CN115345878A - 一种高精度的锂电池镍片与巴片间距的检测方法及装置 - Google Patents

一种高精度的锂电池镍片与巴片间距的检测方法及装置 Download PDF

Info

Publication number
CN115345878A
CN115345878A CN202211269414.5A CN202211269414A CN115345878A CN 115345878 A CN115345878 A CN 115345878A CN 202211269414 A CN202211269414 A CN 202211269414A CN 115345878 A CN115345878 A CN 115345878A
Authority
CN
China
Prior art keywords
area
region
nickel
data
sheet
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
CN202211269414.5A
Other languages
English (en)
Other versions
CN115345878B (zh
Inventor
王刚
张权
吕炎州
袁利雄
符艳乔
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.)
Guangzhou Yihong Intelligent Equipment Co ltd
Original Assignee
Guangzhou Yihong Intelligent Equipment 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 Guangzhou Yihong Intelligent Equipment Co Ltd filed Critical Guangzhou Yihong Intelligent Equipment Co Ltd
Priority to CN202211269414.5A priority Critical patent/CN115345878B/zh
Publication of CN115345878A publication Critical patent/CN115345878A/zh
Application granted granted Critical
Publication of CN115345878B publication Critical patent/CN115345878B/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
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Battery Electrode And Active Subsutance (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及一种高精度的锂电池镍片与巴片间距的检测方法，通过获取待检测焊接区域的深度数据，并将深度数据转换为二维数据进行边缘特征提取和阈值分割，获取镍片区域和巴片区域，再通过在镍片区域上确定两条焊缝区域，并根据两条焊缝区域的坐标确定中心区域的坐标，再通过计算中心区域的深度值与巴片区域的深度值的差值，获取锂电池镍片与巴片的间距。本发明取代了人工检测，节约了人力成本，提高了生产的效率及检测的规范性和准确度，同时，本发明结合了2D和3D视觉处理技术的检测算法，解决了单一2D或3D算法所带来的硬件不匹配、算法复杂度大等缺陷，该检测方法复杂度低、精度高，适宜应用在工业生产中。

