CN115775241B - 用于锂电池隔膜生产的流延厚度均匀性检测方法 - Google Patents
用于锂电池隔膜生产的流延厚度均匀性检测方法 Download PDFInfo
- Publication number
- CN115775241B CN115775241B CN202211544492.1A CN202211544492A CN115775241B CN 115775241 B CN115775241 B CN 115775241B CN 202211544492 A CN202211544492 A CN 202211544492A CN 115775241 B CN115775241 B CN 115775241B
- Authority
- CN
- China
- Prior art keywords
- casting
- pixel point
- edge
- obtaining
- gradient
- 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
-
- 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
- Image Analysis (AREA)
Abstract
本发明涉及图像数据处理技术领域,提出了用于锂电池隔膜生产的流延厚度均匀性检测方法,包括:获取流延区域图像的灰度流延图像;在灰度流延图像中根据所有像素点的当前梯度得到所有非边缘像素点,在所有非边缘像素点中,得到每个像素点的第一均值和第二均值,根据每个像素点的第一均值和第二均值得到每个像素点的sobel卷积因子,并得到每个像素点的最终梯度;根据最终梯度获得孔隙真实边缘点;根据孔隙真实边缘点与竖直方向最相邻的边缘像素点的距离获得距离序列,对所有距离序列进行聚类获得孔隙均匀性;根据不同时刻的孔隙均匀性计算得到流延厚度均匀性,并对其进行检测。本发明可以更精确的提取出边缘像素点。
Description
技术领域
本发明涉及图像处理领域,具体涉及用于锂电池隔膜生产的流延厚度均匀性检测方法。
背景技术
锂离子电池是现代高性能电池的代表,由正极材料、负极材料、隔膜、电解液四个主要部分组成。其中,隔膜是一种具有微孔结构的薄膜,是锂离子电池产业链中最具技术壁垒的关键内层组件,即隔膜质量直接影响锂电池质量。隔膜生产过程主要为投料、流延、拉伸,其中拉伸过程指对流延片进行拉伸从而获得隔膜产品,此时流延的厚度均匀性直接影响拉伸效果,从而影响隔膜质量,所以为了控制隔膜质量,在拉伸之前首先需要进行流延厚度均匀性检测。
锂电池隔膜生产中的流延是通过混合原料挤压生成的,所以其本身具有薄片特征,即一般无法直接从流延本身进行厚度检测。但是流延拉伸过程中流延厚度影响着拉伸所产生的孔隙特征,所以本发明利用流延拉伸所产生的孔隙均匀性反应流延厚度均匀性,所以首先需要获得孔隙边缘。对于流延拉伸图像中孔隙的获取现有技术主要利用边缘检测技术,比如sobel算子,但是当前的流延孔隙中存在着粘连带对孔隙真实边缘检测的影响,所以本发明根据粘连带与现有孔隙的位置关系,改进sobel算子,以获得所有孔隙边缘,即获得孔隙真实边缘。
发明内容
本发明提供一种用于锂电池隔膜生产的流延厚度均匀性检测方法,以解决现有的流延厚度检测精度较低的问题,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了一种用于锂电池隔膜生产的流延厚度均匀性检测方法,该方法包括以下步骤:
获取相机拍摄图像分割后的流延区域图像,获取流延区域图像的灰度流延图像;
获得灰度流延图像所有像素点的第一梯度,根据所有像素点的第一梯度得到灰度流延图像的边缘像素点,获取除了边缘像素点以外的所有非边缘像素点,对于所有非边缘像素点中的每个像素点,获得每个像素点水平方向相邻的N0个像素点的第一梯度值均值作为第一均值,获得每个像素点竖直方向相邻的N0个像素点的第一梯度值均值作为第二均值,获取灰度流延图像中第一梯度最大值,分别令第一均值和第二均值与梯度最大值相比得到第一比值与第二比值,根据第一比值与第二比值得到第一权重因子,根据第一权重因子得到第二权重因子得到每个像素点的卷积因子权重,根据每个像素点的卷积因子权重获取所有非边缘像素点中每个像素点的sobel卷积因子;
