CN116258718A - 基于3d相机的焊接质量检测方法、系统、设备及介质 - Google Patents
基于3d相机的焊接质量检测方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116258718A CN116258718A CN202310541702.XA CN202310541702A CN116258718A CN 116258718 A CN116258718 A CN 116258718A CN 202310541702 A CN202310541702 A CN 202310541702A CN 116258718 A CN116258718 A CN 116258718A
- Authority
- CN
- China
- Prior art keywords
- camera
- quality detection
- welding
- battery cell
- welding seam
- 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
Links
- 238000003466 welding Methods 0.000 title claims abstract description 121
- 238000001514 detection method Methods 0.000 title claims abstract description 59
- 230000007547 defect Effects 0.000 claims abstract description 70
- 230000004044 response Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 20
- 238000009434 installation Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了基于3D相机的焊接质量检测方法、系统、设备及介质,其中,3D相机包含用于扫描电芯长边的第一相机组,以及用于扫描电芯短边的第二相机组;其焊接质量检测方法包括:响应于拍摄信号采集所述第一相机组和所述第二相机组所拍摄的点云数据,将所有点云数据转换为深度图像并进行显示;对所述深度图像进行焊缝长宽定位以获得焊缝区域,并在所述焊缝区域内生成剖面轮廓线,基于预先构建的焊缝缺陷模型对所述剖面轮廓线的高度信息进行分析并标记出焊缝的关键特征点以判断出焊缝是否存在缺陷。本发明可准确将焊缝内侧和焊缝外侧缺陷表示出来,提高质量检测准确度。
Description
技术领域
本发明涉及动力电池质量检测领域,尤其涉及一种基于多组3D相机的焊接质量检测方法、系统、设备及存储介质。
背景技术
动力电池顶盖激光焊接焊缝质量决定动力电池的安全性能,很多工厂都严格实现100%在线检测。目前大多数公司还是采用工人在显微相机下实现100%人工检测。这种检测方法受工人的熟练程度,工人情绪和疲劳程度影响。对于一些微小缺陷比如凹坑、裂纹和针孔等小缺陷,很容易漏杀。特别是在那些高度信息的缺陷,如焊缝偏高或偏低,很难通过人眼之间区分好。在这种情况下,新的替代人工检测的2D、3D机器视觉技术应运而生。
但是,部分缺陷若产生在焊缝内侧和外侧,无论是2D机器视觉和3D机器视觉都无法识别,导致质量检测的准确性无法提升。
发明内容
为了克服现有技术的不足,本发明的目的在于提供一种基于3D相机的焊接质量检测方法、系统、设备及存储介质,可准确将焊缝内侧和焊缝外侧缺陷表示出来,提高质量检测准确度。
本发明的目的采用如下技术方案实现:
一种基于3D相机的焊接质量检测方法, 3D相机包含用于扫描电芯长边的第一相机组,以及用于扫描电芯短边的第二相机组;其焊接质量检测方法包括:
响应于拍摄信号采集所述第一相机组和所述第二相机组所拍摄的点云数据,将所有点云数据转换为深度图像并进行显示;
对所述深度图像进行焊缝长宽定位以获得焊缝区域,并在所述焊缝区域内生成剖面轮廓线,基于预先构建的焊缝缺陷模型对所述剖面轮廓线的高度信息进行分析并标记出焊缝的关键特征点以判断出焊缝是否存在缺陷。
