CN115809982A - 电芯压伤检测方法、装置及系统 - Google Patents

电芯压伤检测方法、装置及系统 Download PDF

Info

Publication number
CN115809982A
CN115809982A CN202210946085.7A CN202210946085A CN115809982A CN 115809982 A CN115809982 A CN 115809982A CN 202210946085 A CN202210946085 A CN 202210946085A CN 115809982 A CN115809982 A CN 115809982A
Authority
CN
China
Prior art keywords
image
crush
core
similarity matching
detection
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
CN202210946085.7A
Other languages
English (en)
Other versions
CN115809982B (zh
Inventor
屠银行
崔坤鹏
高毅飞
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.)
Contemporary Amperex Technology Co Ltd
Original Assignee
Contemporary Amperex 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 Contemporary Amperex Technology Co Ltd filed Critical Contemporary Amperex Technology Co Ltd
Priority to CN202210946085.7A priority Critical patent/CN115809982B/zh
Publication of CN115809982A publication Critical patent/CN115809982A/zh
Priority to EP23789485.2A priority patent/EP4350619A4/en
Priority to PCT/CN2023/084745 priority patent/WO2024032007A1/zh
Priority to US18/387,475 priority patent/US20240071111A1/en
Application granted granted Critical
Publication of CN115809982B publication Critical patent/CN115809982B/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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30136—Metal
    • 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
    • G06T2207/30164—Workpiece; Machine component
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Secondary Cells (AREA)

Abstract

本申请涉及一种电芯压伤检测方法装置、系统、计算机设备、存储介质和计算机程序产品。整个方案，一方面，采用高速图像采集设备来采集电芯合芯图像，能够以更快节拍来采集图像；另一方面，采集的是流动电芯合芯的图像，无需将电芯合芯停止固定，不影响正常流水线生产；另外，针对采集到的电芯图像通过图像特征提取以及基于预设压伤模型的相似度匹配来快速得到压伤检测结果，整个方案可以满足更快生产节拍要求，能够实现快速的压伤检测。