根据灰度流延图像所有非边缘像素点中每个像素点的sobel卷积因子获取得到每个像素点的第二梯度,根据每个像素点的第二梯度以及每个像素点的同行相邻非边缘点已知第二梯度的均值获得最终梯度,根据最终梯度获得属于已知孔隙边缘与粘连带的连接像素点,结合灰度流延图像的边缘像素点获得孔隙真实边缘点;
根据孔隙真实边缘点与竖直方向最相邻的边缘像素点的距离获得距离序列,对所有距离序列进行聚类获得孔隙均匀性;
根据不同时刻的孔隙均匀性计算得到流延厚度均匀性,并对其进行检测。
优选的,所述根据第一权重因子与第二权重因子得到每个像素点的卷积因子权重的计算方法为:
式中,Di,l表示第i个像素点水平方向相邻的第l个像素点的第一梯度值,Dmax表示图像中第一梯度值的最大值,Di,h表示第i个像素点竖直方向相邻的第h个像素点的第一梯度值,bi表示第一权重因子,为第i个像素点选取水平及竖直方向的像素点数量;
ai=|2-bi|
ai表示第二权重因子。
优选的,所述根据每个像素点的第二梯度以及每个像素点的同行相邻非边缘点第二梯度的均值获得最终梯度的计算方法为:
优选的,所述孔隙均匀性的计算方法为:
式中W表示孔隙的均匀性,d0即表示对应聚簇中心,dj表示第j个孔隙真实边缘像素点与竖直方向最相邻的边缘像素点的距离,n表示孔隙真实边缘像素点的数量。
优选的,所述流延厚度均匀性的获得方法为:
获取流延开始拉伸时刻的时间以及流延结束拉伸时刻的时间,另在拉伸过程中每时刻的时间和该时刻的孔隙均匀性相乘得到每个时刻的流延厚度均匀性,再将从开始时刻到结束时刻每时刻的流延厚度均匀性相加比上开始时刻到结束时刻的时间得到流延厚度均匀性。
本发明的有益效果是:确定孔隙的产生于流延厚度之间的关系,且利用微分的思想确定孔隙与流延局部厚度的关系,从而可以将流延厚度转换为孔隙特点,便于直接从图像中进行识别。利用sobel算子在竖直方向的梯度,获得水平方向的孔隙边缘,更加能够体现出拉伸对孔隙的影响,减少其他方向梯度对孔隙边缘的影响。利用sobel卷积因子的不同权值,首先放大了已知孔隙边缘与粘连带连接处像素点中邻近与孔隙的像素点梯度,然后利用已知孔隙边缘与粘连带连接处像素点中同行位置关系,在非边缘像素点中反应出已知孔隙边缘与粘连带连接处像素点梯度关系,从而确定了已知孔隙边缘与粘连带连接处像素点,从而获得孔隙真实边缘。通过孔隙边缘像素点之间的聚类中聚簇点之间的关系,反应孔隙均匀性,避免了在所有边缘像素点所反映的孔隙大小和孔隙之间的筛选,即更加便捷的获得孔隙的均匀性。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一个实施例所提供用于锂电池隔膜生产的流延厚度均匀性检测方法的流程示意图;
图2为sobel算子卷积因子;
图3为孔隙边缘图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例提供的用于锂电池隔膜生产的流延厚度均匀性检测方法流程图,该方法包括以下步骤:
步骤S001、在隔膜生产中获取流延,并得到流延区域图像。
对于锂电池隔膜的生产根据不同的需求具有不同的方法,但是所有方法都是基于流延进行拉伸,即首先需要获得流延。在生产过程中首先需要将原料与添加剂进行混合,然后输送到挤出系统,在挤出系统中经过经熔融塑化后从模头挤出熔体,熔体经流延后形成特定结晶结构的基膜,从而获得隔膜生产中影响隔膜质量的流延,即本发明方案待检测的对象。
在锂电池隔膜生产中,根据其工艺步骤,在获得流延后需要进行拉伸,拉伸过程中孔隙的分布特点反应流延厚度均匀性,所以本发明根据拉伸过程中通过显微相机记录孔隙的变化从而判断流延厚度的均匀性。
首先在拉伸面正上方安装显微相机,拍摄拉伸过程的流延图像,此时图像中可能存在背景区域,所以首先根据现有的图像分割方法,在输入原始图像后,获得流延区域图像,后续处理均基于所获得的流延区域图像。
步骤S002、获取所有流延区域图像非边缘像素点的最终梯度,得到孔隙真实边缘。
首先在流延拉伸过程中,流延拉伸程度越高,流延表面出现孔隙的速度越快,且孔隙越大。流延表面的拉伸程度受流延不同位置应力的影响,流延某一位置所受应力越大,拉伸程度越高。