Description

一种高精度的锂电池镍片与巴片间距的检测方法及装置
技术领域
本申请实施例涉及锂电池生产领域，特别是涉及一种高精度的锂电池镍片与巴片间距的检测方法、装置、电子设备及存储介质。
背景技术
随着微电子技术的发展，锂电池进入了大规模的实用阶段，广泛应用于各行各业，在移动电子设备、电力汽车等行业更是已经大放异彩。
在锂电池制作工序中，当电芯制作完成后，往往还需要将多个电芯用同一个外壳框架封装在一起，并通过统一的边界与外部进行联系时，即组成电池模组。在组装电池模组的过程中，需通过将镍片与巴片焊接的方式将多个电芯固定，而镍片与巴片在焊接时所形成的焊缝间距需满足一定的要求，否则可能会导致电芯松动，无法固定在模组内。
目前新能源锂电池企业对于镍片间隙的测量主要依赖于人工测量，人工测量不仅成本高，而且人工目视检查对人员要求高，存在易疲劳，效率不高，且容易出现漏判等问题，极大的增加了生产成本。
发明内容
基于上述背景技术，本发明提供了一种高精度的锂电池镍片与巴片间距的检测方法、装置、电子设备及存储介质，通过基于机器视觉的检测算法，实现了自动化、标准化的焊接检测。
第一方面，一种高精度的锂电池镍片与巴片间距的检测方法，包括：
获取待检测焊接位置图像的深度图像数据，并将所述深度图像数据转换为二维图像数据；
通过Sobel边缘算子对所述二维图像数据进行边缘特征提取，识别出巴片区域和镍片区域；
根据预设的空间数据定位并分离所述镍片区域和巴片区域；
在所述镍片区域通过基于高斯分布的异常值检测算法及差分算法，识别出第一焊缝区域和第二焊缝区域；
获取位于所述第一焊缝区域与第二焊缝区域之间的中心区域的坐标，并获取所述中心区域的第一高度数据；
获取所述巴片区域内预设的坐标点的第二高度数据；
根据所述第一高度数据和所述第二高度数据之间的差值，获取所述锂电池的镍片与巴片的间距。
进一步地，获取所述第一高度数据和第二高度数据，具体包括如下步骤：
根据所述镍片区域的边缘位置坐标和所述中心区域的坐标，获取所述第一高度数据，其中，所述第一高度数据为同时位于所述镍片区域的边缘位置与所述中心区域的坐标点的深度数据；
根据所述巴片区域的坐标位置，获取所述第二高度数据，其中，所述第二高度数据为位于所述巴片区域且在离所述中心区域预设阈值范围内的坐标点的深度数据。
进一步地，在根据预设的空间数据定位并分离所述镍片区域和巴片区域后，还包括如下步骤：
通过仿射变换算法，对所述镍片区域和巴片区域进行角度矫正，获取在水平方向上角度无倾斜的镍片区域图像数据及巴片区域图像数据。
进一步地，将所述深度图像数据转换为二维图像数据后，还包括如下步骤：
去除所述二维图像数据中的噪点和无效值，其中，所述无效值为超出图像获取设备景深范围内的数值，所述噪点为未超出所述图像获取设备景深范围内但深度值与深度方差的差值超过预设定阈值的离群点。
进一步地，根据预设的空间数据定位并分离所述镍片区域和巴片区域，具体包括如下步骤：
根据面积特征，确定面积较大的区域为所述巴片区域；
根据位置特征，确定位于所述巴片区域中间，且一端在所述巴片区域内部，另一端凸出所述巴片区域的区域为所述镍片区域。
进一步地，对所述镍片区域和巴片区域进行角度矫正后，包括如下步骤：
对进行角度矫正后的镍片区域和巴片区域中的无效值区域和噪点进行均值填充，所述均值为所述镍片区域与巴片区域中有效值区域的深度均值。
第二方面，本申请实施例提供了一种高精度的锂电池镍片焊缝与巴片之间的距离检测装置，其特征在于，包括：
深度图像获取模块，用于获取待检测焊接位置图像的深度图像数据，并将所述深度图像数据转换为二维图像数据；
区域识别模块，用于通过Sobel边缘算子对所述二维图像数据进行边缘特征提取，识别出巴片区域和镍片区域；
区域分离模块，用于根据预设的空间数据定位并分离所述镍片区域和巴片区域；
焊缝识别模块，用于在所述镍片区域通过基于高斯分布的异常值检测算法及差分算法，识别出第一焊缝区域和第二焊缝区域；
第一高度数据获取模块，用于获取位于所述第一焊缝区域与第二焊缝区域之间的中心区域的坐标，并获取所述中心区域的第一高度数据；
第二高度数据获取模块，用于获取所述巴片区域内预设的坐标点的第二高度数据；
间距获取模块，用于根据所述第一高度数据和所述第二高度数据之间的差值，获取所述锂电池的镍片与巴片之间的间距。