Description

电芯压伤检测方法、装置及系统
技术领域
本申请涉及电池缺陷检测技术领域，特别是涉及一种电芯压伤检测方法、装置、系统、计算机设备、存储介质和计算机程序产品。
背景技术
电芯包Mylar是电池电芯生产流程中极为重要的一道工序，Mylar为聚酯薄膜，绝缘性好，包裹住电芯的表面，隔离电芯和外部铝壳，从而起到保护电芯的作用。
电芯在合芯之后，包Mylar膜之前，需要对电芯表面外观是否有压伤进行检测，防止压伤电芯组装成品电池后，电池性能造成影响。
传统的电芯压伤检测方案虽然可以实现压伤检测，但是随着电芯生产工艺以及生产流水线的革新，整个生产节拍加快，传统的电芯压伤检测方案无法满足更快生产节拍的要求。
发明内容
基于此，有必要针对上述技术问题，提供一种能够满足更快生产节拍要求，能够快速进行压伤检测的电芯压伤检测方法、装置、系统、计算机设备、存储介质和计算机程序产品。
第一方面，本申请提供了一种电芯压伤检测方法，方法包括：
通过高速图像采集设备采集流动电芯合芯的图像；
提取电芯合芯图像中图像特征；
将所述图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
基于所述相似度匹配结果，得到压伤检测结果。
本申请实施例的技术方案中，一方面，采用高速图像采集设备来采集电芯合芯图像，能够以更快节拍来采集图像；另一方面，采集的是流动电芯合芯的图像，无需将电芯合芯停止固定，不影响正常流水线生产；另外，针对采集到的电芯图像通过图像特征提取以及基于预设压伤模型的相似度匹配来快速得到压伤检测结果，整个方案可以满足更快生产节拍要求，能够实现快速的压伤检测。
在一些实施例中，所述通过高速图像采集设备采集流动电芯合芯的图像包括：
通过高速线扫相机采集从电芯合芯工作位流动至包Mylar工位的电芯合芯图像。
本申请实施例的技术方案中，采用高速线扫相机来进行图像采集能够高速、且有效采集电芯合芯图像，并且在采集电芯合芯图像的过程中，电芯合芯是随着生产线从电芯合芯工位流动至包Mylar工位的，即不影响正常流水生产，能够满足更快生产节拍要求。
在一些实施例中，所述将所述图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果包括：
获取所述预设压伤模型对应的压伤特征参数数据库；
根据所述图像特征，获取电芯合芯的检测特征参数；
将所述检测特征参数在所述压伤特征参数数据库进行相似度匹配，得到相似度匹配结果。
本申请实施例的技术方案中，基于预设压伤模型，获取对应的压伤特征参数数据库，将基于图形特征获取的电芯合芯的检测特征参数在压伤特征参数数据库中进行相似度匹配，寻找相似度匹配的压伤特征参数，能够快速、且准确得到相似度匹配结果。
在一些实施例中，所述将所述检测特征参数在所述压伤特征参数数据库进行相似度匹配，得到相似度匹配结果包括：
从所述压伤特征参数数据库提取不同压伤特征参数范围值；
识别所述检测特征参数中处于所述不同压伤特征参数范围值内的相似压伤特征参数；
从所述压伤特征参数数据库提取所述相似压伤特征参数对应的相似权重；
根据所述相似压伤特征参数以及所述相似权重，得到相似度匹配结果。
本申请实施例的技术方案中，基于检测特征参数中处于所述不同压伤特征参数范围值内的相似压伤特征参数来进行相似度匹配计算，并且针对不同的相似压伤特征参数预先赋值有不同的权重，充分考虑不同压伤特征之间表征压伤缺陷的影响程度，能够得到更加准确的相似度匹配结果。
在一些实施例中，所述提取电芯合芯图像中图像特征之前，还包括：
对所述电芯合芯图像进行预处理，所述预处理包括去噪处理、图像增强处理、灰度处理、二值图像处理、边缘检测与分割以及直方图匹配中的至少一项。
本申请实施例的技术方案中，针对电芯合芯图像进行图像特征提取之前，还对电芯合芯图像进行预处理，以便于后续更加快速提取得到电芯合芯图像中的图像特征。
在一些实施例中，所述提取电芯合芯图像中图像特征之前，还包括：获取已标注不同种类压伤特征的样本图像；通过所述样本图像对AI特征提取算法进行训练，得到已训练的AI特征提取算法；
所述提取电芯合芯图像中图像特征包括：采用所述已训练的AI特征提取算法，提取电芯合芯图像中图像特征。
本申请实施例的技术方案中，通过样本图像对AI特征算法进行提取，以得到能够准确提取压伤图像特征的AI算法，在需要对电芯合芯图像中图像特征进行提取时，直接采用已训练的AI特征提取算法，提取电芯合芯图像中图像特征，因此，能够更快快速、且准确提取到电芯合芯图像中图像特征。
第二方面，本申请还提供了一种电芯压伤检测装置。装置包括：
图像采集模块，用于通过高速图像采集设备采集流动电芯合芯的图像；
特征提取模块，用于提取电芯合芯图像中图像特征；
相似度匹配模块，用于将所述图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
检测模块，用于基于所述相似度匹配结果，得到压伤检测结果。
第三方面，本申请还提供了一种电芯压伤检测系统，包括高速线扫图像采集设备以及检测模块；
所述高速线扫图像采集设备采集流动的电芯合芯的图像；发送电芯合芯图像至所述检测模块；所述检测模块采取如上述的方法进行压伤检测。
第四方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
