CN115908768B - 一种基于组合式打光拍摄电池瑕疵识别方法、系统及平台 - Google Patents
一种基于组合式打光拍摄电池瑕疵识别方法、系统及平台 Download PDFInfo
- Publication number
- CN115908768B CN115908768B CN202310224021.0A CN202310224021A CN115908768B CN 115908768 B CN115908768 B CN 115908768B CN 202310224021 A CN202310224021 A CN 202310224021A CN 115908768 B CN115908768 B CN 115908768B
- Authority
- CN
- China
- Prior art keywords
- battery
- image
- photographing
- station
- combined
- 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
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于电池瑕疵识别技术领域，具体涉及一种基于组合式打光拍摄电池瑕疵识别方法、系统、平台及存储介质。通过方法根据组合式打光光源，实时获取与电池相对应的图像数据；将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图，以及与方法相应的系统、平台及存储介质，可以实现取代传统的人眼检测方式，减少工作量的同时还提高了工作效率，以及提高了行业检测精度、检测结果一致性高，而且还可以重塑新能源行业的生产检测标准。
Description
技术领域
本发明属于电池瑕疵识别技术领域，具体涉及一种基于组合式打光拍摄电池瑕疵识别方法、系统、平台及存储介质。
背景技术
现阶段，针对电池瑕疵识别都是通过人眼识别来进行检测，如此导致行业识别检测精度低，而且工作量大、耗时长，并且识别检测结果不一致，导致电池识别检测一致性差。
因此，针对以上现阶段，针对电池瑕疵识别都是通过人眼识别来进行检测，如此导致行业识别检测精度低，而且工作量大、耗时长，并且识别检测结果不一致，导致电池识别检测一致性差的技术问题缺陷，急需设计和开发一种基于组合式打光拍摄电池瑕疵识别方法、系统、平台及存储介质。
发明内容
为克服上述现有技术存在的不足及困难，本发明之目的在于提供一种基于组合式打光拍摄电池瑕疵识别方法、系统、平台及存储介质，可以实现取代传统的人眼检测方式，减少工作量的同时还提高了工作效率，以及提高了行业检测精度、检测结果一致性高，而且还可以重塑新能源行业的生产检测标准。
本发明的第一目的在于提供一种基于组合式打光拍摄电池瑕疵识别方法；
本发明的第二目的在于提供一种基于组合式打光拍摄电池瑕疵识别系统；
本发明的第三目的在于提供一种基于组合式打光拍摄电池瑕疵识别平台；
本发明的第四目的在于提供一种计算机可读取存储介质；
本发明的第一目的是这样实现的：所述方法具体包括如下步骤：
根据组合式打光光源，实时获取与电池相对应的图像数据；
将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；
根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图。
进一步地，所述根据组合式打光光源，实时获取与电池相对应的图像数据，还包括步骤：
生成组合式打光光源开启信号，根据所述开启信号，实时启动组合式打光光源。
进一步地，所述根据组合式打光光源，实时获取与电池相对应的图像数据，还包括步骤：
采用至少一个双工位单通道单相机，扫描电池长度方向，每个相机一次扫描至少两个电池，生成2.5D图像；
采用至少一个双工位单通-双相机，扫描电池长度方向，一个工位两个通道，一个通道分别使用两个相机同时扫描一个电池，生成3D图像。
进一步地，所述将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置，还包括步骤：
分别获取生成的2.5D图像和3D图像；
分别于3D、2.5D图像中，以电池工件的左上角为原点，生成并配准至同一坐标系下。
进一步地，所述将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置，还包括步骤：
结合AI算法，生成并获取疑似区域平面特征数据；
根据生成的疑似区域平面特征数据，将所述疑似区域平面特征数据带入高度图，生成高度特征数据。
进一步地，所述根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图，还包括步骤：