进一步地，还包括：
第一高度数据获取单元，用于根据所述镍片区域的边缘位置坐标和所述中心区域的坐标，获取所述第一高度数据，其中，所述第一高度数据为同时位于所述镍片区域的边缘位置与所述中心区域的坐标点的深度数据；
第二高度数据获取单元，用于根据所述巴片区域的坐标位置，获取所述第二高度数据，其中，所述第二高度数据为位于所述巴片区域且在离所述中心区域预设阈值范围内的坐标点的深度数据。
第三方面，本申请实施例还提供了一种电子设备，包括：
至少一个存储器以及至少一个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如第一方面所述的一种高精度的锂电池镍片与巴片间距的检测方法的步骤。
第四方面，本申请实施例还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存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面所述的一种高精度的锂电池镍片与巴片间距的检测方法的步骤。
本申请实施例通过获取待检测焊接区域的深度数据，并将深度数据转换为二维数据进行边缘特征提取和阈值分割，获取镍片区域和巴片区域，再通过在镍片区域上动态查询灰度异常值，获取两条焊缝区域，并根据两条焊缝区域的坐标确定中心区域的坐标，通过计算中心区域的深度值与巴片区域的深度值的差值，获取锂电池镍片与巴片的间距。本申请实施例基于机器视觉检测相关原理，取代了人工检测，节约了人力成本，提高了生产的效率及检测的规范性和准确度，同时，本申请所开发的结合了2D和3D视觉处理技术的检测算法，解决了单一2D或3D算法所带来的硬件不匹配、算法复杂度大等缺陷，该检测方法复杂度低、精度高，适宜应用在工业生产中。
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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。
附图说明
图1为在一个示例性的实施例中提供的一种高精度的锂电池镍片与巴片间距的检测方法的步骤流程图；
图2为在一个示例性的实施例中提供的一种高精度的锂电池镍片与巴片间距的检测方法的待检测焊接区域通过二维相机采集到的图像示意图；
图3为在一个示例性的实施例中提供的一种高精度的锂电池镍片与巴片间距的检测方法的待检测焊接区域去除噪点及无效值的二维图像数据示意图；
图4为在一个示例性的实施例中提供的一种高精度的锂电池镍片与巴片间距的检测方法的待检测焊接区域进行边缘特征提取后的图像示意图；
图5为在一个示例性的实施例中提供的一种高精度的锂电池镍片与巴片间距的检测装置的模块示意图；
图6为在一个示例性的实施例中提供的一种电子设备示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，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它实施例，都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅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，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A 和/或B，可以表示：单独存在A，同时存在A 和B，单独存在B 这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
基于在背景技术所提到的目前新能源锂电池企业对于镍片间隙的测量主要依赖于人工测量，而人工测量必然会带来在生产线上因人工的不稳定性所带来的一系列问题。为追求生产的自动化与标准化，若应用现有的视觉检测方案，按照常规手段进行镍片与巴片间隙的检测会存在诸多问题。若应用传统的2D双目相机，并根据2D双目相机所采集的深度数据进行间隙的检测，在这种应用场景下伴随着精度的增加，数据的复杂度也成倍数的增加，导致算法在时间和空间上无法满足用户的真实需求。若应用3D相机进行数据采集，则采集的数据中只有关于深度信息，丢失了物体表面的纹理、颜色等信息，但目前现有的测量技术对物体纹理、颜色等信息的依赖程度较高，出现了硬件与软件算法的不匹配，若开发适配3D相机所采集数据的3D算法，则在采集数据的过程中精度越高，采集的数据量也越大，导致3D算法的复杂度会随着数据量的增加也会呈现指数级的增加。
