖缺陷检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115100161A true CN115100161A (zh) | 2022-09-23 |
Family
ID=83294096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210778944.6A Pending CN115100161A (zh) | 2022-06-30 | 2022-06-30 | 一种电池顶盖缺陷检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100161A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116593479A (zh) * | 2023-07-19 | 2023-08-15 | 北京阿丘机器人科技有限公司 | 电池盖板外观质量检测方法、装置、设备及存储介质 |
-
2022
- 2022-06-30 CN CN202210778944.6A patent/CN115100161A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116593479A (zh) * | 2023-07-19 | 2023-08-15 | 北京阿丘机器人科技有限公司 | 电池盖板外观质量检测方法、装置、设备及存储介质 |
CN116593479B (zh) * | 2023-07-19 | 2024-02-06 | 北京阿丘机器人科技有限公司 | 电池盖板外观质量检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4009231A1 (en) | Video frame information labeling method, device and apparatus, and storage medium | |
CN110210302B (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
CN110287778A (zh) | 一种图像的处理方法、装置、终端及存储介质 | |
CN111652974B (zh) | 三维人脸模型的构建方法、装置、设备及存储介质 | |
CN109035246A (zh) | 一种人脸的图像选择方法及装置 | |
CN110288632A (zh) | 一种图像处理方法、装置、终端及存储介质 | |
CN111614769A (zh) | 一种深度学习技术的行为智能分析引擎系统及控制方法 | |
CN110365942A (zh) | 一种实时视频智能分析方法和系统 | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
CN115100161A (zh) | 一种电池顶盖缺陷检测方法、装置、电子设备及存储介质 | |
CN110852704A (zh) | 基于密集微小人脸识别的考勤方法、系统、设备及介质 | |
CN109657711A (zh) | 一种图像分类方法、装置、设备及可读存储介质 | |
CN109086737B (zh) | 基于卷积神经网络的航运货物监控视频识别方法及系统 | |
CN113591433A (zh) | 一种文本排版方法、装置、存储介质及计算机设备 | |
CN113570615A (zh) | 一种基于深度学习的图像处理方法、电子设备及存储介质 | |
CN115471439A (zh) | 显示面板缺陷的识别方法、装置、电子设备及存储介质 | |
CN106682567A (zh) | 一种指纹图像的采集处理方法及装置 | |
CN114170642A (zh) | 图像检测的处理方法、装置、设备及存储介质 | |
CN112883827A (zh) | 图像中指定目标的识别方法、装置、电子设备和存储介质 | |
CN115131826B (zh) | 物品检测识别方法、网络模型的训练方法和装置 | |
JP2024516642A (ja) | 行動検出方法、電子機器およびコンピュータ読み取り可能な記憶媒体 | |
CN115424181A (zh) | 目标对象的检测方法和装置 | |
KR102444172B1 (ko) | 영상 빅 데이터의 지능적 마이닝 방법과 처리 시스템 | |
CN109146916A (zh) | 一种运动物体跟踪方法及装置 | |
CN115049963A (zh) | 视频分类方法、装置、处理器及电子设备 |
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 |