已知在流延不同位置的应力大小受拉伸外力以及不同位置横截面积影响,具体表示为其中P表示流延所受拉力的大小,A表示流延不同位置的横截面积,σ表示对应位置的应力。但是对于同一次拉伸过程中对流延所施加的外力一致,所以流延不同位置所受的应力的差异完全由对应位置的横截面积决定。在流延不同位置的相同大小区域的横截面积即为流延的厚度。
一般流延越厚,其横截面积越大,所受的应力越小,拉伸程度越大,出现孔隙的速度越快,且孔隙变化越大。所以本实施例直接利用流延拉伸过程中不同位置的孔隙特点,进行流延厚度均匀性检测。
利用上述步骤,对流延拉伸过程产生孔隙的原因进行分析,从而确定孔隙的产生于流延厚度之间的关系,从而可以将流延厚度转换为孔隙特点,便于直接从图像中进行识别。
对于流延厚度均匀性的检测中,主要依据流延拉伸过程中流延孔隙特征之间的差异,所以首先需要获得流延图像中的孔隙边缘。
对于流延在拉伸过程中孔隙的产生是受拉伸方向拉力作用产生应力,使得流延表面发生应变的结果,所以孔隙的产生方向为流延的拉伸方向,所以本实施例主要分析流延拉伸方向进行孔隙的检测。
在孔隙检测中,根据sobel算子考虑不同方向灰度梯度的特点,构建竖直方向sobel卷积因子如图2,利用图2所构建竖直方向sobel卷积因子,利用该sobel卷积因子获得所有像素点的竖直方向的梯度作为第一梯度。
进一步的,得到第i个像素点在竖直方向的第一梯度值Di,然后设置阈值D0,将大于阈值的像素点先作为已知的边缘像素点,阈值设置D0=100。此时需要在不属于边缘的像素点中进行筛选,获得其中数据粘连带的像素点,从而获得完整的孔隙水平边缘。对于粘连带的像素点的筛选,首先需要确定粘连带与已知边缘的连接位置,并确定其像素点第一梯度。
如图3所示,像素点序列ABBA表示已知孔隙边缘与粘连带的连接像素点,黑色部分为边缘像素点,在实际中同样数据孔隙边缘。所以需要在图像中确定ABBA,同样根据像素点的梯度进行判断,首先在像素点ABBA中存在梯度特点像素点为A,即能够根据周围像素点获得较大的梯度值的像素点,用以区分粘连带像素点与其他非边缘像素点,此时根据像素点位置特点,对上述sobel卷积因子进行调整,表示为:
其中a,b表示不同位置中sobel卷积因子的权重,为了针对第i个像素点进行说明,将第i个像素点的卷积因子权重记为ai、bi,此时对于图像中不同位置的sobel卷积因子的权重的具体值为:
其中Di,l表示第i个像素点水平方向相邻的第l个像素点的第一梯度值,表示第i个像素点水平方向相邻的/>个像素点的第一梯度值均值,其中设置Dmax表示图像中第一梯度值的最大值,所以/>表示/>个像素点趋近于水平方向边缘程度,即反应第i个像素点属于粘连带与水平边缘连接处的可能性,/>越大,第i个点同行的点的第一梯度越大,所以第i个像素点属于粘连带与水平边缘连接处的可能性越大;
表示第i个像素点竖直方向相邻的/>个像素点的第一梯度值均值,其中Di,h表示第i个像素点竖直方向相邻的第h个像素点的第一梯度值,/>越小,第i个像素点同列的像素点的第一梯度越小,同列的像素点位于粘连带的可能性越大,第i个像素点属于粘连带与水平边缘连接处的可能性越大,即/>越大,第i个像素点属于粘连带与水平边缘连接处的可能性越大。
对于图像中属于粘连带与水平边缘连接处的像素点,相对于孔隙属于孔隙边缘,即需要对应像素点的梯度值增大,此时提高当前像素点在sobel卷积窗口对角位置的像素点在sobel卷积因子中的权重,即获得对应sobel卷积因子的权重即水平梯度均值越大,且竖直梯度均值越小,水平方向的权重就越大。
同理,在增加sobel卷积窗口对角位置的像素点在sobel卷积因子中的权重的同时,需要减少sobel卷积窗口竖直方向sobel卷积因子中的权重,具体表示为:
ai=|2-bi|
至此,得到新的卷积核后,利用新的卷积核计算图像中第i个非边缘区域像素点的第二梯度记为D′i,但是当前像素点第二梯度主要针对已知孔隙边缘与粘连带的连接像素点中的与孔隙向连接的像素点,即所反映的主要是已知孔隙边缘与粘连带的连接像素点中的与孔隙向连接的像素点,对于已知孔隙边缘与粘连带的连接像素点的体现不足,即无法根据当前非边缘像素点第二梯度D′i区分出所有的已知孔隙边缘与粘连带的连接像素点。已知孔隙粘连带与已知孔隙边缘的连接像素点在水平方向连续分布,所以需要结合当前D′i确定能够体现已知孔隙边缘与粘连带的连接像素点特征的像素点第二梯度作为最终的非边缘像素点梯度。具体表示为:
已知D′i越大,对应像素点数据已知孔隙边缘与粘连带的连接像素点的可能性越大,此时对应像素点的最终梯度越大,此时然后根据非边缘像素点的第二梯度D′i设置阈值D′0=80,在D′i≤D′0时,对应非边缘像素点的梯度由行相邻非边缘像素点第二梯度代替,D′i>D′0时,对应非边缘像素点本身第二梯度作为最终梯度,D″i即非边缘像素点最终梯度。最后通过阈值D′0,将非边缘像素点中D″i>D′0的像素值判断为最终非边缘像素点中属于已知孔隙边缘与粘连带的连接像素点。
至此,结合已知孔隙边缘像素点和当前孔隙边缘与粘连带的连接像素点,获得当前流延图像中孔隙在水平方向的边缘像素点。
利用上述步骤,根据已知孔隙边缘与粘连带连接处像素点的特点,获得整个图像中真实的孔隙边缘,其中利用sobel卷积因子的不同权值,首先放大了已知孔隙边缘与粘连带连接处像素点中邻近与孔隙的像素点梯度,然后利用已知孔隙边缘与粘连带连接处像素点中同行位置关系,在非边缘像素点中反应出已知孔隙边缘与粘连带连接处像素点梯度关系,从而确定了已知孔隙边缘与粘连带连接处像素点,从而获得孔隙真实边缘。
步骤S003、根据聚类得到孔隙均匀性,并根据孔隙均匀性得到流延厚度均匀性。
首先,获得流延图像中的所有孔隙,为确定孔隙所反映的流延厚度的均匀性,首先需要确定孔隙的均匀性。
对于流延表面孔隙的均匀性,主要体现在流延拉伸方向孔隙的间隔,即竖直方向孔隙边缘像素点之间的位置关系,但是对于孔隙边缘在竖直方向的分布同时反应孔隙的大小与孔隙之间的距离,此时,首先计算所有孔隙真实边缘像素点与竖直方向最相邻的边缘像素点的距离,记第j个孔隙真实边缘像素点与竖直方向最相邻的边缘像素点的距离为dj,然后利用所有的dj体现孔隙的均匀性,具体过程为:
对所有的dj进行聚类,为体现dj所反应的孔隙的大小与孔隙之间的距离,本发明利用K-means聚类方法,且设置聚簇个数为2,根据聚簇个数随机选择两个距离作为聚簇中心,分别表示孔隙大小和孔隙之间的距离,然后根据聚簇与对应簇内点的关系,确定孔隙的均匀性,具体表示为:
其中|dj-d0|表示第j个距离与其对应的聚簇中心的差值,d0即表示对应聚簇中心,|dj-d0|越大,表示对应dj与其他距离的差异越大,反应孔隙之间的距离或者孔隙大小的差异越大,即反应孔隙的均匀性越小,即表示所有距离与对应聚簇中心差异的均值,n表示dj的数量,/>越大,体现孔隙的均匀性越小,W即表示孔隙的均匀性。
利用上述步骤,直接通过孔隙边缘像素点之间的聚类中聚簇点之间的关系,反应孔隙均匀性,避免了在所有边缘像素点所反映的孔隙大小和孔隙之间的筛选,即更加便捷的获得孔隙的均匀性。
进一步的,利用孔隙边缘在竖直方向的距离,获得孔隙的均匀性。此时需要根据孔隙的均匀性判断流延厚度的均匀性。
在实际流延拉伸过程中,不同拉伸程度所反映出的孔隙的特征具有差异,所以利用孔隙均匀性判断流延厚度均匀性时,需要根据不同拉伸程度下的图像特征综合判断,流延厚度均匀性具体表示为:
其中Wt表示流延拉伸过程中第t时刻对应的孔隙均匀性,因为在拉伸过程中,拉伸程度越大,所反映的孔隙特征越明显,所以对应的孔隙的均匀性越可信,所以利用t×Wt表示第t时刻拉伸获得的孔隙的均匀性所反映的流延厚度均匀性,所以表示整个拉伸过程中孔隙均匀性所反映的流延厚度均匀性,其中t0表示流延开始拉伸的时刻,tl表示流延结束拉伸的时刻,Q即表示流延厚度均匀性。
步骤S004、根据流延厚度均匀性进行流延筛选进行检测。
利用流延拉伸过程中孔隙均匀性判断获得流延厚度均匀性,此时根据流延厚度均匀性对流延进行筛选,获得厚度均匀的流延进行后续工序。首先对所有流延厚度均匀性Q进行归一化,表示为Q′,然后设置阈值0.8,将Q′小于0.8的流延判断为厚度不均匀的流延,即将其作废,不进行后续工序;将Q′大于0.8的流延判断为厚度均匀的流延,对其进行后续工序。
至此,完成锂电池隔膜生产中的流延厚度均匀性检测。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.用于锂电池隔膜生产的流延厚度均匀性检测方法,其特征在于,该方法包括以下步骤:
获取相机拍摄图像分割后的流延区域图像,获取流延区域图像的灰度流延图像;
获得灰度流延图像所有像素点的第一梯度,根据所有像素点的第一梯度得到灰度流延图像的边缘像素点,获取除了边缘像素点以外的所有非边缘像素点,对于所有非边缘像素点中的每个像素点,获得每个像素点水平方向相邻的个像素点的第一梯度值均值作为第一均值,获得每个像素点竖直方向相邻的/>个像素点的第一梯度值均值作为第二均值,获取灰度流延图像中第一梯度最大值,分别令第一均值和第二均值与梯度最大值相比得到第一比值与第二比值,根据第一比值与第二比值得到第一权重因子,根据第一权重因子得到第二权重因子,根据第一权重因子与第二权重因子得到每个像素点的卷积因子权重,根据每个像素点的卷积因子权重获取所有非边缘像素点中每个像素点的sobel卷积因子;
根据灰度流延图像所有非边缘像素点中每个像素点的sobel卷积因子获取得到每个像素点的第二梯度,根据每个像素点的第二梯度以及每个像素点的同行相邻非边缘点第二梯度的均值获得最终梯度,根据最终梯度获得属于已知孔隙边缘与粘连带的连接像素点,结合灰度流延图像的边缘像素点获得孔隙真实边缘点;
根据孔隙真实边缘点与竖直方向最相邻的边缘像素点的距离获得距离序列,对所有距离序列进行聚类获得孔隙均匀性;
根据不同时刻的孔隙均匀性计算得到流延厚度均匀性,并对其进行检测;
所述根据第一权重因子与第二权重因子得到每个像素点的卷积因子权重的计算方法为:
式中,表示第i个像素点水平方向相邻的第/>个像素点的第一梯度值,/>表示图像中第一梯度值的最大值,/>表示第i个像素点竖直方向相邻的第h个像素点的第一梯度值,/>表示第一权重因子,/>为第i个像素点选取水平及竖直方向的像素点数量;
所述根据每个像素点的第二梯度以及每个像素点的同行相邻非边缘点第二梯度的均值获得最终梯度的计算方法为:
所述孔隙均匀性的计算方法为:
2.根据权利要求1所述的用于锂电池隔膜生产的流延厚度均匀性检测方法,其特征在于,所述流延厚度均匀性的获得方法为:
获取流延开始拉伸时刻的时间以及流延结束拉伸时刻的时间,另在拉伸过程中每时刻的时间和该时刻的孔隙均匀性相乘得到每个时刻的流延厚度均匀性,再将从开始时刻到结束时刻每时刻的流延厚度均匀性相加比上开始时刻到结束时刻的时间得到流延厚度均匀性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211544492.1A CN115775241B (zh) | 2022-12-04 | 2022-12-04 | 用于锂电池隔膜生产的流延厚度均匀性检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211544492.1A CN115775241B (zh) | 2022-12-04 | 2022-12-04 | 用于锂电池隔膜生产的流延厚度均匀性检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115775241A CN115775241A (zh) | 2023-03-10 |
CN115775241B true CN115775241B (zh) | 2023-07-07 |
Family
ID=85391272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211544492.1A Active CN115775241B (zh) | 2022-12-04 | 2022-12-04 | 用于锂电池隔膜生产的流延厚度均匀性检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115775241B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102177428B (zh) * | 2008-10-14 | 2013-01-02 | 芝浦机械电子装置股份有限公司 | 图像处理方法、图像处理装置及使用该图像处理装置的表面检查装置 |