进一步地,所述第一相机组,包括两个倾斜且沿电芯长度方向对称分布的第一3D相机及第二3D相机,且第一3D相机及第二3D相机反射回其接收端的激光方向与电芯长度方向呈90度夹角;所述第二相机组,包括两个倾斜且沿电芯宽度方向对称分布的第三3D相机及第四3D相机,且第三3D相机及第四3D相机反射回其接收端的激光方向与电芯宽度方向呈90度夹角。
进一步地,所述第一相机组以及所述第二相机组在相机活动模组的带动下沿电芯长度或宽度方向进行移动,电芯在电芯活动模组的带动下沿其长度方向移动,以完成所述第一相机组以及所述第二相机组对电芯长边和短边的扫描操作。
进一步地,所述焊缝长度定位的方法为:
在所述深度图像中根据焊缝边缘位置分别设置三个ROI区域;
根据每个ROI区域的图像灰度变化情况寻找每个ROI区域中的边缘点并拟合成直线;
根据直线方程分别计算两条直线之间的交点,根据交点以及R角物理尺寸以获得平面维度的焊缝区域。
进一步地,生成所述剖面轮廓线并对所述剖面轮廓线的高度信息进行分析的方法为:
将所述焊缝区域平均分为若干个子区域,基于图像所包含的深度信息在每个子区域内等距离生成该区域的剖面轮廓线;
基于剖面轮廓线上焊缝内边缘与基准高度值之间的差值需小于边缘阈值的规定,在每条剖面轮廓线上分别搜索焊缝的内侧边缘点,并结合每条剖面轮廓线的高度特征确定焊缝的关键特征点及其特征值,关键特征点包括焊缝内边缘、外边缘、焊缝最高点、最低点。
进一步地,所述焊缝缺陷模型的构建方法为:
获取缺陷图像并对所述缺陷图像进行分类,对图像中缺陷进行形态分析和量化处理后进行深度学习以构建出所述焊缝缺陷模型。
进一步地,还包括:
利用2D相机对电芯进行拍摄以获得2D图像,并基于2D深度学习对2D图像进行分析,结合2D判断结果以及3D判断结果生成电芯缺陷报告。
进一步地,还提供一种基于多组3D相机的焊接质量检测系统,执行如上述的基于多组3D相机的焊接质量检测方法;所述系统包括:
图像采集模块,用于根据拍摄信号采集第一相机组和第二相机组所拍摄的点云数据,将所有点云数据转换为深度图像并进行显示;
质检分析模块,用于对所述深度图像进行焊缝长宽定位以获得焊缝区域,并在所述焊缝区域内生成剖面轮廓线,基于预先构建的焊缝缺陷模型对所述剖面轮廓线的高度信息进行分析并标记出焊缝的关键特征点以判断出焊缝是否存在缺陷。
进一步地,还提供一种电子设备,其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述的基于多组3D相机的焊接质量检测方法。
进一步地,还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现如上述的基于多组3D相机的焊接质量检测方法。
相比现有技术,本发明的有益效果在于:
本发明采用机械配合成像的方式,克服以前无法把焊缝内侧和焊缝外侧缺陷表示出来的问题;机械结构上把相机安装部位实行倾斜一个角度,然后通过相机标定方法把倾斜点云变换成剖面轮廓的正方向坐标,这样就可以把内侧焊缝和外侧焊缝都表示出来。
每个相机都与所扫描的边形成一个夹角,把焊缝两侧都拍摄到,且焊缝与3D相机的激光线成90度角,避免3D相机激光线与焊缝成45度角扫描方式,这样保证每个相机的接收端在焊缝中间,使得每条边都可以得到清楚的图像,不会出现信号干扰情况,从而提高焊缝质量检测的准确度。
附图说明
图1为本发明电芯焊接质量检测装置的立体结构示意图;
图2为本发明电芯焊接质量检测装置的正视图;
图3为本发明电芯焊接质量检测装置的侧视图;
图4为本发明基于3D相机的焊接质量检测方法的流程示意图;
图5为本发明基于3D相机的焊接质量检测系统的模块示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一
本实施例提供一种电芯焊接质量检测装置,利用该装置代替人工对动力电池进行质量检测,可减少三维拍摄过程中出现的信号干扰,提高图像清晰度,从而提高后续质量检测准确率。
如图1所示,所述装置主要包括如下部件:
支架300,装设有活动组件;
第一相机组,包括两个倾斜且沿电芯长度方向对称分布的第一3D相机101及第二3D相机102,并通过所述活动组件带动第一3D相机101及第二3D相机102沿电芯长度或宽度方向移动;