通过高速图像采集设备采集流动电芯合芯的图像；
提取电芯合芯图像中图像特征；
将所述图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
基于所述相似度匹配结果，得到压伤检测结果。
第五方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
通过高速图像采集设备采集流动电芯合芯的图像；
提取电芯合芯图像中图像特征；
将所述图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
基于所述相似度匹配结果，得到压伤检测结果。
第六方面，本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
通过高速图像采集设备采集流动电芯合芯的图像；
提取电芯合芯图像中图像特征；
将所述图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
基于所述相似度匹配结果，得到压伤检测结果。
上述电芯压伤检测装置、系统、计算机设备、存储介质和计算机程序产品，一方面，采用高速图像采集设备来采集电芯合芯图像，能够以更快节拍来采集图像；另一方面，采集的是流动电芯合芯的图像，无需将电芯合芯停止固定，不影响正常流水线生产；另外，针对采集到的电芯图像通过图像特征提取以及基于预设压伤模型的相似度匹配来快速得到压伤检测结果，整个方案可以满足更快生产节拍要求，能够实现快速的压伤检测。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请电芯压伤检测方法的应用场景示意图；
图2为一个实施例中电芯压伤检测方法的流程示意图；
图3为另一个实施例中电芯压伤检测方法的流程示意图；
图4为一个应用实例中电芯压伤检测方法的流程示意图；
图5为一个实施例中电芯压伤检测装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
下面将结合附图对本申请技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本申请的技术方案，因此只作为示例，而不能以此来限制本申请的保护范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。
在本申请实施例的描述中，技术术语“第一”“第二”等仅用于区别不同对象，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、特定顺序或主次关系。在本申请实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
电芯合芯是指2个裸电芯由展平状态翻折后变成重叠状态的一种电池工艺动作。Mylar为聚酯薄膜，绝缘性好，包裹住电芯的表面，隔离电芯和外部铝壳，从而起到保护电芯的作用。电芯在合芯之后，包Mylar膜之前，需要对电芯表面外观是否有压伤进行检测，防止压伤电芯组装成品电池后，电池性能造成影响。
在传统技术中，是使用4个视觉2D相机对电芯大面的正反面进行压伤检测。本申请发明人注意到在传统技术中采用视觉2D相机对电芯大面的正反面进行压伤检测的过程中，针对电芯合芯两个大面分别使用2个2D相机，并且在图像拍摄过程中需要将电芯合芯停止固定，拍摄处于静止固定状态的电芯合芯图像。随着电芯生产设备/流水线升级，其生产节拍提升，由传统的12PPM(Pages per minute，生产数量)提升到目前24PPM，传统这种利用2D相机来定位拍照进行压伤检测的方案已经无法满足电芯生产线的生产节拍要求。
为解决上述传统电芯合芯压伤检测无法满足更快生产节拍要求的问题，提出一种全新的电芯压伤检测方法，通过高速图像采集设备采集流动电芯合芯的图像；提取电芯合芯图像中图像特征；将图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；基于相似度匹配结果，得到压伤检测结果。整个方案中，一方面，采用高速图像采集设备来采集电芯合芯图像，能够以更快节拍来采集图像；另一方面，采集的是流动电芯合芯的图像，无需将电芯合芯停止固定，不影响正常流水线生产；另外，针对采集到的电芯图像通过图像特征提取以及基于预设压伤模型的相似度匹配来快速得到压伤检测结果，整个方案可以满足更快生产节拍要求，能够实现快速的压伤检测。
本申请实施例提供的电芯压伤检测方法，可以应用于电芯生产流水线上的压伤检测设备中。如图1所示，压伤检测设备设置于电芯合芯工位和包Mylar工位之间，电芯合芯从合芯工位流动至包Mylar工位，压伤检测设备通过高速图像采集设备采集流动电芯合芯的图像；提取电芯合芯图像中图像特征；将图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；基于相似度匹配结果，得到压伤检测结果。进一步的，压伤检测设备可以得到的压伤检测结果反馈至工作人员，以提示工作人员注意剔除存在压伤的电芯合芯；或者由其他自动化设备直接从生产线上将存在压伤的电芯合芯剔除。
如图2所示，本申请提供了一种电芯压伤检测方法，方法包括：
S200：通过高速图像采集设备采集流动电芯合芯的图像。