综上所述，应用现有的硬件与软件进行镍片与巴片间距的测量均存在数据量大，算法复杂度高等难以在工业化生产中进行研发推广的问题，因此，本申请实施例提供了一种高精度的锂电池镍片与巴片间距的检测方法，通过3D数据与2D数据之间的转换来进行检测，算法复杂度低的同时保证了高精度的测量，如图1所示，包括如下步骤：
S201：获取待检测焊接位置图像的深度图像数据，并将深度图像数据转换为二维图像数据。
如图2所示，图2为在一个示例性的例子中待检测焊接位置图像的示意图。在本申请实施例中，图像采集设备为3D线扫相机，在实际的生产应用中，还可以根据现场的速度要求、检测视野和精度对3D相机进行选型，例如还可以选择3D双目相机、RGBD相机、结构光相机、激光线扫相机等等。图2所示的采集到的标准图像中通常包括镍片、巴片和治具，在图像采集过程中，相机景深内只有一个镍片，但巴片和治具数量可以是不固定的。图像采集设备的位置在调整好之后是固定的，在当前所采集的图像检测完成后，机台会自动控制更换到下一块电池，对待检测产品进行批量数据采集。在一些其他的例子中，电池的更换也可由人工完成。图像采集设备的采集触发方式可以通过连接外部计算机软件，预设指定时间间隔发送触发采集控制信号，图像采集设备根据该控制信号进行图像数据采集。在一些其他的例子中，也可以人工控制发送采集控制信号。
在本申请实施例中，图像采集设备所传回的深度图像数据为一维数组，不能像图像一样直接进行可视化，需要进行格式转换。因此需将该一维数组按照图片格式转换成二维数组，然后使用进制格式转换公式，将所述深度图像数据转换为二维图像数据。在转换后，原来的深度数据值体现为边缘坐标值，但两者在转换之前和转换之后并无本质上的不同，仅是数据格式上的改变，也可以理解为，将图像采集设备传回的原始数据转换成真实世界坐标系下的数据格式，其中，真实世界坐标系以Z轴以景深中间值作为参考基准面，X轴和Y轴和像素坐标系保持一致。
在一个优选的实施例中，将所述深度图像数据转换为二维图像数据后，还需去除所述二维图像数据中的噪点和无效值，其中，所述无效值为超出图像获取设备景深范围内的数值，所述噪点为未超出所述图像获取设备景深范围内但深度值与深度方差的差值超过预设定阈值的离群点。去除噪点及无效值的二维图像数据如图3所示。
S202：通过Sobel边缘算子对二维图像数据进行边缘特征提取，识别出巴片区域和镍片区域。
sobel算子是广泛应用的一阶微分为基础的边缘检测微分算子之一，可以计算图像处理中的边缘检测，计算图像的灰度地图，其原理是基于图像的卷积来实现在水平方向与垂直方向检测对于相应方向上的边缘位置。在一些其他的例子中，也可以应用Prewitt算子、Roberts算子、差分边缘检测、Canny算子、laplacian算子以及上述边缘算法的结合来进行图像边缘特征的提取。在进行边缘特征提取后的图像如图4所示。
S203：根据预设的空间数据定位并分离镍片区域和巴片区域。
空间数据，又称几何数据，用来表示物体的位置、形态、大小分布等各方面的信息，是对现世界中存在的具有定位意义的事物和现象的定量描述。在本申请实施例中，主要包括位置、距离、面积等特征，具体的，根据面积特征，确定面积较大的区域为巴片区域；根据位置特征，确定位于巴片区域中间，且一端在巴片区域内部，另一端凸出巴片区域的区域为镍片区域。在一些其他的例子中，也可以根据生产实际，以能够区分镍片区域、巴片区域和治具区域为准，另行规定。
在一个优选的例子中，在根据预设的空间数据定位并分离镍片区域和巴片区域后，还通过仿射变换算法，对镍片区域和巴片区域进行角度矫正，获取在水平方向上角度无倾斜的镍片区域图像数据及巴片区域图像数据。