第二相机组,包括两个倾斜且沿电芯宽度方向对称分布的第三3D相机201及第四3D相机202,并通过所述活动组件带动第三3D相机201及第四3D相机202沿电芯长度或宽度方向移动;
传输模组,架设在所述第一相机组以及所述第二相机组的下方,用于带动电芯沿电芯长度方向移动。
其中,支架300可设为龙门架,在支架300上设有活动组件,所述活动组件包括多个直线导轨,所述直线导轨的安装位置可根据实际需求进行设定,只需确保所述第一相机组以及所述第二相机组可在所述直线导轨的带动下沿电芯长度方向以及电芯宽度方向进行往返移动,以便于所述第一相机组和所述第二相机组可对准其下方的电芯进行扫描,得到对应的点云数据。
本实施例中,所述第一相机组包括两个3D相机,分别为图1中的第一3D相机101及第二3D相机102;结合图1、图2所示,第一3D相机101向内倾斜且第一3D相机101的发射端和接收端都在电芯长度方向上,用于拍摄其下方电芯的长边;第二3D相机102同样向内倾斜,使得第一3D相机101及第二3D相机102沿电芯长度方向对称分布,第二3D相机102的发射端和接收端同样在电芯长度方向上,用于拍摄其下方电芯的另一侧长边。
对称的第一3D相机101及第二3D相机102统称为所述第一相机组,电芯沿其自身长度方向移动时,通过一组所述第一相机组可同时对电芯的两条长边进行扫描。
传统的扫描方式采用相机激光线与焊缝成45度角度扫描,这种方法使得3D相机接收器扫描某两条边时,接收器在焊缝内侧,扫描另外两条边时,接收器在焊缝外侧,造成了某两条边的点云数据清晰,另外两条边的点云图像有强噪声干扰。本实施例为了减少信号干扰,需确保两个3D相机的发射端和接收端均位于电芯长边的同一侧,且两个3D相机的发射端以固定角度分别向电芯左右两条长边发出激光,反射激光以垂直于电芯长边的角度被所述第一3D相机的接收端接收,即维持焊缝与3D相机的激光线成90度角,避免3D相机激光线与焊缝成45度角扫描方式,这样保证每个相机的接收端在焊缝中间,使得每条边都可以得到清楚的图像,不会出现信号干扰情况。
在一些实施例中,所述第一相机组中的两个3D相机沿电芯长度方向前后错位分布,可节省空间,以便于在宽度方向上增加多组所述第一相机组,实现同一时间对多个电芯的长边进行扫描。具体地,所述第一相机组的数量与所述传输模组中传输带400的数量相同,多组所述第一相机组在电芯宽度方向上依次排列,相邻两组所述第一相机组中用于扫描不同电芯不同侧长边的两个3D相机错位分布,以同时对多条传输带400上的电芯进行扫描。图1~图2中设有两组所述第一相机组,其中,两组所述第一相机组中,用于扫描电芯左侧长边的3D相机都位于前方,而用于扫描电芯右侧长边的3D相机都位于后方,两组所述第一相机组之间两个3D相机前后错位,在宽度方向上可节省更多空间。
所述第一相机组用于扫描电芯左右侧长边,而所述第二相机组则用于扫描电芯前后短边,所述第二相机组设可在所述第一相机组的前方或后方,所述第二相机组同样是由两个3D相机组成,结合图1、图3所示,分别是第三3D相机201及第四3D相机202,第三3D相机201及第四3D相机202的安装方位与第一相机组的相机安装方位不同,第三3D相机201及第四3D相机202沿电芯宽度方向对称,第三3D相机201的发射端以及接收端位于电芯短边的同一侧,第四3D相机202的发射端以及接收端位于电芯短边的另一侧,所述第三3D相机201及第四3D相机202的发射端均以固定角度向电芯的短边发出激光,且反射激光以垂直于电芯短边的角度被其对应的接收端接收,使得电芯沿电芯长度方向前进时所述3D相机在所述活动组件的带动下沿电芯宽度方向移动,用于扫描电芯短边。
而在第一相机组和第二相机组的正下方设有传输模组,所述传输模组可以是传输带400,电芯放置在传输带400上沿电芯长度方向进行运输,在运输过程中经过第一相机组和第二相机组下方位置,此时即可由第一相机组和第二相机组对电芯的长边以及短边进行扫描,从而得到对应的点云数据。本实施例中采用两条传输带400同时传输电芯,同时配备两组第一相机组对两条传输带400上的电芯进行长边扫描,利用一组第二相机组同时对两条传输带400上的电芯进行短边扫描,提高扫描效率。
在所述传输带400的左右两侧设有导向支架,并在所述导向支架上靠近电芯的一侧设有滚轮,所述滚轮的高度高于所述传输带400的传输面且低于所述传输带400上电芯的高度,用于限制传输带400上电芯的位置,避免电芯从传输带400上掉落,同时使得电芯可准确落入第一相机组和第二相机组的扫描范围内,提高扫描精度。