根据高度特征数据，实时生成不同类别瑕疵的效果图；
根据不同类别瑕疵的效果图，结合设定的规则算法，实时判定电池工件是否合格。
本发明的第二目的是这样实现的：所述系统包括：
数据获取单元，用于根据组合式打光光源，实时获取与电池相对应的图像数据；
处理定位单元，用于将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；
生成展示单元，用于根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图。
进一步地，所述数据获取单元，还包括：
第一生成模块，用于生成组合式打光光源开启信号，根据所述开启信号，实时启动组合式打光光源；
第二生成模块，用于采用至少一个双工位单通道单相机，扫描电池长度方向，每个相机一次扫描至少两个电池，生成2.5D图像；
第三生成模块，用于采用至少一个双工位单通-双相机，扫描电池长度方向，一个工位两个通道，一个通道分别使用两个相机同时扫描一个电池，生成3D图像；
和\或，所述处理定位单元，还包括：
第一获取模块，用于分别获取生成的2.5D图像和3D图像；
第四生成模块，用于分别于3D、2.5D图像中，以电池工件的左上角为原点，生成并配准至同一坐标系下；
第五生成模块，用于结合AI算法，生成并获取疑似区域平面特征数据；
第六生成模块，用于根据生成的疑似区域平面特征数据，将所述疑似区域平面特征数据带入高度图，生成高度特征数据；
和\或，所述生成展示单元，还包括：
第七生成模块，用于根据高度特征数据，实时生成不同类别瑕疵的效果图；
判定模块，用于根据不同类别瑕疵的效果图，结合设定的规则算法，实时判定电池工件是否合格。
本发明的第三目的是这样实现的：包括处理器、存储器以及基于组合式打光拍摄电池瑕疵识别平台控制程序；
其中在所述的处理器执行所述的基于组合式打光拍摄电池瑕疵识别平台控制程序，所述的基于组合式打光拍摄电池瑕疵识别平台控制程序被存储在所述存储器中，所述的基于组合式打光拍摄电池瑕疵识别平台控制程序，实现所述的基于组合式打光拍摄电池瑕疵识别方法。
本发明的第四目的是这样实现的：所述计算机可读取存储介质存储有基于组合式打光拍摄电池瑕疵识别平台控制程序，所述的基于组合式打光拍摄电池瑕疵识别平台控制程序，实现所述的基于组合式打光拍摄电池瑕疵识别方法。
本发明通过方法根据组合式打光光源，实时获取与电池相对应的图像数据；将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图，以及与方法相应的系统、平台及存储介质，可以实现取代传统的人眼检测方式，减少工作量的同时还提高了工作效率，以及提高了行业检测精度、检测结果一致性高，而且还可以重塑新能源行业的生产检测标准。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明一种基于组合式打光拍摄电池瑕疵识别方法流程示意图；
图2为本发明一种基于组合式打光拍摄电池瑕疵识别方法之设备流程示意图；
图3为本发明一种基于组合式打光拍摄电池瑕疵识别方法之打光效果处理流程示意图；
图4为本发明一种基于组合式打光拍摄电池瑕疵识别方法之效果展示算法流程示意图；
图5为本发明一种基于组合式打光拍摄电池瑕疵识别方法之缺陷检测逻辑流程示意图；
图6为本发明一种基于组合式打光拍摄电池瑕疵识别系统架构示意图；
图7为本发明一种基于组合式打光拍摄电池瑕疵识别平台架构示意图；
图8为本发明一种实施例中计算机可读取存储介质架构示意图；
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为便于更好的理解本发明的目的、技术方案和优点更加清楚，下面结合附图和具体的实施方式对本发明作进一步说明，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。
本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
需要说明，若本发明实施例中有涉及方向性指示（诸如上、下、左、右、前、后……），则该方向性指示仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。其次，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
优选地，本发明一种基于组合式打光拍摄电池瑕疵识别方法应用在一个或者多个终端或者服务器中。所述终端是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路（ApplicationSpecific Integrated Circuit，ASIC）、可编程门阵列（Field－Programmable GateArray，FPGA）、数字处理器（Digital Signal Processor，DSP）、嵌入式设备等。