高速图像采集设备是指进行高速图像采集的设备，其可以以极高的速率来采集物体图像。具体来说，高速图像采集设备可以为高速线扫相机，在实际应用中，可以采用两台高速线扫相机来采集流动电芯合芯的图像，具体可以使用一台高速线扫相机采集电芯合芯正面图像，使用一台高速线扫相机采集电芯合芯反面图像。流动电芯合芯是指随着电芯生产线运动的电芯合芯，如上已述的，电芯合芯一般是从电芯合芯工位流动至包Mylar工位，因此，在实际应用中可以通过高速线扫相机来采集从电芯合芯工位流动至包Mylar工位的电芯合芯的图像。
S400：提取电芯合芯图像中图像特征。
图像特征用于表征图像特征点的参数。具体来说，图像特征可以以灰度值、形状、角度、长宽以及缩放等变量作为参数。针对电芯合芯图像中图像特征提取可以采用已训练的特征提取算法来进行。
S600：将图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果。
预设压伤模型是预先设定的压伤模型，其具体是基于电芯合芯中不同压伤情况对应的图像特征构建的模型，即预设压伤模型表征电芯合芯中不同压伤情况对应的变量参数，将实时采集到的图像特征与不同压伤情况对应的变量参数进行匹配，得到相似度匹配结果。
S800：基于相似度匹配结果，得到压伤检测结果。
经过S600处理得到的相似度匹配结果表征电芯合芯上存在压伤的可能性。具体来说，相似度匹配结果具体为相似度分值，可以将实时得到的相似度分值与预设相似度分值阈值进行比较，若相似度分值不小于预设相似度分值阈值，则表明电芯合芯存在压伤缺陷；若相似度分值小于预设相似度分值阈值，则表明电芯合芯不存在压伤缺陷。进一步的，针对存在压伤缺陷的电芯合芯，可以发出提示异常提示消息，以使工作人员或者自动化设备将存在压伤缺陷的电芯合芯从流水生产线上剔除。
本申请实施例的技术方案中，一方面，采用高速图像采集设备来采集电芯合芯图像，能够以更快节拍来采集图像；另一方面，采集的是流动电芯合芯的图像，无需将电芯合芯停止固定，不影响正常流水线生产；另外，针对采集到的电芯图像通过图像特征提取以及基于预设压伤模型的相似度匹配来快速得到压伤检测结果，整个方案可以满足更快生产节拍要求，能够实现快速的压伤检测。
在一些实施例中，通过高速图像采集设备采集流动电芯合芯的图像包括：
通过高速线扫相机采集从电芯合芯工作位流动至包Mylar工位的电芯合芯图像。
高速线扫相机可以快速采集从电芯合芯工作位流动至包Mylar工位的电芯合芯图像。具体来说，可以采用两台高速线扫相机来采集流动电芯合芯图像，其中一台采集电芯合芯正面的图像，另一台采集电芯合芯反面的图像。区别于常规需要采用4台2D相机来采集图像的方式，在这里，由于电芯合芯是流动的，针对正面和反面的图像采集过程不会存在因为单个图像设备采集宽度无法达到整个电芯合芯的长度，而需要在单个面上采用2台图像采集设备(2D相机)来进行采集的情况，简化了图像采集的结构。
本申请实施例的技术方案中，采用高速线扫相机来进行图像采集能够高速、且有效采集电芯合芯图像，并且在采集电芯合芯图像的过程中，电芯合芯是随着生产线从电芯合芯工位流动至包Mylar工位的，即不影响正常流水生产，能够满足更快生产节拍要求。
如图3所示，在一些实施例中，S600包括：
S620：获取预设压伤模型对应的压伤特征参数数据库；
S640：根据图像特征，获取电芯合芯的检测特征参数；
S660：将检测特征参数在压伤特征参数数据库进行相似度匹配，得到相似度匹配结果。
如上已述的，预设压伤模型是预先设定的模型，其表征电芯合芯中不同压伤情况对应的变量参数，基于这些变量参数生成压伤特征参数数据库，具体来说，该压伤特征参数数据库中可以包括存在压伤缺陷对应的灰度值、形状、角度、长宽、缩放等变量参数。基于实时采集得到的电芯合芯图像特征，获取电芯合芯的检测特征参数，将检测特征参数在压伤特征参数数据库进行相似度匹配，判断是否存在相似的检测特征参数，即判断电芯合芯是否存在疑似压伤缺陷的情况，得到相似度匹配结果。
本申请实施例的技术方案中，基于预设压伤模型，获取对应的压伤特征参数数据库，将基于图形特征获取的电芯合芯的检测特征参数在压伤特征参数数据库中进行相似度匹配，寻找相似度匹配的压伤特征参数，能够快速、且准确得到相似度匹配结果。
在一些实施例中，将检测特征参数在压伤特征参数数据库进行相似度匹配，得到相似度匹配结果包括：
从压伤特征参数数据库提取不同压伤特征参数范围值；识别检测特征参数中处于不同压伤特征参数范围值内的相似压伤特征参数；从压伤特征参数数据库提取相似压伤特征参数对应的相似权重；根据相似压伤特征参数以及相似权重，得到相似度匹配结果。
在实际进行相似度匹配的过程中，为了能够有效识别出压伤缺陷，以特征度特征参数范围值作为相似度对比对象。具体来说，不同的压伤特征参数对应有不同的特征参数范围值，例如长度有(a，b)毫米的范围值，若实时采集得到的检测特征参数中有处于不同压伤特征参数范围值内的特征参数，则表明该特征参数表征电芯合芯存在压伤缺陷的风险，处于不同压伤特征参数范围值内的特征参数为相似压伤特征参数。进一步的，从压伤特征参数数据库提取到这些相似压伤特征参数对应的相似权重，采用加权的方式对这些相似特征参数处理，得到相似度匹配结果。
