CN115131583B - 一种锂电池芯包结构X-Ray检测系统及检测方法 - Google Patents

一种锂电池芯包结构X-Ray检测系统及检测方法 Download PDF

Info

Publication number
CN115131583B
CN115131583B CN202210724923.6A CN202210724923A CN115131583B CN 115131583 B CN115131583 B CN 115131583B CN 202210724923 A CN202210724923 A CN 202210724923A CN 115131583 B CN115131583 B CN 115131583B
Authority
CN
China
Prior art keywords
lithium battery
image
detected
ray
core
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
CN202210724923.6A
Other languages
English (en)
Other versions
CN115131583A (zh
Inventor
曾洪华
曾宪武
蔡锦伟
陈宗发
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.)
Foshan Teamgiant New Energy Technology Co Ltd
Original Assignee
Foshan Teamgiant New Energy Technology 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 Foshan Teamgiant New Energy Technology Co Ltd filed Critical Foshan Teamgiant New Energy Technology Co Ltd
Priority to CN202210724923.6A priority Critical patent/CN115131583B/zh
Publication of CN115131583A publication Critical patent/CN115131583A/zh
Application granted granted Critical
Publication of CN115131583B publication Critical patent/CN115131583B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了一种锂电池芯包结构的X‑Ray检测方法，建立不同种类锂电池的标准芯包结构的标准图像的数据库；通过RGB摄像单元采集待检测锂电池的形状及规格型号；通过X‑ray检测装置进行检测，获得初始X‑ray图像；对获取的初始X‑ray图像进行处理；对得到的处理后的X‑ray图像进行特征提取，得到待检测锂电的芯包结构，根据查找到的结果筛选出所述待检测锂电池的标准图像及其特征；通过对比得到的处理X‑ray图像和筛选出所述待检测锂电池的标准图像的哈希编码和所述哈希编码的对应汉明距离计算的图像相似度，再根据相似度进行锂电池的质量等级区分和低质量检测。