所述终端可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可以与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
本发明为实现一种基于组合式打光拍摄电池瑕疵识别方法、系统、平台及存储介质。
如图1所示，是本发明实施例提供的基于组合式打光拍摄电池瑕疵识别方法的流程图。
在本实施例中，所述基于组合式打光拍摄电池瑕疵识别方法，可以应用于具备显示功能的终端或者固定终端中，所述终端并不限定于个人电脑、智能手机、平板电脑、安装有摄像头的台式机或一体机等。
所述基于组合式打光拍摄电池瑕疵识别方法也可以应用于由终端和通过网络与所述终端进行连接的服务器所构成的硬件环境中。网络包括但不限于：广域网、城域网或局域网。本发明实施例的基于组合式打光拍摄电池瑕疵识别方法可以由服务器来执行，也可以由终端来执行，还可以是由服务器和终端共同执行。
例如，对于需要进行基于组合式打光拍摄电池瑕疵识别终端，可以直接在终端上集成本发明的方法所提供的基于组合式打光拍摄电池瑕疵识别功能，或者安装用于实现本发明的方法的客户端。再如，本发明所提供的方法还可以软件开发工具包（SoftwareDevelopment Kit，SDK）的形式运行在服务器等设备上，以SDK的形式提供基于组合式打光拍摄电池瑕疵识别功能的接口，终端或其他设备通过所提供的接口即可实现基于组合式打光拍摄电池瑕疵识别功能。
以下结合附图对本发明作进一步阐述。
如图1-8所示，本发明提供了一种基于组合式打光拍摄电池瑕疵识别方法，所述的方法具体包括如下步骤：
S1、根据组合式打光光源，实时获取与电池相对应的图像数据；
S2、将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；
S3、根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图。
所述根据组合式打光光源，实时获取与电池相对应的图像数据，还包括步骤：
S11、生成组合式打光光源开启信号，根据所述开启信号，实时启动组合式打光光源。
所述根据组合式打光光源，实时获取与电池相对应的图像数据，还包括步骤：
S12、采用至少一个双工位单通道单相机，扫描电池长度方向，每个相机一次扫描至少两个电池，生成2.5D图像；
S13、采用至少一个双工位单通-双相机，扫描电池长度方向，一个工位两个通道，一个通道分别使用两个相机同时扫描一个电池，生成3D图像。
所述将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置，还包括步骤：
S21、分别获取生成的2.5D图像和3D图像；
S22、分别于3D、2.5D图像中，以电池工件的左上角为原点，生成并配准至同一坐标系下。
所述将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置，还包括步骤：
S23、结合AI算法，生成并获取疑似区域平面特征数据；
S24、根据生成的疑似区域平面特征数据，将所述疑似区域平面特征数据带入高度图，生成高度特征数据。
所述根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图，还包括步骤：
S31、根据高度特征数据，实时生成不同类别瑕疵的效果图；其中，类别瑕疵的效果图包括：褶皱、凹坑、划痕、异物类型。
S32、根据不同类别瑕疵的效果图，结合设定的规则算法，实时判定电池工件是否合格。
具体地，在本发明实施例中，采用热压后电芯外观检测机；该设备处于热压后拉线对接，机械手自动上料、电池扫码、上大表面外观检测、侧面外观检测、下大表面外观检测、机械手区分OK及NG品下料，OK品向下游设备移送，NG品自动缓存并达到一定数量报警及超数停机。外观检测采用2套2.5D线扫相机对2个大面进行扫描检测，侧面采用2套2D相机拍照检测；软件采用传统算法+深度学习算法对各种缺陷识别、分类处理及外部通信控制等，研华工控机+GPU显卡保证高速运算能力。该设备带MES接口及数据存储或上传功能，提供良好的信息追溯功能。该设备实现卷绕热压后：两大面、2个侧面外观质量检测。设备检测内容：褶皱不良，破损不良，油污不良等。
设备主要模块：上料机构；侧面检测机构；大面检测机构；下料机构；MES系统交互功能。
设备参数：产能：≤32ppm；准确率：≥99.5%；稼动率：≥98%（仅由设备自身原因造成）；漏检率：0；误检率：≤0.5%；安装环境要求：电源要求：380VAC，50Hz≤40KW；压缩气源：0.4~0.7MPa≤1000L/H；环境温度：室温+10°~+45°；相对湿度：≯50%，无结露、无腐蚀性、可燃性气体。