下面将采用一个具体实例详细说明。从压伤特征参数数据库中提取存在压伤缺陷对应的长度范围值为(a，b)；灰度范围值为(c，d)；角度范围为(e，f)；若检测特征为长度x、灰度值y、角度z，若x处于范围(a，b)以内，y处于范围(c，d)以内，角度z未处于(e，f)以内，则判定相似压伤特征参数为长度和灰度，从压伤特征参数数据库中提取长度和灰度对应的相似权重m，n；采用加权的方式计算相似度分值，得到相似度匹配结果。
本申请实施例的技术方案中，基于检测特征参数中处于不同压伤特征参数范围值内的相似压伤特征参数来进行相似度匹配计算，并且针对不同的相似压伤特征参数预先赋值有不同的权重，充分考虑不同压伤特征之间表征压伤缺陷的影响程度，能够得到更加准确的相似度匹配结果。
在一些实施例中，提取电芯合芯图像中图像特征之前，还包括：对电芯合芯图像进行预处理，预处理包括去噪处理、图像增强处理、灰度处理、二值图像处理、边缘检测与分割以及直方图匹配中的至少一项。
在本实施例中，在提取电芯合芯图像中图像特征之前还对电芯合芯图像进行预处理，预处理具体可以是去噪处理、图像增强处理、灰度处理、二值图像处理、边缘检测与分割以及直方图匹配的任意一项处理或者这些处理随意组合之后的处理。具体来说，可以预处理可以依次包括去噪处理、图像增强处理、灰度处理、二值图像处理、边缘检测与分割以及直方图匹配处理。
本申请实施例的技术方案中，针对电芯合芯图像进行图像特征提取之前，还对电芯合芯图像进行预处理，以便于后续更加快速提取得到电芯合芯图像中的图像特征。
在一些实施例中，提取电芯合芯图像中图像特征之前，还包括：获取已标注不同种类压伤特征的样本图像；通过样本图像对AI特征提取算法进行训练，得到已训练的AI特征提取算法；提取电芯合芯图像中图像特征包括：采用已训练的AI特征提取算法，提取电芯合芯图像中图像特征。
AI算法是指具有机器学习能力的算法，其可以通过对已标注不同种类压伤特征的样本图形进行学习训练，得到已训练的AI特征提取算法；在需要进行图像特征提取时直接采用训练的AI特征提取算法，提取电芯合芯图像中图像特征。
本申请实施例的技术方案中，通过样本图像对AI特征算法进行提取，以得到能够准确提取压伤图像特征的AI算法，在需要对电芯合芯图像中图像特征进行提取时，直接采用已训练的AI特征提取算法，提取电芯合芯图像中图像特征，因此，能够更快快速、且准确提取到电芯合芯图像中图像特征。
为详细说明本申请电芯压伤检测方法的技术方案，下面将采用具体应用实例详细展开说明。
1、电芯合芯从合芯工位流动至包Mylar工位；
2、高速线扫相机采集电芯合芯图像，发送电芯合芯图像至压伤检测设备；
3、压伤检测设备对电芯合芯图像进行预处理；
4、采用已训练的AI算法对电芯合芯图像进行特征提取，得到图像特征；
5、采用预设压伤模型对图像特征进行相似度匹配，得到相似度匹配结果；
6、电芯合芯进入包Mylar工位；
7、若相似度匹配结果表征电芯合芯存在压伤时，剔除该电芯合芯；若相似度匹配结果表征电芯合芯不存在压伤时，进行包Mylar处理。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的电芯压伤检测方法的电芯压伤检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电芯压伤检测装置实施例中的具体限定可以参见上文中对于电芯压伤检测方法的限定，在此不再赘述。
如图5所示，本申请还提供了一种电芯压伤检测装置。装置包括：
图像采集模块200，用于通过高速图像采集设备采集流动电芯合芯的图像；
特征提取模块400，用于提取电芯合芯图像中图像特征；
相似度匹配模块600，用于将图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
检测模块800，用于基于相似度匹配结果，得到压伤检测结果。
上述电芯压伤检测装置，一方面，采用高速图像采集设备来采集电芯合芯图像，能够以更快节拍来采集图像；另一方面，采集的是流动电芯合芯的图像，无需将电芯合芯停止固定，不影响正常流水线生产；另外，针对采集到的电芯图像通过图像特征提取以及基于预设压伤模型的相似度匹配来快速得到压伤检测结果，整个方案可以满足更快生产节拍要求，能够实现快速的压伤检测。
在一些实施例中，图像采集模块200还用于通过高速线扫相机采集从电芯合芯工作位流动至包Mylar工位的电芯合芯图像。
在一些实施例中，相似度匹配模块600还用于获取预设压伤模型对应的压伤特征参数数据库；根据图像特征，获取电芯合芯的检测特征参数；将检测特征参数在压伤特征参数数据库进行相似度匹配，得到相似度匹配结果。
在一些实施例中，相似度匹配模块600还用于从压伤特征参数数据库提取不同压伤特征参数范围值；识别检测特征参数中处于不同压伤特征参数范围值内的相似压伤特征参数；从压伤特征参数数据库提取相似压伤特征参数对应的相似权重；根据相似压伤特征参数以及相似权重，得到相似度匹配结果。
在一些实施例中，上述电芯压伤检测装置还包括预处理模块，用于对电芯合芯图像进行预处理，预处理包括去噪处理、图像增强处理、灰度处理、二值图像处理、边缘检测与分割以及直方图匹配中的至少一项。
在一些实施例中，特征提取模块400还用于获取已标注不同种类压伤特征的样本图像；通过样本图像对AI特征提取算法进行训练，得到已训练的AI特征提取算法；采用已训练的AI特征提取算法，提取电芯合芯图像中图像特征。