Description

一种锂电池芯包结构X-Ray检测系统及检测方法
技术领域
本发明涉及锂电池质量检测的技术领域，尤其涉及一种锂电池芯包结构X-Ray检测系统及检测方法。
背景技术
目前，随着环保的深入人心，清洁能源得到重视，其中电池作为一种清洁能源应用到汽车等领域，同时现有的手机、电脑等电子产品也广泛的使用电池，而锂电池因储存电量大，并且寿命较长等特点是现有的电池使用最广泛的一种。
锂电池在极片在入壳后需对其芯包结构进行全面检查，以分拣出不合格的产品。目前，锂电池生产制造行业采用人工抽检的方式对芯包结构进行检查，手工检查的方法准确度不能很好的保证，由于人为因素容易出现判断失误，进而造成不良品的存在，同时，随机抽样检查不能全面反应锂电池生产过程中芯包的质量，存在检查漏洞。并且锂离子电池在装配完成后，要对其内部的电路进行全面检查，以分检出不合格的产品。传统的检测手段包括人工目测，表面检测以及离线式的探伤检测等，这些检测方式存在检测效率低，检测数据不准确的缺点，因此人们研究开发了锂离子电池在线检测设备，其拥有在线对电池内部结构进行检测的优势，但是，现有的锂离子电池在线检测设备依然存在结构复杂、检测效率较低的缺点。
而例如采用锂电池芯包结构X-Ray检测虽然可以检测出锂电池芯包结构的X-ray图像，然而，缺少一种针对各种信号的锂电池的检测方式，如现有技术CN106945890A公开的自动检测方法为搬运机器人将待检区的物料箱输送至上料输送带，物料箱达到上料输送带的定位座后，上料输送带停止工作，机器人上的抓取装置吸取待检测的锂电池芯包，X-Ray检测装置的自动门打开，机器人将锂电池芯包放置在物料放置台上，X-Ray检测装置的自动门关闭，X-Ray产生装置、影像装置、物料放置台电机工作，锂电池芯包跟随物料放置台进行平稳旋转，影像装置将采集到的图像传送给控制系统，控制系统从多个图像中，根据评价函数，自动选择最优图像进行测量计算，给出检测结果。X-Ray产生装置、影像装置、物料放置台停止工作，自动门打开，机器人将检测完毕的锂电池芯包取出放入下料输送带上的物料箱内，再从上料输送带上的物料箱中吸取下一个锂电池芯包送入X-Ray检测装置内进行检测。
锂离子电池作为目前应用最广泛的电化学储能器件，其安全性和循环稳定性问题备受关注。负极材料表面析锂是锂离子电池常见的失效原因，因此也是相关产业界的研究热点。然而，由于锂离子电池的封闭式外包装，许多常规的检测手段无法直接应用于电池内部，导致析锂检测成为了锂离子电池行业的难点问题。现有技术中仅仅通过固定的评价函数进行图像评价，选择最优图像进行测量计算，并不能准确识别出生产的锂电池的良优率，也不能对电池的质量等级进行区分。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明公开一种锂电池芯包结构的X-Ray检测方法，所述检测方法包括如下步骤：
步骤1，建立不同种类锂电池的标准芯包结构的标准图像的数据库；
步骤2，首先通过RGB摄像单元采集待检测锂电池的形状及规格型号；
步骤3，通过X-ray检测装置进行检测，通过将待检测锂电池平置于X射线管与影像探测器之间，X射线透过所述待检测锂电池，获得初始X-ray图像；
步骤4，对获取的初始X-ray图像进行处理；
步骤5，对所述步骤4得到的处理后的X-ray图像进行特征提取，确定X-ray图像的外轮廓形状，得到待检测锂电的芯包结构，其中所述锂电池的形状由步骤2的所述RGB摄像单元确定；
步骤6，根据所述步骤2采集的待检测锂电池的长度尺寸和宽度尺寸限定待检测锂电池的第一范围，在通过识别到的型号字符串在所述第一范围中进行查找，根据查找到的结果筛选出所述待检测锂电池的标准图像及其特征；
步骤7，通过对比得到的处理X-ray图像和筛选出所述待检测锂电池的标准图像的哈希编码和所述哈希编码的对应汉明距离计算图像相似度，再根据相似度进行锂电池的质量等级区分和低质量检测。
更进一步地，所述标准图像为理想状态的锂电池芯包X-ray模拟图像。
更进一步地，所述步骤2进一步包括：所述形状及规格型号包括锂电池的形状及形状对应的长度尺寸、宽度尺寸、以及在采集的图像上识别到的型号字符串，所述型号字符串印制于锂电池的标准芯包。
更进一步地，所述步骤5进一步包括：若待检测的锂电池为方形锂电池，则对其外围轮廓通过固定阈值进行分割，再提取壳壁轮廓得到待检测锂电的芯包结构，若待检测的锂电池为异形锂电池，则采用投影算法进行分割然后提取壳壁轮廓，得到待检测锂电的芯包结构，其中所述锂电池的形状由所述步骤2的所述RGB摄像单元确定。
更进一步地，所述根据相似度进行锂电池的质量等级区分和低质量检测进一步包括：当相似度大于第一预设值时，确定待检测锂电池的质量等级为优秀级别，当相似度小于第一预设值而大于第二预设值时确定待检测锂电池的质量等级为良好级别，当相似度小于第二预设值而大于第三预设值时确定待检测锂电池的质量等级为合格级别，当所述相似度小于第三预设值时，进行人工介入检测。
更进一步地，所述获得初始X-ray图像为在影像探测器上形成一个对于待检测锂电池芯包的放大的内部图像。
更进一步地，所述步骤4进一步包括：将所述初始X-ray图像表示为X射线的入射光分量与反射光分量的乘积，将所述反射光分量与垂直梯度算子进行卷积，计算所述反射光分量的垂直梯度，再将梯度信息与X-ray图像的细节信息进行叠加融合生成融合图像，对生成的所述融合图像采用对比度自适应直方图均衡化算法进行对比度调整，再通过高通滤波和低通滤波得到处理后的X-ray图像。
更进一步地，所述步骤3进一步包括所述X-ray检测装置由水平布置的X射线管和影像探测器组成，所述X-ray检测装置安装于送、出料传送平台之间。
本发明还公开了一种电子系统，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如上所述的锂电池芯包结构的X-Ray检测方法。
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质中包括控制程序，该控制程序被处理器执行时实现如上所述的锂电池芯包结构的X-Ray检测方法的步骤。