设备总体布局图：内部结构，电池产品从外部输送带以箭头方向移动至上料工位被挡停，上料夹爪将产品夹起脱离托盘（每次可夹起两个），放入移栽输送线A，移栽输送线A顶起产品往前走，经侧面相机及光源组A检测一侧面，侧面相机及光源组B检测另一侧面。经顶面相机及光源组C检测一顶面。至移栽输送线A末端,翻转夹爪夹起产品翻转180度并放入移栽输送线B，移栽输送线B顶起产品往前走，经过顶面相机及光源组D检测另一顶面。至移栽输送线B末端，下料夹爪根据检测结果将产品夹至下料工位/NG工位区。
上料夹爪将产品夹入移栽输送线入料位，校正机构将其校正，顶升气缸升起，吸盘抽真空将产品吸紧，横移模组带动产品往前移，每次移两个产品间距距离后吸盘破真空松开产品，顶升气缸缩回，产品落入托条，横移模组往后复位。当新产品进入即重复上述动作，至到达出料位，翻转机构将产品夹走。
上料夹爪将产品夹入移栽输送线入料位，校正后，移栽输送线带动产品往红色箭头方向移动。产品侧面端相机及光源固定，在移栽输送线运送过程中对产品进行侧面拍照；当产品落在托条上时，滑动模组带动顶面相机及光源组移动对产品顶面端进行检测。
产品检测完毕至移栽输送线末端，下料夹爪根据产品检测结果将其夹出：若为OK品，被夹至外部输送带下料工位；若为NG品，则被夹至NG入料皮带，NG入料皮带可将NG品直接送至NG出料皮带或将NG品送至NG存缓站，NG存缓站采用堆栈形式，最多可存缓30个产品。
大面外观拍照流程-2.5D：采用双工位-单通道-单相机，扫描长度方向，每个相机一次扫描两个电池，由2套8k线扫2.5D相机组成，参数如下：相机工作距离：150±50mm；相机扫描幅宽：180mm；相机扫描分辨率：0.04mm/pixel；速度：250mm/s，拍照耗时预计4.5s。
大面外观拍照流程-3D，采用双工位-单通道-双相机，扫描长度方向，一个工位两个通道，一个通道分别使用两个相机同时扫描一个电池，由3套基恩士线激光3D相机拍摄，参数如下：相机工作距离：245±34mm；相机扫描幅宽：145mm；相机扫描分辨率：0.045mm/pixel；速度：250mm/s，拍照耗时预计4.5s。其中，相机1完成A面大面检测，产品翻转后，流到相机2工位，完成B面大面检测。
小面、底面及顶面外观拍照流程-2.5D：采用四工位-四相机，工位1与工位2在大面扫描的时候扫描顶面与底面，工位3与工位4分别独立扫描两个侧面，由4套4k线扫2.5D相机组成；相机工作距离：150±50；相机扫描幅宽：140mm；相机扫描分辨率：0.039mm/pixel；速度220mm/s，拍照耗时预计3.2s；两侧面一个工位，顶/底面一个工位，相机配置相同。
底面外观拍照流程-3D：采用双工位-单通道-双相机，每个通道使用一套基恩士8200线激光3D相机同时拍摄2个底面；相机工作距离：245±34mm；相机扫描幅宽：74mm；相机扫描分辨率：0.04mm/pixel；速度250mm/s，拍照耗时预计4s。
小面及顶面外观拍照流程-3D：采用单工位-双通道-双相机，每个通道使用一套基恩士8200线激光3D相机拍摄两个小面和一个顶面；相机工作距离：245±34mm；相机扫描幅宽：80mm；相机扫描分辨率：0.04mm/pixel；速度150mm/s，拍照耗时预计3.8s。
打光效果&处理流程：一般黑白线扫图像：背景干扰，划伤和凹点不良无法呈现；正反射线扫2.5D图像：抽取凹凸，忽略背景干扰，划伤和凹点不良非常明显。2.5D相机一次扫描会有多张不同角度光源的图像，再有这些图像合成6张不同类型的图片；
通过深度学习定位出凹坑位置。配准3D图像。从而计算出高度，半径，面积等特征；2.5D灰度图，较3D灰度图以及高度图，划痕痕迹更加明显；常规光学系统无法穿透蓝膜，无法有效分别出膜内异物或气泡。红外光学系统，可以有效穿透蓝膜，进而区分膜内是否存在异物。
为实现上述目的，本发明还提供一种基于组合式打光拍摄电池瑕疵识别系统，如图6所示，所述的系统具体包括：
数据获取单元，用于根据组合式打光光源，实时获取与电池相对应的图像数据；
处理定位单元，用于将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；
生成展示单元，用于根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图。
进一步地，所述数据获取单元，还包括：
第一生成模块，用于生成组合式打光光源开启信号，根据所述开启信号，实时启动组合式打光光源；
第二生成模块，用于采用至少一个双工位单通道单相机，扫描电池长度方向，每个相机一次扫描至少两个电池，生成2.5D图像；
