CN116148262A - 一种铝壳电池外观检测方法 - Google Patents
一种铝壳电池外观检测方法 Download PDFInfo
- Publication number
- CN116148262A CN116148262A CN202310045761.8A CN202310045761A CN116148262A CN 116148262 A CN116148262 A CN 116148262A CN 202310045761 A CN202310045761 A CN 202310045761A CN 116148262 A CN116148262 A CN 116148262A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- appearance
- shell battery
- aluminum
- 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.)
- Pending
Links
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 29
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 title abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 11
- 230000007547 defect Effects 0.000 abstract description 7
- 230000002708 enhancing effect Effects 0.000 abstract description 2
- 239000004411 aluminium Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种铝壳电池外观检测方法,包括以下步骤:(1)采用2.5D和3D相机获取铝壳电池待检测部位的图像;(2)对2.5D和3D相机获取的图像进行图像预处理;对2.5D和/或3D相机获取的图像进行图像增强;(3)采用传统算法和AI判定对2.5D和3D相机获取的图像判定外观是否不良。本发明通过采用2.5D和3D相机综合获取铝壳电池待检测部位的图像,2.5D相机和3D相机扫描得到的多张不同角度、光源的图像和带有高度信息的图像,实现铝壳电池的多角度、多方位外观信息获取,并通过进行图像预处理和增强提高铝壳电池外观检测的精度。此外,本发明在对图像进行外观不良判定时,采用传统算法和AI判定进行判定,进一步提高铝壳电池外观检测的精度。
Description
技术领域
本发明涉及外观检测技术领域,具体涉及一种铝壳电池外观检测方法。
背景技术
汽车动力的电池多采用铝壳包装的锂电池。在铝壳电池的生产过程中,由于生产工艺的原因,铝壳电池的外表面会出现鼓包、凹坑、划痕、脏污、电解液残留、防爆阀膜破损等缺陷;这些外观上缺陷会导致一方面会导致铝壳电池外观不整,另一方面还会影响铝壳电池的性能,因此在铝壳电池在生产的过程中需要对铝壳电池的外观进行检测,剔除外观合格的产品。目前,铝壳电池的外观检测主要以人工检测和传统机器视觉算法进行检测。然而,人工检测可靠性和效率都比较低,不利于提高企业生产效益。传统机器视觉算法,利用二维图像信息进行缺陷检测容易受到样品颜色、光照条件、现场环境等的影响,导致对外观特征的提取不足且外观特征的准确性不高,容易出现误检或者漏检。
发明内容
为了解决上述问题,本发明提供一种铝壳电池外观检测方法,能有效提高铝壳电池外观检测的效率和精度。
本发明采用以下技术方案:
一种铝壳电池外观检测方法,包括以下步骤:
(1)采用2.5D和3D相机获取铝壳电池待检测部位的图像;
(2)对2.5D和3D相机获取的图像进行图像预处理;对2.5D和/或3D相机获取的图像进行图像增强;
(3)采用传统算法和AI判定对2.5D和3D相机获取的图像判定外观是否不良。
本发明的进一步说明,所述的2.5D相机一次扫描多张不同角度光源的图像;所述2.5D相机一次扫描多张不同角度光源的图像进行预处理和增强后合成不同类型的图片;所述的3D相机一次扫描输出带有高度信息的图像。所述的2.5D相机和3D相机通过扫描多张不同角度、光源的图像和带有高度信息的图像,实现铝壳电池的多角度、多方位外观信息获取,并通过进行图像预处理和增强提高铝壳电池外观检测的精度。
本发明的进一步说明,所述的2.5D相机获取图像时,包括标准图、正反射图、漫反射图、光泽比率图和形状图;所述的3D相机获取图像时,包括3D高度图和3D灰度图。
所述的正反射图与漫反射图用于识别划痕、磨伤。所述的光泽比率图和形状图组合使用,识别多种外观不良。所述的3D高度图和3D灰度图用与识别凹凸不平等高度方向的外观不良。
本发明的进一步说明,所述的形状图包括形状图1和形状图2。所述的形状图1和形状图2为不同角度获取的形状图。
本发明的进一步说明,所述的传统算法和AI判定对2.5D和3D相机获取的图像判定时,包括以下步骤:
(1)对图像进行图像配准,以工件的左上角为原点,配准至同一坐标系下;
(2)通过AI算法,获取疑似区域平面特征数据;在疑似区域带入高度图,获取高度特征数据;
(3)特征数据带入规则算法,综合判定铝壳电池的外观是否不良。
本发明的优点:
本发明通过采用2.5D和3D相机综合获取铝壳电池待检测部位的图像,2.5D相机和3D相机扫描得到的多张不同角度、光源的图像和带有高度信息的图像,实现铝壳电池的多角度、多方位外观信息获取,并通过进行图像预处理和增强提高铝壳电池外观检测的精度。此外,本发明在对图像进行外观不良判定时,采用传统算法和AI判定进行判定,进一步提高铝壳电池外观检测的精度。
具体实施方式
下面结合具体实施例对本发明进一步说明。
实施例1:
一种铝壳电池外观检测方法,包括以下步骤:
(1)采用2.5D和3D相机获取铝壳电池待检测部位的图像;
(2)对2.5D和3D相机获取的图像进行图像预处理;对2.5D和/或3D相机获取的图像进行图像增强;
(3)采用传统算法和AI判定对2.5D和3D相机获取的图像判定外观是否不良。
实施例2:
该实施例与实施例1的不同之处在于:所述的2.5D相机一次扫描多张不同角度光源的图像;所述2.5D相机一次扫描多张不同角度光源的图像进行预处理和增强后合成不同类型的图片;所述的3D相机一次扫描输出带有高度信息的图像。所述的2.5D相机和3D相机通过扫描多张不同角度、光源的图像和带有高度信息的图像,实现铝壳电池的多角度、多方位外观信息获取,并通过进行图像预处理和增强提高铝壳电池外观检测的精度。
本实施例与实施例1的工作原理相同。
实施例3:
该实施例与实施例2的不同之处在于:所述的2.5D相机获取图像时,包括标准图、正反射图、漫反射图、光泽比率图和形状图;所述的3D相机获取图像时,包括3D高度图和3D灰度图。
所述的正反射图与漫反射图用于识别划痕、磨伤。所述的光泽比率图和形状图组合使用,识别多种外观不良。所述的3D高度图和3D灰度图用与识别凹凸不平等高度方向的外观不良。
本实施例与实施例1的工作原理相同。
实施例4:
该实施例与实施例3的不同之处在于:所述的形状图包括形状图1和形状图2。所述的形状图1和形状图2为不同角度获取的形状图。
本实施例与实施例1的工作原理相同。
实施例5:
该实施例与实施例4的不同之处在于:所述的传统算法和AI判定对2.5D和3D相机获取的图像判定时,包括以下步骤:
(1)对图像进行图像配准,以工件的左上角为原点,配准至同一坐标系下;
(2)通过AI算法,获取疑似区域平面特征数据;在疑似区域带入高度图,获取高度特征数据;
(3)特征数据带入规则算法,综合判定铝壳电池的外观是否不良。
本实施例与实施例1的工作原理相同。
以上实施例仅为本发明的示例性实施例,不用于限制本发明,本发明的保护范围由权利要求书限定。本领域人员可以在本发明的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (5)
1.一种铝壳电池外观检测方法,其特征在于:包括以下步骤:
(1)采用2.5D和3D相机获取铝壳电池待检测部位的图像;
(2)对2.5D和3D相机获取的图像进行图像预处理;对2.5D和/或3D相机获取的图像进行图像增强;
(3)采用传统算法和AI判定对2.5D和3D相机获取的图像判定外观是否不良。
2.根据权利要求1所述的一种铝壳电池外观检测方法,其特征在于:所述的2.5D相机一次扫描多张不同角度光源的图像;所述2.5D相机一次扫描多张不同角度光源的图像进行预处理和增强后合成不同类型的图片;所述的3D相机一次扫描输出带有高度信息的图像。
3.根据权利要求1所述的一种铝壳电池外观检测方法,其特征在于:所述的2.5D相机获取图像时,包括标准图、正反射图、漫反射图、光泽比率图和形状图;所述的3D相机获取图像时,包括3D高度图和3D灰度图。
4.根据权利要求1所述的一种铝壳电池外观检测方法,其特征在于:所述的形状图包括形状图1和形状图2。
5.根据权利要求1所述的一种铝壳电池外观检测方法,其特征在于:所述的传统算法和AI判定对2.5D和/或3D相机获取的图像判定时,包括以下步骤:
(1)对图像进行图像配准,以工件的左上角为原点,配准至同一坐标系下;
(2)通过AI算法,获取疑似区域平面特征数据;在疑似区域带入高度图,获取高度特征数据;
(3)特征数据带入规则算法,综合判定铝壳电池的外观是否不良。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310045761.8A CN116148262A (zh) | 2023-01-30 | 2023-01-30 | 一种铝壳电池外观检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310045761.8A CN116148262A (zh) | 2023-01-30 | 2023-01-30 | 一种铝壳电池外观检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116148262A true CN116148262A (zh) | 2023-05-23 |
Family
ID=86357688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310045761.8A Pending CN116148262A (zh) | 2023-01-30 | 2023-01-30 | 一种铝壳电池外观检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116148262A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116626053A (zh) * | 2023-07-24 | 2023-08-22 | 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 |
-
2023
- 2023-01-30 CN CN202310045761.8A patent/CN116148262A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116626053A (zh) * | 2023-07-24 | 2023-08-22 | 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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101995223B (zh) | 一种芯片外观检测方法及系统 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统 | |
CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
US11836967B2 (en) | Method and device for small sample defect classification and computing equipment | |
CN112037203A (zh) | 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统 | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
CN108665458A (zh) | 透明体表面缺陷提取及识别方法 | |
CN109752392A (zh) | 一种pcb板缺陷类型检测系统和方法 | |
CN110345918A (zh) | 基于恒星检索的空间碎片检测方法和系统 | |
CN116148262A (zh) | 一种铝壳电池外观检测方法 | |
CN114897881B (zh) | 一种基于边缘特征的晶粒缺陷检测方法 | |
CN113237889A (zh) | 一种多尺度的陶瓷检测方法及系统 | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN116429768A (zh) | 一种密封钉焊接质量检测方法、系统、设备及存储介质 | |
CN114049316A (zh) | 一种基于金属光泽区域的钢丝绳缺陷检测方法 | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
WO2022222467A1 (zh) | 开口圆环工件外观缺陷检测方法、系统及计算机存储介质 | |
CN116485764A (zh) | 一种结构表面缺陷识别方法、系统、终端及介质 | |
Chen et al. | Research on detection algorithm of lithium battery surface defects based on embedded machine vision | |
CN110060239B (zh) | 一种用于瓶子瓶口的缺陷检测方法 | |
CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
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 | |
CN110345919A (zh) | 基于三维空间向量与二维平面坐标的空间碎片检测方法 | |
CN114742823A (zh) | 一种物体表面划痕智能检测方法 |
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 |