本发明与现有技术相比，本发明的有益效果是：①一条检测线对应多种待检测的不同型号的电池，并且不限制电池的形状进行检测，而现有技术检测装置是一条生产线对应一个生产型号的产品进行检测；②完全实现无人工检测，实现不同质量等级的区分而不需要人为介入，准确识别出生产的锂电池的良优率的同时也能对电池的质量等级进行区分，并且设置风险提醒的功能，对于质量极低的锂电池进行人为介入的检测，进行了很好的风险预防；③对待检测的图像进行了独创的图像增强技术，在与标准图像进行特征比对的时候极大的减少了不必要的干扰。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在图中，在不同的视图中，相同的附图标记指定对应的部分。
图1是本发明的一种锂电池芯包结构的X-Ray检测方法的流程图。
具体实施方式
下面将结合附图及实施例对本发明的技术方案进行更详细的说明。
现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。
移动终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。下面，假设终端是移动终端。然而，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。
如图1所示的一种锂电池芯包结构的X-Ray检测方法，所述检测方法包括如下步骤：
步骤1，建立不同种类锂电池的标准芯包结构的标准图像的数据库；
步骤2，首先通过RGB摄像单元采集待检测锂电池的形状及规格型号；
步骤3，通过X-ray检测装置进行检测，通过将待检测锂电池平置于X射线管与影像探测器之间，X射线透过所述待检测锂电池，获得初始X-ray图像；
步骤4，对获取的初始X-ray图像进行处理；
步骤5，对所述步骤4得到的处理后的X-ray图像进行特征提取，确定X-ray图像的外轮廓形状，得到待检测锂电的芯包结构，其中所述锂电池的形状由步骤2的所述RGB摄像单元确定；
步骤6，根据所述步骤2采集的待检测锂电池的长度尺寸和宽度尺寸限定待检测锂电池的第一范围，在通过识别到的型号字符串在所述第一范围中进行查找，根据查找到的结果筛选出所述待检测锂电池的标准图像及其特征；
步骤7，通过对比得到的处理X-ray图像和筛选出所述待检测锂电池的标准图像的哈希编码和所述哈希编码的对应汉明距离计算图像相似度，再根据相似度进行锂电池的质量等级区分和低质量检测。
更进一步地，所述标准图像为理想状态的锂电池芯包X-ray模拟图像。
更进一步地，所述步骤2进一步包括：所述形状及规格型号包括锂电池的形状及形状对应的长度尺寸、宽度尺寸、以及在采集的图像上识别到的型号字符串，所述型号字符串印制于锂电池的标准芯包。
更进一步地，所述步骤5进一步包括：若待检测的锂电池为方形锂电池，则对其外围轮廓通过固定阈值进行分割，再提取壳壁轮廓得到待检测锂电的芯包结构，若待检测的锂电池为异形锂电池，则采用投影算法进行分割然后提取壳壁轮廓，得到待检测锂电的芯包结构，其中所述锂电池的形状由所述步骤2的所述RGB摄像单元确定。
更进一步地，所述根据相似度进行锂电池的质量等级区分和低质量检测进一步包括：当相似度大于第一预设值时，确定待检测锂电池的质量等级为优秀级别，当相似度小于第一预设值而大于第二预设值时确定待检测锂电池的质量等级为良好级别，当相似度小于第二预设值而大于第三预设值时确定待检测锂电池的质量等级为合格级别，当所述相似度小于第三预设值时，进行人工介入检测。
更进一步地，所述获得初始X-ray图像为在影像探测器上形成一个对于待检测锂电池芯包的放大的内部图像。
X射线因其波长短、强穿透性等特点已被用于锂离子电池原位检测，通过分析透射X射线可以获取电极材料内部信息以及界面形貌特征。X射线成像技术主要包括X射线显微成像技术(XMI)、X射线断层扫描技术(XCT)以及同步辐射X射线成像。同电子成像相比，X射线对锂枝晶损伤很小，且分辨率高于传统光学成像技术，目前已广泛应用于锂离子沉积界面表征。同步加速X射线源可以提供高通量X射线，有利于提高成像对比度，从而可以实现对低密度材料如Li等材料的表征，此外，因X射线具有较强穿透性，可以实现对商业电池的检测。X射线成像也同样存在一定的局限性，其主要表现在衬度不足和对比分析工具尚不成熟2个方面。利用X射线在穿透物质后幅值和相位的变化，可以对材料内部不同结构进行三维成像。基于幅值和相位变化成像中，物质内部微观结构以不同灰度呈现，其中相位变化对原子系数较为敏感，尤其是一些轻质元素。而电池内部存在许多重元素，因此X射线无法对其进行精确表征。
因此，在本实施例中针对于X射线本身的缺陷，增加后期的图像处理方法以解决上述问题，在本实施例中，所述步骤4进一步包括：将所述初始X-ray图像表示为X射线的入射光分量与反射光分量的乘积，将所述反射光分量与垂直梯度算子进行卷积，计算所述反射光分量的垂直梯度，再将梯度信息与X-ray图像的细节信息进行叠加融合生成融合图像，对生成的所述融合图像采用对比度自适应直方图均衡化算法进行对比度调整，再通过高通滤波和低通滤波得到处理后的X-ray图像。
更进一步地，所述步骤3进一步包括所述X-ray检测装置由水平布置的X射线管和影像探测器组成，所述X-ray检测装置安装于送、出料传送平台之间。
本发明还公开了一种电子系统，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如上所述的锂电池芯包结构的X-Ray检测方法。
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质中包括控制程序，该控制程序被处理器执行时实现如上所述的锂电池芯包结构的X-Ray检测方法的步骤。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。因此，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (6)