第三生成模块，用于采用至少一个双工位单通-双相机，扫描电池长度方向，一个工位两个通道，一个通道分别使用两个相机同时扫描一个电池，生成3D图像；
和\或，所述处理定位单元，还包括：
第一获取模块，用于分别获取生成的2.5D图像和3D图像；
第四生成模块，用于分别于3D、2.5D图像中，以电池工件的左上角为原点，生成并配准至同一坐标系下；
第五生成模块，用于结合AI算法，生成并获取疑似区域平面特征数据；
第六生成模块，用于根据生成的疑似区域平面特征数据，将所述疑似区域平面特征数据带入高度图，生成高度特征数据；
和\或，所述生成展示单元，还包括：
第七生成模块，用于根据高度特征数据，实时生成不同类别瑕疵的效果图；
判定模块，用于根据不同类别瑕疵的效果图，结合设定的规则算法，实时判定电池工件是否合格。
在本发明系统方案实施例中，所述的一种基于组合式打光拍摄电池瑕疵识别中涉及的方法步骤，具体细节已在上文阐述，此处不再赘述。
为实现上述目的，本发明还提供一种基于组合式打光拍摄电池瑕疵识别平台，如图7所示，包括：处理器、存储器以及基于组合式打光拍摄电池瑕疵识别平台控制程序；
其中在所述的处理器执行所述的基于组合式打光拍摄电池瑕疵识别平台控制程序，所述的基于组合式打光拍摄电池瑕疵识别平台控制程序被存储在所述存储器中，所述的基于组合式打光拍摄电池瑕疵识别平台控制程序，实现所述的基于组合式打光拍摄电池瑕疵识别方法步骤，例如：
S1、根据组合式打光光源，实时获取与电池相对应的图像数据；
S2、将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；
S3、根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图。
步骤具体细节已在上文阐述，此处不再赘述。
本发明实施例中，所述的基于组合式打光拍摄电池瑕疵识别平台内置处理器，可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processingunit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器利用各种接口和线路连接取各个部件，通过运行或执行存储在存储器内的程序或者单元，以及调用存储在存储器内的数据，以执行基于组合式打光拍摄电池瑕疵识别各种功能和处理数据；
存储器用于存储程序代码和各种数据，安装在基于组合式打光拍摄电池瑕疵识别平台中，并在运行过程中实现高速、自动地完成程序或数据的存取。
所述存储器包括只读存储器（Read-Only Memory，ROM），随机存储器（RandomAccess Memory，RAM）、可编程只读存储器（Programmable Read-Only Memory，PROM）、可擦除可编程只读存储器（Erasable Programmable Read-Only Memory，EPROM）、一次可编程只读存储器（One-time Programmable Read-Only Memory，OTPROM）、电子擦除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（Compact Disc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
为实现上述目的，本发明还提供一种计算机可读取存储介质，如图8所示，所述计算机可读取存储介质存储有基于组合式打光拍摄电池瑕疵识别平台控制程序，所述的基于组合式打光拍摄电池瑕疵识别平台控制程序，实现所述的基于组合式打光拍摄电池瑕疵识别方法步骤，例如：
S1、根据组合式打光光源，实时获取与电池相对应的图像数据；
S2、将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；
S3、根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图。
步骤具体细节已在上文阐述，此处不再赘述。
在本发明的实施方式的描述中，需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读取介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。
另外，计算机可读取介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
在本发明实施例中，为实现上述目的，本发明还提供一种芯片系统，所述芯片系统包括至少一个处理器，当程序指令在所述至少一个处理器中执行时，使得所述芯片系统执行所述的基于组合式打光拍摄电池瑕疵识别方法步骤，例如：
S1、根据组合式打光光源，实时获取与电池相对应的图像数据；