上述电芯压伤检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
另外，本申请还提供了一种电芯压伤检测系统，包括高速线扫图像采集设备以及检测模块；
高速线扫图像采集设备采集流动的电芯合芯的图像；发送电芯合芯图像至检测模块；检测模块采取如上述的方法进行压伤检测。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6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、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电芯压伤检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6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。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
通过高速图像采集设备采集流动电芯合芯的图像；
提取电芯合芯图像中图像特征；
将图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
基于相似度匹配结果，得到压伤检测结果。
在一些实施例中，处理器执行计算机程序时还实现以下步骤：
通过高速线扫相机采集从电芯合芯工作位流动至包Mylar工位的电芯合芯图像。
在一些实施例中，处理器执行计算机程序时还实现以下步骤：
获取预设压伤模型对应的压伤特征参数数据库；根据图像特征，获取电芯合芯的检测特征参数；将检测特征参数在压伤特征参数数据库进行相似度匹配，得到相似度匹配结果。
在一些实施例中，处理器执行计算机程序时还实现以下步骤：
从压伤特征参数数据库提取不同压伤特征参数范围值；识别检测特征参数中处于不同压伤特征参数范围值内的相似压伤特征参数；从压伤特征参数数据库提取相似压伤特征参数对应的相似权重；根据相似压伤特征参数以及相似权重，得到相似度匹配结果。
在一些实施例中，处理器执行计算机程序时还实现以下步骤：
对电芯合芯图像进行预处理，预处理包括去噪处理、图像增强处理、灰度处理、二值图像处理、边缘检测与分割以及直方图匹配中的至少一项。
在一些实施例中，处理器执行计算机程序时还实现以下步骤：
获取已标注不同种类压伤特征的样本图像；通过样本图像对AI特征提取算法进行训练，得到已训练的AI特征提取算法；采用已训练的AI特征提取算法，提取电芯合芯图像中图像特征。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
通过高速图像采集设备采集流动电芯合芯的图像；
提取电芯合芯图像中图像特征；
将图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
基于相似度匹配结果，得到压伤检测结果。
在一些实施例中，计算机程序被处理器执行时还实现以下步骤：
通过高速线扫相机采集从电芯合芯工作位流动至包Mylar工位的电芯合芯图像。
在一些实施例中，计算机程序被处理器执行时还实现以下步骤：
获取预设压伤模型对应的压伤特征参数数据库；根据图像特征，获取电芯合芯的检测特征参数；将检测特征参数在压伤特征参数数据库进行相似度匹配，得到相似度匹配结果。
在一些实施例中，计算机程序被处理器执行时还实现以下步骤：
从压伤特征参数数据库提取不同压伤特征参数范围值；识别检测特征参数中处于不同压伤特征参数范围值内的相似压伤特征参数；从压伤特征参数数据库提取相似压伤特征参数对应的相似权重；根据相似压伤特征参数以及相似权重，得到相似度匹配结果。
在一些实施例中，计算机程序被处理器执行时还实现以下步骤：
对电芯合芯图像进行预处理，预处理包括去噪处理、图像增强处理、灰度处理、二值图像处理、边缘检测与分割以及直方图匹配中的至少一项。
在一些实施例中，计算机程序被处理器执行时还实现以下步骤：
获取已标注不同种类压伤特征的样本图像；通过样本图像对AI特征提取算法进行训练，得到已训练的AI特征提取算法；采用已训练的AI特征提取算法，提取电芯合芯图像中图像特征。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
通过高速图像采集设备采集流动电芯合芯的图像；
提取电芯合芯图像中图像特征；
将图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
基于相似度匹配结果，得到压伤检测结果。
在一些实施例中，计算机程序被处理器执行时还实现以下步骤：
通过高速线扫相机采集从电芯合芯工作位流动至包Mylar工位的电芯合芯图像。
在一些实施例中，计算机程序被处理器执行时还实现以下步骤：
获取预设压伤模型对应的压伤特征参数数据库；根据图像特征，获取电芯合芯的检测特征参数；将检测特征参数在压伤特征参数数据库进行相似度匹配，得到相似度匹配结果。
在一些实施例中，计算机程序被处理器执行时还实现以下步骤：
从压伤特征参数数据库提取不同压伤特征参数范围值；识别检测特征参数中处于不同压伤特征参数范围值内的相似压伤特征参数；从压伤特征参数数据库提取相似压伤特征参数对应的相似权重；根据相似压伤特征参数以及相似权重，得到相似度匹配结果。