CN108022233A (zh) * | 2016-10-28 | 2018-05-11 | 沈阳高精数控智能技术股份有限公司 | 一种基于改进型Canny算子的工件边缘提取方法 |
CN111982921B (zh) * | 2020-05-21 | 2023-11-03 | 北京安视中电科技有限公司 | 孔缺陷的检测方法、装置、传送平台及存储介质 |
CN112508903B (zh) * | 2020-12-01 | 2022-04-19 | 电子科技大学 | 一种卫星望远镜镜片表面疵病轮廓检测方法 |
CN113870293B (zh) * | 2021-09-27 | 2022-10-14 | 东莞拓斯达技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN114170228B (zh) * | 2022-02-14 | 2022-04-19 | 西南石油大学 | 一种计算机图像边缘检测方法 |
CN115205282B (zh) * | 2022-08-30 | 2022-12-09 | 南通钇龙玻璃制品有限公司 | 一种用于铅酸蓄电池的玻璃纤维隔板均匀性评估方法 |
-
2022
- 2022-12-04 CN CN202211544492.1A patent/CN115775241B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115775241A (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376792B (zh) | 基于多通道残差神经网络的光伏电池外观缺陷分类方法 | |
CN107341463B (zh) | 一种结合图像质量分析与度量学习的人脸特征识别方法 | |
CN111695514B (zh) | 一种基于深度学习的雾天下车辆检测方法 | |
CN116109644B (zh) | 用于铜铝转接排的表面缺陷检测方法 | |
CN103605990B (zh) | 基于图聚类标签传播的集成多分类器融合分类方法和系统 | |
CN109523518B (zh) | 一种轮胎x光病疵检测方法 | |
CN106886778B (zh) | 一种监控场景下车牌字符分割与识别方法 | |
CN107491762A (zh) | 一种行人检测方法 | |
CN103679168A (zh) | 文字区域检测方法及装置 | |
CN114897896B (zh) | 基于灰度变换的建筑木材缺陷检测方法 | |
CN110084129A (zh) | 一种基于机器视觉的河流漂浮物实时检测方法 | |
CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
CN114170140A (zh) | 一种基于Yolov4的隔膜缺陷识别方法 | |
CN111209935B (zh) | 基于自适应域转移的无监督目标检测方法及系统 | |
CN112287980B (zh) | 基于典型特征向量的动力电池筛选方法 | |
CN101286227A (zh) | 一种无监督马尔可夫随机场图像分割方法 | |
CN115775241B (zh) | 用于锂电池隔膜生产的流延厚度均匀性检测方法 | |
CN117078678B (zh) | 基于图像识别的废硅片形状检测方法 | |
CN115170545A (zh) | 一种动态熔池尺寸检测及成形方向判别方法 | |
CN115115908A (zh) | 跨域目标检测模型训练方法、目标检测方法及存储介质 | |
CN108520539B (zh) | 一种基于稀疏学习可变模型的图像目标检测方法 | |
CN116823820B (zh) | 一种铝碳质整体塞棒轮廓弯曲检测方法 | |
CN115841600B (zh) | 基于深度学习的甘薯外观品质分类方法 | |
CN109978250B (zh) | 一种电池极片涂布生产面密度的质量预测方法 | |
CN107341456B (zh) | 一种基于单幅户外彩色图像的天气晴阴分类方法 |
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 |