1.一种锂电池芯包结构的X-Ray检测方法，其特征在于，所述检测方法包括如下步骤：
步骤1，建立不同种类锂电池的标准芯包结构的标准图像的数据库；
步骤2，首先通过RGB摄像单元采集待检测锂电池的形状及规格型号，其中，所述形状及规格型号包括锂电池的形状及形状对应的长度尺寸、宽度尺寸、以及在采集的图像上识别到的型号字符串，所述型号字符串印制于锂电池的标准芯包；
步骤3，通过X-ray检测装置进行检测，通过将待检测锂电池平置于X射线管与影像探测器之间，X射线透过所述待检测锂电池，获得初始X-ray图像；
步骤4，对获取的初始X-ray图像进行处理，其中，将所述初始X-ray图像表示为X射线的入射光分量与反射光分量的乘积，将所述反射光分量与垂直梯度算子进行卷积，计算所述反射光分量的垂直梯度，再将梯度信息与X-ray图像的细节信息进行叠加融合生成融合图像，对生成的所述融合图像采用对比度自适应直方图均衡化算法进行对比度调整，再通过高通滤波和低通滤波得到处理后的X-ray图像；
步骤5，对所述步骤4得到的处理后的X-ray图像进行特征提取，确定X-ray图像的外轮廓形状，得到待检测锂电的芯包结构，所述锂电池的形状由步骤2的所述RGB摄像单元确定，其中，若待检测的锂电池为方形锂电池，则对其外围轮廓通过固定阈值进行分割，再提取壳壁轮廓得到待检测锂电的芯包结构，若待检测的锂电池为异形锂电池，则采用投影算法进行分割然后提取壳壁轮廓，得到待检测锂电的芯包结构，其中所述锂电池的形状由所述步骤2的所述RGB摄像单元确定；
步骤6，根据所述步骤2采集的待检测锂电池的长度尺寸和宽度尺寸限定待检测锂电池的第一范围，在通过识别到的型号字符串在所述第一范围中进行查找，根据查找到的结果筛选出所述待检测锂电池的标准图像及其特征；
步骤7，通过对比得到的处理X-ray图像和筛选出所述待检测锂电池的标准图像的哈希编码和所述哈希编码的对应汉明距离计算图像相似度，再根据相似度进行锂电池的质量等级区分和低质量检测，其中，所述根据相似度进行锂电池的质量等级区分和低质量检测进一步包括：当相似度大于第一预设值时，确定待检测锂电池的质量等级为优秀级别，当相似度小于第一预设值而大于第二预设值时确定待检测锂电池的质量等级为良好级别，当相似度小于第二预设值而大于第三预设值时确定待检测锂电池的质量等级为合格级别，当所述相似度小于第三预设值时，进行人工介入检测。
2.如权利要求1所述的一种锂电池芯包结构的X-Ray检测方法，其特征在于，所述标准图像为理想状态的锂电池芯包X-ray模拟图像。
3.如权利要求2所述的一种锂电池芯包结构的X-Ray检测方法，其特征在于，所述获得初始X-ray图像为在影像探测器上形成一个对于待检测锂电池芯包的放大的内部图像。
4.如权利要求1所述的一种锂电池芯包结构的X-Ray检测方法，其特征在于，所述步骤3进一步包括所述X-ray检测装置由水平布置的X射线管和影像探测器组成，所述X-ray检测装置安装于送、出料传送平台之间。
5.一种电子系统，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1至4中任意一项中的锂电池芯包结构的X-Ray检测方法。
6.一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包括控制程序，该控制程序被处理器执行时实现如权利要求1至4中任意一项所述的锂电池芯包结构的X-Ray检测方法的步骤。
CN202210724923.6A 2022-06-24 2022-06-24 一种锂电池芯包结构X-Ray检测系统及检测方法 Active CN115131583B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210724923.6A CN115131583B (zh) 2022-06-24 2022-06-24 一种锂电池芯包结构X-Ray检测系统及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210724923.6A CN115131583B (zh) 2022-06-24 2022-06-24 一种锂电池芯包结构X-Ray检测系统及检测方法