放射变换是一种常用的图像处理方法，即将图像从一个二维坐标系变换到另一个二维坐标系，属于线性变换。具体来说，放射变换即是在向量空间中进行一次线性变换(乘以一个矩阵)和一次平移(加上一个向量)，变换到另一个向量空间的过程。在本申请实施例中，角度矫正应用了仿射变换算法，角度不仅对分离出来的三个区域（指治具区域、巴片区域、镍片区域）进行变换，还需要对去除无效值后得图像进行角度矫正。当镍片在水平方向上角度无倾斜时即判定完成角度矫正。而角度矫正意义在于，将不同倾斜角度得到的镍片变换到同一水平面上进行处理，方便后面选取区域进行间隙计算。若不进行角度矫正，则后面就无法保证后续步骤中的区域选取稳定，从而直接影响最终镍片与巴片间距值的计算准确度与计算精度。
在一个优选的实施例中，在对所述镍片区域和巴片区域进行角度矫正后，还需对进行角度矫正后的镍片区域和巴片区域中的无效值区域和噪点进行均值填充，所述均值为镍片区域与巴片区域中有效值区域的深度均值。具体的，首先确定镍片区域是否存在无效值，若存在无效值，先计算无效值区域，然后选取有效值数据计算有效值均值，最后将有效值均值填充到无效值区域中。
在一个优选的实施例中，在对镍片区域进行角度矫正及均值填充后，还需对镍片区域进行位姿矫正。在本申请实施例中，需将镍片区域的二维数据转换回三维空间内通过平面拟合的方法进行位姿矫正。之所以进行位姿矫正，是因为镍片区域在Z轴的倾斜角存在一定变化，当将直接采集获取的深度值数据转换为图像数据时，若Z轴的倾斜角较大，会使镍片上的焊缝区域在转换后的图像数据上显示效果不明显，所以需要对镍片区域进行位姿矫正，将镍片区域的Z轴倾斜角消除。
S204：在镍片区域通过基于高斯分布的异常值检测算法及差分算法，识别出第一焊缝区域和第二焊缝区域。
高斯分布所采用的是3sigma原则，sigma为数据分布的方差。在本申请实施例中将经过位姿矫正后的镍片区域的图像数据减去灰度均值后，大于或小于3倍的sigma，然后根据预设阈值进行面积判断，从而确认异常（焊缝）区域。差分技术，首先对像素进行均值模糊，将模糊后的图片和模糊前的图片进行相减并取绝对值得到差分图，再对差分图进行阈值分割，然后根据预设阈值进行面积判断，找到异常（焊缝）区域。最终输出第一焊缝区域和第二焊缝区域的X轴方向的坐标值。
S205：获取位于第一焊缝区域与第二焊缝区域之间的中心区域的坐标，并获取所述中心区域的第一高度数据。
在一个优选的实施例中，根据镍片区域的边缘位置坐标和中心区域的坐标，获取所述第一高度数据，其中，第一高度数据为同时位于镍片区域的边缘位置与中心区域的坐标点的深度数据。
具体的，如图2所示，获取图中A区域的坐标，并进一步根据坐标获取该区域的深度数据。
S206：获取所述巴片区域内预设的坐标点的第二高度数据。
根据巴片区域的坐标位置，获取所述第二高度数据，其中，第二高度数据为位于巴片区域且在中心区域预设阈值范围内的坐标点的深度数据。
具体的，如图2所示，获取图中B区域的坐标，并进一步根据坐标获取该区域的深度数据。
S207：根据第一高度数据和第二高度数据之间的差值，获取锂电池的镍片与巴片之间的间距。
焊缝区域为镍片与巴片接触焊接的区域，而中心区域毗邻两条焊缝区域，是镍片区域内与两条焊缝区域最相关但并未与巴片焊接的区域，因此通过评价镍片上中心区域的深度值与巴片区域靠近中心区域的深度值的差值，作为评价镍片与巴片间距的数据，为最有代表性也最精确的数据。该间距需在一定的阈值范围内，若超出阈值范围，则可能存在镍片与巴片之间焊接不牢固的问题。在本申请实施例中，根据实际生产需要，该间距阈值为间隙距离的阈值为0.07mm。在一些其他的例子中，也可以根据产品的类型设定不同的阈值。
本申请实施例通过获取待检测焊接区域的深度数据，并将深度数据转换为二维数据进行边缘特征提取和阈值分割，获取镍片区域和巴片区域，再通过在镍片区域上动态查询灰度异常值，获取两条焊缝区域，并根据两条焊缝区域的坐标确定中心区域的坐标，通过计算中心区域的深度值与巴片区域的深度值的差值，获取锂电池镍片与巴片的间距。本申请实施例基于机器视觉检测相关原理，取代了人工检测，节约了人力成本，提高了生产的效率及检测的规范性和准确度，同时，本申请所开发的结合了2D和3D视觉处理技术的检测算法，解决了单一2D或3D算法所带来的硬件不匹配、算法复杂度大等缺陷，该检测方法复杂度低、精度高，适宜应用在工业生产中。
本申请实施例还提供了一种高精度的锂电池镍片焊缝与巴片之间的距离检测装置300，如图5所示，包括：