S2、将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；
S3、根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图。
步骤具体细节已在上文阐述，此处不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明通过方法根据组合式打光光源，实时获取与电池相对应的图像数据；将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图，以及与方法相应的系统、平台及存储介质，可以实现取代传统的人眼检测方式，减少工作量的同时还提高了工作效率，以及提高了行业检测精度、检测结果一致性高，而且还可以重塑新能源行业的生产检测标准。
以上所述实施例仅表达了本发明的几种实施方式，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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于组合式打光拍摄电池瑕疵识别方法，其特征在于，所述方法包括步骤：
结合组合式打光光源，实时获取与电池相对应的图像数据；
将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；其中，包括：分别获取生成的2.5D图像和3D图像；分别于3D、2.5D图像中，以电池工件的左上角为原点，生成并配准至同一坐标系下；
根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图；
所述获取与电池相对应的图像数据，包括大面外观拍照流程和小面、底面及顶面外观拍照流程，生成2.5D图像和3D图像；
所述大面外观拍照流程包括大面外观2.5D拍照流程和大面外观3D拍照流程，所述大面外观2.5D拍照流程采用双工位-单通道-单相机，扫描长度方向，每个相机一次扫描两个电池，由2套2.5D相机组成；所述大面外观3D拍照流程采用双工位-单通道-双相机，扫描长度方向，一个工位两个通道，一个通道分别使用两个相机同时扫描一个电池，由3套3D相机拍摄；
所述小面、底面及顶面外观拍照流程包括小面、底面及顶面外观2.5D拍照流程、底面外观3D拍照流程和小面、顶面外观3D拍照流程；
所述小面、底面及顶面外观2.5D拍照流程采用四工位-四相机，第一工位与第二工位在大面扫描的时候扫描顶面与底面，第三工位与第四工位分别独立扫描两个侧面，由4套2.5D相机组成；所述底面外观3D拍照流程采用双工位-单通道-双相机，每个通道使用一套3D相机同时拍摄两个底面；所述小面、顶面外观3D拍照流程采用单工位-双通道-双相机，每个通道使用一套3D相机拍摄两个小面和一个顶面。
2.根据权利要求1所述的一种基于组合式打光拍摄电池瑕疵识别方法，其特征在于，所述结合组合式打光光源，实时获取与电池相对应的图像数据，还包括步骤：
生成组合式打光光源开启信号，根据所述开启信号，实时启动组合式打光光源。
3.根据权利要求1所述的一种基于组合式打光拍摄电池瑕疵识别方法，其特征在于，所述将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置，还包括步骤：
结合AI算法，生成并获取疑似区域平面特征数据；
根据生成的疑似区域平面特征数据，将所述疑似区域平面特征数据带入高度图，生成高度特征数据。
4.根据权利要求1所述的一种基于组合式打光拍摄电池瑕疵识别方法，其特征在于，所述根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图，还包括步骤：
根据高度特征数据，实时生成不同类别瑕疵的效果图；
根据不同类别瑕疵的效果图，结合设定的规则算法，实时判定电池工件是否合格。
5.一种基于组合式打光拍摄电池瑕疵识别系统，其特征在于，所述系统包括：
数据获取单元，用于结合组合式打光光源，实时获取与电池相对应的图像数据；
处理定位单元，用于将获取到的图像分类处理，并对图像影像效果增强处理后，结合深度学习定位图像缺陷位置；
和\或，所述处理定位单元，还包括：
第一获取模块，用于分别获取生成的2.5D图像和3D图像；
第四生成模块，用于分别于3D、2.5D图像中，以电池工件的左上角为原点，生成并配准至同一坐标系下；
生成展示单元，用于根据定位到的图像缺陷位置，实时生成并展示带有瑕疵的电池效果图；
所述数据获取单元，包括图像生成模块，用于根据大面外观拍照流程和小面、底面及顶面外观拍照流程，生成2.5D图像和3D图像；
所述数据获取单元还包括：大面外观拍照模块和小面、底面及顶面外观拍照模块；