Publications (2)

Publication Number Publication Date
CN115131583A CN115131583A (zh) 2022-09-30
CN115131583B true CN115131583B (zh) 2023-05-09

Family

ID=83379173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210724923.6A Active CN115131583B (zh) 2022-06-24 2022-06-24 一种锂电池芯包结构X-Ray检测系统及检测方法

Country Status (1)

Country Link
CN (1) CN115131583B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116359738A (zh) * 2022-12-02 2023-06-30 清华大学 电池的健康状态监测方法、装置、设备及存储介质
CN117589063B (zh) * 2024-01-18 2024-05-14 宁德时代新能源科技股份有限公司 尺寸检测方法及尺寸检测系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110738164A (zh) * 2019-10-12 2020-01-31 北京猎户星空科技有限公司 零件异常检测方法、模型训练方法及装置
CN111753611A (zh) * 2019-08-30 2020-10-09 北京市商汤科技开发有限公司 图像检测方法及装置和系统、电子设备和存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104661300B (zh) * 2013-11-22 2018-07-10 高德软件有限公司 定位方法、装置、系统及移动终端
CN205643199U (zh) * 2016-04-13 2016-10-12 云南电网有限责任公司电力科学研究院 一种基于x射线的高压限流熔断器质量检测装置
CN105842262B (zh) * 2016-04-13 2018-10-12 云南电网有限责任公司电力科学研究院 一种基于x射线的高压限流熔断器质量检测方法
CN106945890B (zh) * 2017-03-07 2019-10-15 广州中国科学院沈阳自动化研究所分所 锂电池芯包结构X-Ray检测系统及检测方法
CN109859213B (zh) * 2019-01-28 2021-10-12 艾瑞迈迪科技石家庄有限公司 关节置换手术中骨骼关键点检测方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111753611A (zh) * 2019-08-30 2020-10-09 北京市商汤科技开发有限公司 图像检测方法及装置和系统、电子设备和存储介质
CN110738164A (zh) * 2019-10-12 2020-01-31 北京猎户星空科技有限公司 零件异常检测方法、模型训练方法及装置

Also Published As

Publication number Publication date
CN115131583A (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN115131583B (zh) 一种锂电池芯包结构X-Ray检测系统及检测方法
CN103500459B (zh) 一种基于规则化参数的印刷电路板缺陷检测方法
US8750596B2 (en) System and method for identifying defects in a material
US20150179400A1 (en) Defect Discovery and Inspection Sensitivity Optimization Using Automated Classification of Corresponding Electron Beam Images
CN110135521A (zh) 基于卷积神经网络的极片极耳缺陷检测模型、检测方法及系统
CN103808732A (zh) 基于机器视觉的电容检测系统和方法
CN109283182A (zh) 一种电池焊点缺陷的检测方法、装置及系统
CN113834816A (zh) 基于机器视觉的光伏电池缺陷在线检测方法及系统
WO2024002187A1 (zh) 缺陷检测方法、缺陷检测设备及存储介质
CN110426395B (zh) 一种太阳能el电池硅片表面检测方法及装置
Choudhary et al. Autonomous visual detection of defects from battery electrode manufacturing
Lei et al. Multiscale convolution-based probabilistic classification for detecting bare PCB defects
You PCB defect detection based on generative adversarial network
CN110084807A (zh) 一种焊缝探伤底片图像造假的检测方法
CN117173100B (zh) 聚合物锂离子电池生产控制系统及其方法
CN116934732A (zh) 一种光伏组件的检测方法、装置及电子设备
WO2014010421A1 (ja) Ｘ線検査方法及びｘ線検査装置
CN115311526B (zh) 基于改进的Cycle GAN网络的缺陷样本生成方法和系统
JP2013205320A (ja) 検査条件決定方法、検査方法および検査装置
CN111322970A (zh) X射线胶路测量装置和方法
CN115937195A (zh) 表面缺陷检测方法、装置和计算机设备
Zhang et al. Research on image defect detection of silicon panel based on prewitt and canny operator
CN112800870B (zh) 一种基于层间覆盖比的非极大抑制方法及系统
WO2017024065A1 (en) Range-based real-time scanning electron microscope non-visual binner
CN116934837B (zh) 物体检测处理方法、装置、系统、电子设备及存储介质

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