深度图像获取模块301，用于获取待检测焊接位置图像的深度图像数据，并将所述深度图像数据转换为二维图像数据；
区域识别模块302，用于通过Sobel边缘算子对所述二维图像数据进行边缘特征提取，识别出巴片区域和镍片区域；
区域分离模块303，用于根据预设的空间数据定位并分离所述镍片区域和巴片区域；
焊缝识别模块304，用于在所述镍片区域通过基于高斯分布的异常值检测算法及差分算法，识别出第一焊缝区域和第二焊缝区域；
第一高度数据获取模块305，用于获取位于所述第一焊缝区域与第二焊缝区域之间的中心区域的坐标，并获取所述中心区域的第一高度数据；
第二高度数据获取模块306，用于获取所述巴片区域内预设的坐标点的第二高度数据；
间距获取模块307，用于根据所述第一高度数据和所述第二高度数据之间的差值，获取所述锂电池的镍片与巴片之间的间距。
在一个示例性的例子中，一种高精度的锂电池镍片焊缝与巴片之间的距离检测装置300还包括：
第一高度数据获取单元，用于根据所述镍片区域的边缘位置坐标和所述中心区域的坐标，获取所述第一高度数据，其中，所述第一高度数据为同时位于所述镍片区域的边缘位置与所述中心区域的坐标点的深度数据；
第二高度数据获取单元，用于根据所述巴片区域的坐标位置，获取所述第二高度数据，其中，所述第二高度数据为位于所述巴片区域且在离所述中心区域预设阈值范围内的坐标点的深度数据。
需要说明的是，上述实施例提供的一种高精度的锂电池镍片焊缝与巴片之间的距离检测装置在执行一种高精度的锂电池镍片焊缝与巴片之间的距离检测方法时，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，即将设备的内部结构划分为不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的一种高精度的锂电池镍片焊缝与巴片之间的距离检测装置与一种高精度的锂电池镍片焊缝与巴片之间的距离检测方法属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
如图6所示，图6是本申请实施例根据一示例性实施例示出的一种电子设备的结构框图。
所述电子设备包括处理器410和存储器420。该主控芯片中处理器410的数量可以是一个或者多个，图6中以一个处理器410为例。该主控芯片中存储器420的数量可以是一个或者多个，图6中以一个存储器420为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例任意实施例所述的一种高精度的锂电池镍片与巴片间距的检测方法程序，以及本申请实施例任意实施例所述的一种高精度的锂电池镍片与巴片间距的检测方法对应的程序指令/模块。存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述任一实施例所记载的一种高精度的锂电池镍片与巴片间距的检测方法。
本发明可采用在一个或多个其中包含有程序代码的存储介质(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。计算机可读储存介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其它数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其它类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其它内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其它光学存储、磁盒式磁带，磁带磁磁盘存储或其它磁性存储设备或任何其它非传输介质，可用于存储可以被计算设备访问的信息。
应当理解的是，本申请实施例并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请实施例的范围仅由所附的权利要求来限制。
以上所述实施例仅表达了本申请实施例的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请实施例构思的前提下，还可以做出若干变形和改进，这些都属于本申请实施例的保护范围。