在一些实施例中，计算机程序被处理器执行时还实现以下步骤：
对电芯合芯图像进行预处理，预处理包括去噪处理、图像增强处理、灰度处理、二值图像处理、边缘检测与分割以及直方图匹配中的至少一项。
在一些实施例中，计算机程序被处理器执行时还实现以下步骤：
获取已标注不同种类压伤特征的样本图像；通过样本图像对AI特征提取算法进行训练，得到已训练的AI特征提取算法；采用已训练的AI特征提取算法，提取电芯合芯图像中图像特征。
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，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(FerroelectricRandom Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(StaticRandom Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
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，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种电芯压伤检测方法，其特征在于，所述方法包括：
通过高速图像采集设备采集流动电芯合芯的图像；
提取电芯合芯图像中图像特征；
将所述图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
基于所述相似度匹配结果，得到压伤检测结果。
2.根据权利要求1所述的方法，其特征在于，所述通过高速图像采集设备采集流动电芯合芯的图像包括：
通过高速线扫相机采集从电芯合芯工作位流动至包Mylar工位的电芯合芯图像。
3.根据权利要求1所述的方法，其特征在于，所述将所述图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果包括：
获取所述预设压伤模型对应的压伤特征参数数据库；
根据所述图像特征，获取电芯合芯的检测特征参数；
将所述检测特征参数在所述压伤特征参数数据库进行相似度匹配，得到相似度匹配结果。
4.根据权利要求3所述的方法，其特征在于，所述将所述检测特征参数在所述压伤特征参数数据库进行相似度匹配，得到相似度匹配结果包括：
从所述压伤特征参数数据库提取不同压伤特征参数范围值；
识别所述检测特征参数中处于所述不同压伤特征参数范围值内的相似压伤特征参数；
从所述压伤特征参数数据库提取所述相似压伤特征参数对应的相似权重；
根据所述相似压伤特征参数以及所述相似权重，得到相似度匹配结果。
5.根据权利要求1所述的方法，其特征在于，所述提取电芯合芯图像中图像特征之前，还包括：
对所述电芯合芯图像进行预处理，所述预处理包括去噪处理、图像增强处理、灰度处理、二值图像处理、边缘检测与分割以及直方图匹配中的至少一项。
6.根据权利要求1所述的方法，其特征在于，所述提取电芯合芯图像中图像特征之前，还包括：
获取已标注不同种类压伤特征的样本图像；
通过所述样本图像对AI特征提取算法进行训练，得到已训练的AI特征提取算法；
所述提取电芯合芯图像中图像特征包括：
采用所述已训练的AI特征提取算法，提取电芯合芯图像中图像特征。
7.一种电芯压伤检测装置，其特征在于，所述装置包括：
图像采集模块，用于通过高速图像采集设备采集流动电芯合芯的图像；
特征提取模块，用于提取电芯合芯图像中图像特征；
相似度匹配模块，用于将所述图像特征与预设压伤模型进行相似度匹配，得到相似度匹配结果；
检测模块，用于基于所述相似度匹配结果，得到压伤检测结果。
8.一种电芯压伤检测系统，其特征在于，包括高速线扫图像采集设备以及检测模块；
所述高速线扫图像采集设备采集流动的电芯合芯的图像；发送电芯合芯图像至所述检测模块；所述检测模块采取如权利要求1至6中任一项所述的方法进行压伤检测。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202210946085.7A 2022-08-08 2022-08-08 电芯压伤检测方法、装置及系统 Active CN115809982B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202210946085.7A CN115809982B (zh) 2022-08-08 2022-08-08 电芯压伤检测方法、装置及系统
EP23789485.2A EP4350619A4 (en) 2022-08-08 2023-03-29 METHOD, APPARATUS AND SYSTEM FOR DETECTING BATTERY CELL COMPRESSION DAMAGE
PCT/CN2023/084745 WO2024032007A1 (zh) 2022-08-08 2023-03-29 电芯压伤检测方法、装置及系统
US18/387,475 US20240071111A1 (en) 2022-08-08 2023-11-07 Method, apparatus and system for inspecting cell crush