所述大面外观拍照模块，包括大面外观2.5D拍照模块和大面外观3D拍照模块，所述大面外观2.5D拍照模块，用于采用双工位-单通道-单相机，扫描长度方向，每个相机一次扫描两个电池，由2套2.5D相机组成；所述大面外观3D拍照模块，用于采用双工位-单通道-双相机，扫描长度方向，一个工位两个通道，一个通道分别使用两个相机同时扫描一个电池，由3套3D相机拍摄；
所述小面、底面及顶面外观拍照模块，包括小面、底面及顶面外观2.5D拍照模块、底面外观3D拍照模块和小面、顶面外观3D拍照模块；
所述小面、底面及顶面外观2.5D拍照模块，用于采用四工位-四相机，第一工位与第二工位在大面扫描的时候扫描顶面与底面，第三工位与第四工位分别独立扫描两个侧面，由4套2.5D相机组成；所述底面外观3D拍照模块，用于采用双工位-单通道-双相机，每个通道使用一套3D相机同时拍摄两个底面；所述小面、顶面外观3D拍照模块，用于采用单工位-双通道-双相机，每个通道使用一套3D相机拍摄两个小面和一个顶面。
6.根据权利要求5所述的一种基于组合式打光拍摄电池瑕疵识别系统，其特征在于，所述数据获取单元，还包括：
第一生成模块，用于生成组合式打光光源开启信号，根据所述开启信号，实时启动组合式打光光源；
和\或，所述处理定位单元，还包括：
第五生成模块，用于结合AI算法，生成并获取疑似区域平面特征数据；
第六生成模块，用于根据生成的疑似区域平面特征数据，将所述疑似区域平面特征数据带入高度图，生成高度特征数据；
和\或，所述生成展示单元，还包括：
第七生成模块，用于根据高度特征数据，实时生成不同类别瑕疵的效果图；
判定模块，用于根据不同类别瑕疵的效果图，结合设定的规则算法，实时判定电池工件是否合格。
7.一种基于组合式打光拍摄电池瑕疵识别平台，其特征在于，包括处理器、存储器以及基于组合式打光拍摄电池瑕疵识别平台控制程序；
其中在所述的处理器执行所述的基于组合式打光拍摄电池瑕疵识别平台控制程序，所述的基于组合式打光拍摄电池瑕疵识别平台控制程序被存储在所述存储器中，所述的基于组合式打光拍摄电池瑕疵识别平台控制程序，实现如权利要求1至4中任一项所述的基于组合式打光拍摄电池瑕疵识别方法。
8.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质存储有基于组合式打光拍摄电池瑕疵识别平台控制程序，所述的基于组合式打光拍摄电池瑕疵识别平台控制程序，实现如权利要求1至4中任一项所述的基于组合式打光拍摄电池瑕疵识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310224021.0A CN115908768B (zh) | 2023-03-10 | 2023-03-10 | 一种基于组合式打光拍摄电池瑕疵识别方法、系统及平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310224021.0A CN115908768B (zh) | 2023-03-10 | 2023-03-10 | 一种基于组合式打光拍摄电池瑕疵识别方法、系统及平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115908768A CN115908768A (zh) | 2023-04-04 |
| CN115908768B true CN115908768B (zh) | 2023-07-04 |
Family
ID=86491557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310224021.0A Active CN115908768B (zh) | 2023-03-10 | 2023-03-10 | 一种基于组合式打光拍摄电池瑕疵识别方法、系统及平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115908768B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116626053B (zh) * | 2023-07-24 | 2023-11-03 | 宁德微图智能科技有限公司 | 一种电芯蓝膜的缺陷检测方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111598827A (zh) * | 2019-02-19 | 2020-08-28 | 富泰华精密电子（郑州）有限公司 | 外观瑕疵检测方法、电子装置及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107014819A (zh) * | 2017-06-09 | 2017-08-04 | 杭州电子科技大学 | 一种太阳能电池板表面缺陷检测系统和方法 |