Claims (10)

1.一种高精度的锂电池镍片与巴片间距的检测方法，其特征在于，包括：
获取待检测焊接位置图像的深度图像数据，并将所述深度图像数据转换为二维图像数据；
通过Sobel边缘算子对所述二维图像数据进行边缘特征提取，识别出巴片区域和镍片区域；
根据预设的空间数据定位并分离所述镍片区域和巴片区域；
在所述镍片区域通过基于高斯分布的异常值检测算法及差分算法，识别出第一焊缝区域和第二焊缝区域；
获取位于所述第一焊缝区域与第二焊缝区域之间的中心区域的坐标，并获取所述中心区域的第一高度数据；
获取所述巴片区域内预设的坐标点的第二高度数据；
根据所述第一高度数据和所述第二高度数据之间的差值，获取所述锂电池的镍片与巴片的间距。
2.根据权利要求1所述的一种高精度的锂电池镍片与巴片间距的检测方法，其特征在于，获取所述第一高度数据和第二高度数据，具体包括如下步骤：
根据所述镍片区域的边缘位置坐标和所述中心区域的坐标，获取所述第一高度数据，其中，所述第一高度数据为同时位于所述镍片区域的边缘位置与所述中心区域的坐标点的深度数据；
根据所述巴片区域的坐标位置，获取所述第二高度数据，其中，所述第二高度数据为位于所述巴片区域且在离所述中心区域预设阈值范围内的坐标点的深度数据。
3.根据权利要求1所述的一种高精度的锂电池镍片与巴片间距的检测方法，其特征在于，在根据预设的空间数据定位并分离所述镍片区域和巴片区域后，还包括如下步骤：
通过仿射变换算法，对所述镍片区域和巴片区域进行角度矫正，获取在水平方向上角度无倾斜的镍片区域图像数据及巴片区域图像数据。
4.根据权利要求3所述的一种高精度的锂电池镍片与巴片间距的检测方法，其特征在于，将所述深度图像数据转换为二维图像数据后，还包括如下步骤：
去除所述二维图像数据中的噪点和无效值，其中，所述无效值为超出图像获取设备景深范围内的数值，所述噪点为未超出所述图像获取设备景深范围内但深度值与深度方差的差值超过预设定阈值的离群点。
5.根据权利要求1所述的一种高精度的锂电池镍片与巴片间距的检测方法，其特征在于，根据预设的空间数据定位并分离所述镍片区域和巴片区域，具体包括如下步骤：
根据面积特征，确定面积较大的区域为所述巴片区域；
根据位置特征，确定位于所述巴片区域中间，且一端在所述巴片区域内部，另一端凸出所述巴片区域的区域为所述镍片区域。
6.根据权利要求4所述的一种高精度的锂电池镍片与巴片间距的检测方法，其特征在于，对所述镍片区域和巴片区域进行角度矫正后，包括如下步骤：
对进行角度矫正后的镍片区域和巴片区域中的无效值区域和噪点进行均值填充，所述均值为所述镍片区域与巴片区域中有效值区域的深度均值。
7.一种高精度的锂电池镍片焊缝与巴片之间的距离检测装置，其特征在于，包括：
深度图像获取模块，用于获取待检测焊接位置图像的深度图像数据，并将所述深度图像数据转换为二维图像数据；
区域识别模块，用于通过Sobel边缘算子对所述二维图像数据进行边缘特征提取，识别出巴片区域和镍片区域；
区域分离模块，用于根据预设的空间数据定位并分离所述镍片区域和巴片区域；
焊缝识别模块，用于在所述镍片区域通过基于高斯分布的异常值检测算法及差分算法，识别出第一焊缝区域和第二焊缝区域；
第一高度数据获取模块，用于获取位于所述第一焊缝区域与第二焊缝区域之间的中心区域的坐标，并获取所述中心区域的第一高度数据；
第二高度数据获取模块，用于获取所述巴片区域内预设的坐标点的第二高度数据；
间距获取模块，用于根据所述第一高度数据和所述第二高度数据之间的差值，获取所述锂电池的镍片与巴片之间的间距。
8.根据权利要求7所述的一种高精度的锂电池镍片焊缝与巴片之间的距离检测装置，其特征在于，还包括：
第一高度数据获取单元，用于根据所述镍片区域的边缘位置坐标和所述中心区域的坐标，获取所述第一高度数据，其中，所述第一高度数据为同时位于所述镍片区域的边缘位置与所述中心区域的坐标点的深度数据；
第二高度数据获取单元，用于根据所述巴片区域的坐标位置，获取所述第二高度数据，其中，所述第二高度数据为位于所述巴片区域且在离所述中心区域预设阈值范围内的坐标点的深度数据。
9.一种电子设备，其特征在于，包括：
至少一个存储器以及至少一个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至6任一项所述的一种高精度的锂电池镍片与巴片间距的检测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的一种高精度的锂电池镍片与巴片间距的检测方法的步骤。
CN202211269414.5A 2022-10-18 2022-10-18 一种高精度的锂电池镍片与巴片间距的检测方法及装置 Active CN115345878B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211269414.5A CN115345878B (zh) 2022-10-18 2022-10-18 一种高精度的锂电池镍片与巴片间距的检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211269414.5A CN115345878B (zh) 2022-10-18 2022-10-18 一种高精度的锂电池镍片与巴片间距的检测方法及装置