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210946085.7A CN115809982B (zh) 2022-08-08 2022-08-08 电芯压伤检测方法、装置及系统

Publications (2)

Publication Number Publication Date
CN115809982A true CN115809982A (zh) 2023-03-17
CN115809982B CN115809982B (zh) 2023-12-01

Family

ID=85482411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210946085.7A Active CN115809982B (zh) 2022-08-08 2022-08-08 电芯压伤检测方法、装置及系统

Country Status (4)

Country Link
US (1) US20240071111A1 (zh)
EP (1) EP4350619A4 (zh)
CN (1) CN115809982B (zh)
WO (1) WO2024032007A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024032007A1 (zh) * 2022-08-08 2024-02-15 宁德时代新能源科技股份有限公司 电芯压伤检测方法、装置及系统
CN117870564A (zh) * 2024-03-11 2024-04-12 宁德时代新能源科技股份有限公司 电芯Mylar膜的检测方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030059115A1 (en) * 2000-08-31 2003-03-27 Shinya Nakagawa Character recognition system
US20070217676A1 (en) * 2006-03-15 2007-09-20 Kristen Grauman Pyramid match kernel and related techniques
CN104320610A (zh) * 2014-10-09 2015-01-28 韩立亮 小型哺乳动物(鼠类)智能识别系统
CN104568965A (zh) * 2014-12-20 2015-04-29 佛山市多谱光电科技有限公司 一种led光源芯片缺陷检测方法及其装置
US20160063321A1 (en) * 2014-08-29 2016-03-03 Ancestry.Com Operations Inc. System and method for transcribing historical records into digitized text
CN111767204A (zh) * 2019-04-02 2020-10-13 杭州海康威视数字技术股份有限公司 溢出风险检测方法、装置及设备
CN111999273A (zh) * 2020-08-17 2020-11-27 无锡先导智能装备股份有限公司 物体缺陷检测方法、系统、装置、设备和存储介质
CN112084998A (zh) * 2020-09-22 2020-12-15 杭州云栖智慧视通科技有限公司 一种基于属性信息辅助的行人再识别方法
CN112241699A (zh) * 2020-10-13 2021-01-19 无锡先导智能装备股份有限公司 物体缺陷类别识别方法、装置、计算机设备和存储介质
US20210073890A1 (en) * 2019-09-05 2021-03-11 Kohl's, Inc. Catalog-based image recommendations
CN113821094A (zh) * 2021-09-22 2021-12-21 黎川县盛嘉科技有限公司 增强散热装置及运行方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10691743B2 (en) * 2014-08-05 2020-06-23 Sri International Multi-dimensional realization of visual content of an image collection
CN109472284A (zh) * 2018-09-18 2019-03-15 浙江大学 一种基于无偏嵌入零样本学习的电芯缺陷分类方法
CN111598877B (zh) * 2020-05-18 2022-08-09 河北工业大学 一种基于生成对抗网络的锂电池表面缺陷检测方法
CN115809982B (zh) * 2022-08-08 2023-12-01 宁德时代新能源科技股份有限公司 电芯压伤检测方法、装置及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030059115A1 (en) * 2000-08-31 2003-03-27 Shinya Nakagawa Character recognition system
US20070217676A1 (en) * 2006-03-15 2007-09-20 Kristen Grauman Pyramid match kernel and related techniques
US20160063321A1 (en) * 2014-08-29 2016-03-03 Ancestry.Com Operations Inc. System and method for transcribing historical records into digitized text
CN104320610A (zh) * 2014-10-09 2015-01-28 韩立亮 小型哺乳动物(鼠类)智能识别系统
CN104568965A (zh) * 2014-12-20 2015-04-29 佛山市多谱光电科技有限公司 一种led光源芯片缺陷检测方法及其装置
CN111767204A (zh) * 2019-04-02 2020-10-13 杭州海康威视数字技术股份有限公司 溢出风险检测方法、装置及设备
US20210073890A1 (en) * 2019-09-05 2021-03-11 Kohl's, Inc. Catalog-based image recommendations
CN111999273A (zh) * 2020-08-17 2020-11-27 无锡先导智能装备股份有限公司 物体缺陷检测方法、系统、装置、设备和存储介质
CN112084998A (zh) * 2020-09-22 2020-12-15 杭州云栖智慧视通科技有限公司 一种基于属性信息辅助的行人再识别方法
CN112241699A (zh) * 2020-10-13 2021-01-19 无锡先导智能装备股份有限公司 物体缺陷类别识别方法、装置、计算机设备和存储介质
CN113821094A (zh) * 2021-09-22 2021-12-21 黎川县盛嘉科技有限公司 增强散热装置及运行方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024032007A1 (zh) * 2022-08-08 2024-02-15 宁德时代新能源科技股份有限公司 电芯压伤检测方法、装置及系统
CN117870564A (zh) * 2024-03-11 2024-04-12 宁德时代新能源科技股份有限公司 电芯Mylar膜的检测方法及系统

Also Published As

Publication number Publication date
WO2024032007A1 (zh) 2024-02-15
US20240071111A1 (en) 2024-02-29
EP4350619A4 (en) 2024-10-16
CN115809982B (zh) 2023-12-01
EP4350619A1 (en) 2024-04-10

Similar Documents

Publication Publication Date Title
CN115809982A (zh) 电芯压伤检测方法、装置及系统
CN109214280B (zh) 基于街景的店铺识别方法、装置、电子设备及存储介质
CN111461170A (zh) 车辆图像检测方法、装置、计算机设备及存储介质
CN112329702B (zh) 一种快速人脸密度预测和人脸检测方法、装置、电子设备及存储介质
CN117635590B (zh) 一种笔记本电脑外壳的缺陷检测方法及装置
CN112001317A (zh) 基于语义信息的导线缺陷识别方法、系统及终端设备
CN111415336A (zh) 一种图像篡改识别方法、装置、服务器及存储介质
CN113888462A (zh) 一种裂纹识别方法、系统、可读介质及存储介质
CN114078127B (zh) 物件的缺陷检测及计数方法、装置、设备和存储介质
CN112637568A (zh) 基于多节点边缘计算设备的分布式安全监控方法和系统
CN115861210A (zh) 一种基于孪生网络的变电站设备异常检测方法和系统
CN106683040A (zh) 一种基于ncc算法的红外全景图像拼接方法
CN114005019A (zh) 一种翻拍图像识别方法及其相关设备
CN114022699A (zh) 图像分类方法、装置、计算机设备和存储介质
CN117350964A (zh) 一种基于跨模态多层次特征融合的电力设备检测方法
CN113766308A (zh) 视频封面推荐方法、装置、计算机设备和存储介质
CN116152195A (zh) 光伏电池板的热斑检测方法、装置及电子设备
Sreelakshmy et al. An improved method for copy-move forgery detection in digital forensic
CN112686847B (zh) 身份证图像拍摄质量评价方法、装置、计算机设备和介质
CN112581001B (zh) 设备的评估方法及装置、电子设备、可读存储介质
CN115439319A (zh) 一种电滑线防护装置裸露检测方法
CN114943720A (zh) 一种电力图像处理方法及装置
CN113919421A (zh) 调整目标检测模型的方法、装置和设备
CN113269052A (zh) 价签识别方法、终端、存储装置
CN113850751A (zh) 图片的模糊检测方法、装置、计算机设备和存储介质

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