| US11650164B2 (en) * | 2019-05-15 | 2023-05-16 | Getac Technology Corporation | Artificial neural network-based method for selecting surface type of object |
| CN112179910B (zh) * | 2020-09-11 | 2022-03-18 | 广东奥普特科技股份有限公司 | 一种锂电池极片瑕疵实时检测处理方法和系统 |
| CN115729245A (zh) * | 2022-11-25 | 2023-03-03 | 青岛慧拓智能机器有限公司 | 用于矿区坡道的障碍物融合检测方法、芯片和终端 |
-
2023
- 2023-03-10 CN CN202310224021.0A patent/CN115908768B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111598827A (zh) * | 2019-02-19 | 2020-08-28 | 富泰华精密电子（郑州）有限公司 | 外观瑕疵检测方法、电子装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| State of the Art in Defect Detection Based on Machine Vision;Zhonghe Ren et al.;《International Journal of Precision Engineering and Manufacturing-Green Technology (2022）》;第661-691页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115908768A (zh) | 2023-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109709102A (zh) | 模切机锂电池极片物理缺陷检测系统、方法及装置 | |
| CN110441316B (zh) | 电池表面缺陷检测方法及检测系统 | |
| CN115908768B (zh) | 一种基于组合式打光拍摄电池瑕疵识别方法、系统及平台 | |
| CN109829883A (zh) | 产品质量检测方法及装置 | |
| CN109191516B (zh) | 结构光模组的旋转纠正方法、装置及可读存储介质 | |
| CN112084964A (zh) | 产品识别设备、方法及存储介质 | |
| CN113538428A (zh) | 木材缺陷检测方法、设备、介质及计算机程序产品 | |
| CN111189839A (zh) | 一种单相机检测装置及单相机检测方法 | |
| CN111353986A (zh) | 一种模切产品质量检测方法 | |
| CN111951218A (zh) | 一种混合深度学习模型的口红质检系统 | |
| CN111862050A (zh) | 一种物料检测系统、方法及设备 | |
| CN205581027U (zh) | 一种高精度视觉成像系统 | |
| CN109785290A (zh) | 基于局部光照归一化的钢板缺陷检测方法 | |
| CN116908188A (zh) | 适用于电芯蓝膜外观缺陷的检测方法、系统、装置及平台 | |
| CN110502966B (zh) | 包裹的分类信息获取设备、方法以及存储装置 | |
| CN111272769A (zh) | 一种电子产品的底壳检测装置 | |
| CN217981299U (zh) | 柔性电路板视觉检测装置 | |
| CN213239953U (zh) | 一种三维自动光学检测设备 | |
| CN113182205B (zh) | 一种基于互联网的手机零件全自动机器人光电检测方法 | |
| CN113640303B (zh) | 一种用于笔记本电脑的表面瑕疵检验设备及其检测方法 | |
| CN209803018U (zh) | 一种金属缺陷机器视觉检测系统 | |
| CN112837285B (zh) | 一种板面图像的边缘检测方法及装置 | |
| JP2013101118A (ja) | 目視検査治具及びこれを用いた目視検査システム | |
| CN212180649U (zh) | 膏体外观缺陷检测设备 | |
| CN111289527A (zh) | 一种电子产品的壳体侧边检测装置及壳体侧边检测方法 |
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 |