Publications (2)

Publication Number Publication Date
CN115345878A true CN115345878A (zh) 2022-11-15
CN115345878B CN115345878B (zh) 2023-01-31

Family

ID=83957368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211269414.5A Active CN115345878B (zh) 2022-10-18 2022-10-18 一种高精度的锂电池镍片与巴片间距的检测方法及装置

Country Status (1)

Country Link
CN (1) CN115345878B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116228640A (zh) * 2022-12-14 2023-06-06 广州市斯睿特智能科技有限公司 基于深度图像的焊缝检测方法、系统、装置及存储介质
CN117686939A (zh) * 2024-02-02 2024-03-12 宁德时代新能源科技股份有限公司 电池镍片焊接质量检测系统和电池镍片焊接质量检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021213223A1 (zh) * 2020-04-20 2021-10-28 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、系统及电子设备
WO2021217859A1 (zh) * 2020-04-30 2021-11-04 平安国际智慧城市科技股份有限公司 目标异常识别方法、装置、电子设备及存储介质
CN113989280A (zh) * 2021-12-28 2022-01-28 武汉市鑫景诚路桥钢模有限公司 基于图像处理技术的钢结构焊接裂纹缺陷检测方法
CN114119461A (zh) * 2021-10-08 2022-03-01 厦门微亚智能科技有限公司 基于深度学习的锂电池模组侧面焊缝外观检测算法及系统
CN115070251A (zh) * 2022-06-21 2022-09-20 苏州大学 搅拌摩擦焊表面焊接质量检测方法
CN115100127A (zh) * 2022-06-13 2022-09-23 杭州安脉盛智能技术有限公司 一种基于视觉识别的圆形焊缝缺陷检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021213223A1 (zh) * 2020-04-20 2021-10-28 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、系统及电子设备
WO2021217859A1 (zh) * 2020-04-30 2021-11-04 平安国际智慧城市科技股份有限公司 目标异常识别方法、装置、电子设备及存储介质
CN114119461A (zh) * 2021-10-08 2022-03-01 厦门微亚智能科技有限公司 基于深度学习的锂电池模组侧面焊缝外观检测算法及系统
CN113989280A (zh) * 2021-12-28 2022-01-28 武汉市鑫景诚路桥钢模有限公司 基于图像处理技术的钢结构焊接裂纹缺陷检测方法
CN115100127A (zh) * 2022-06-13 2022-09-23 杭州安脉盛智能技术有限公司 一种基于视觉识别的圆形焊缝缺陷检测方法
CN115070251A (zh) * 2022-06-21 2022-09-20 苏州大学 搅拌摩擦焊表面焊接质量检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
EMMANUEL SIRYABE ET AL.: "X-ray digital detector array radiology to infer sagging depths in welded assemblies", 《NDT&E INTERNATIONAL111(2020)102238》 *
胡曦 等: "管道全位置焊缝三维测量研究", 《石油机械》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116228640A (zh) * 2022-12-14 2023-06-06 广州市斯睿特智能科技有限公司 基于深度图像的焊缝检测方法、系统、装置及存储介质
CN117686939A (zh) * 2024-02-02 2024-03-12 宁德时代新能源科技股份有限公司 电池镍片焊接质量检测系统和电池镍片焊接质量检测方法

Also Published As

Publication number Publication date
CN115345878B (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN115345878B (zh) 一种高精度的锂电池镍片与巴片间距的检测方法及装置
CN111582054B (zh) 点云数据处理方法及装置、障碍物检测方法及装置
CN111598916A (zh) 一种基于rgb-d信息的室内占据栅格地图的制备方法
CN107610176A (zh) 一种基于Kinect的栈板动态识别与定位方法、系统及介质
CN107588721A (zh) 一种基于双目视觉的零件多尺寸的测量方法及系统
CN108010123B (zh) 一种保留拓扑信息的三维点云获取方法
CN111429527B (zh) 一种车载相机的外参自动标定方法及系统
CN112686877A (zh) 基于双目相机的三维房屋损伤模型构建测量方法及系统
CN111553946B (zh) 用于去除地面点云的方法及装置、障碍物检测方法及装置
CN114998328A (zh) 一种基于机器视觉的工件喷涂缺陷检测方法、系统及可读存储介质
CN113298949A (zh) D类焊缝信息获取方法、装置及计算机存储介质
CN116222425A (zh) 一种基于多目三维扫描装置的三维重建方法及系统
CN114298151A (zh) 一种基于点云数据与图像数据融合的3d目标检测方法
CN112330667B (zh) 一种基于形态学的激光条纹中心线提取方法
CN110136248B (zh) 一种基于双目立体视觉的变速器壳体三维重建装置及方法
CN113610929A (zh) 一种相机与多线激光的联合标定方法
CN112767239A (zh) 一种样本自动生成方法、系统、设备和存储介质
CN102967277A (zh) 定向管平行度测量方法
CN109118565B (zh) 一种顾及杆塔电力线遮挡的电力走廊三维模型纹理映射方法
CN113129348B (zh) 一种基于单目视觉的道路场景中车辆目标的三维重建方法
CN115546216A (zh) 一种托盘检测方法、装置、设备及存储介质
CN111633358B (zh) 基于激光的焊缝参数测量方法及装置
CN114926332A (zh) 基于无人机母车的无人机全景图像拼接方法
CN111630569B (zh) 双目匹配的方法、视觉成像装置及具有存储功能的装置
CN117456131B (zh) 缺陷场景下点云的降采样方法及装置

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
CP03 Change of name, title or address

Address after: 510000 3, building 9, two South Road, Dashi street, Dashi street, Guangzhou, Guangdong, Panyu District, China.

Patentee after: Guangzhou Yihong Intelligent Equipment Co.,Ltd.

Address before: 511449 101-301, building 3, No. 9, Huijiang Shinan Second Road, Dashi street, Panyu District, Guangzhou, Guangdong

Patentee before: GUANGZHOU EHOLLY INTELLIGENT EQUIPMENT Co.,Ltd.

CP03 Change of name, title or address