所述传输带400上还设有光电传感器,用于检测所述传输带400上电芯的位置,当电芯到达第一相机组、第二相机组下方时即可控制第一相机组和第二相机组对电芯进行扫描,提高准确度。
此外,本系统还可搭配2D机器视觉设备,即在所述支架300上架设2D相机,所述2D相机还配置有照明光源,用于为所述2D相机拍摄时提供照明;2D相机的安设位置可根据实际情况进行设置,但需确保所述2D相机的拍摄视场范围与所述传输带400所占范围相重合,将3D机器视觉和3D机器视觉结合在一起,提高焊接质量检测准确度。
本实施例的检测装置具体执行步骤如下:
电芯由机械手运送到3D相机成像的正下方,焊机控制器发送电芯到位信息给焊缝检测系统,焊缝检测系统接收到信息后,触发第一相机组进入采集状态,并发送准备好信号给采集图像的活动组件,活动组件接收到采集信号后,控制其内部运动机构开始以规定的速度运动,采集图像;此外,2D相机也根据位置触发信号,在相应的位置拍摄图像。
通过上述装置结构扫描电芯后,可基于扫描获得的数据对电芯上焊缝质量进行检测,提高检测判断的正确性。
实施例二
本实施例提供一种焊接质量检测方法,如图4所示,其检测步骤包括:
步骤S1:响应于拍摄信号采集所述第一相机组和所述第二相机组所拍摄的点云数据,将所述点云数据转换为深度图像并进行显示;其中,拍摄信号可以是传输带400上的光电传感器检测到电芯到达第一相机组正下方时发起;
步骤S2:对所述深度图像进行焊缝长宽定位以获得焊缝区域,并在所述焊缝区域内生成剖面轮廓线,基于预先构建的焊缝缺陷模型对所述剖面轮廓线的高度信息进行分析并标记出焊缝的关键特征点以判断出焊缝是否存在缺陷。
在进行缺陷识别前,先对系统需要检测缺陷进行数学建模,定义好每个缺陷的数学模型,缺陷数学模型越接近实际缺陷情况,在搜索缺陷时,判断结果精准度越高;该模型命名为焊缝缺陷模型,其构建步骤为:
获取缺陷图像并对所述缺陷图像进行分类,对图像中缺陷进行形态分析和量化处理后进行深度学习以构建出所述焊缝缺陷模型。
在对数据进行处理之前,还需先对相机安装角度进行补偿纠正,这样避免由于安装角度给处理系统带来误差。
将采集所得的点云数据转换为深度图像,在转换好的点云图中,根据焊缝的位置设置三个ROI区域,分别为Top,Measurement,Bottom3个ROI,在Top ROI中,根据从上而下图像的灰度变化情况,找到边缘点,然后拟合成直线L1;同理,在Measurement ROI中找到边缘直线L2,Bottom ROI中找到边缘直线L3。根据直线方程:ax+by+c=0,分别计算两条直线L1、L2的交点G1,以及L2、L3的交点G2;由G1和G2,以及R角物理尺寸实现焊缝在长度方向粗定位,从而获得平面维度的焊缝区域。
在焊缝长度方向上,根据粗定位结果设置一个焊缝区域ROI,该ROI长度为粗定位得到的焊缝长度,然后再把ROI平均分成若干个子区域。在每个ROI子区域内,等距离生成该ROI的剖面轮廓线。在每条剖面轮廓线上,根据焊缝的特点,分别搜索焊缝的内侧边缘点,根据,其中:f(x)是x位置的高度值,S为基准高度值,T为边缘阈值。在ROI区域内找到符合条件点x位置,即焊缝内边缘,从而实现了焊缝宽度方向定位,得到了整个焊缝区域。
在每个焊缝区域内,根据预先构建的焊缝缺陷模型的模型特点,找到焊缝的关键特征点(焊缝内边缘、外边缘、焊缝最高点、最低点等),并计算关键特征值(焊缝最高点,焊缝最低点和焊缝宽度等)。如焊缝最高点,根据,满足条件的x位置即为焊缝最高点。同样计算焊缝的最低点。在搜索关键特征点计算特征值时,需要对考虑去除一些离群点的影响,从而得到接近实际的值。
根据焊缝缺陷模型和焊缝特征值,计算焊缝中可能存在的凹坑、凸起、焊缝宽度偏小、焊缝宽度偏大、针孔、爆点等缺陷长度,并对这些可能出现缺陷区域进行连通性分析,重新确定缺陷长度。
对可能缺陷长度超出预设规定范围的缺陷进行二次判断,通过二次判断确认这些缺陷是否真的存在。二次判断是根据该区域在运动方向上的高度变化情况进行判断,如果该区域高度变化情况符合焊缝缺陷模型,则表示该缺陷是真正缺陷。把每个区域都按照以上步骤得到的缺陷结果综合起来就是整个焊缝的判断结果。
此外,可检测电芯是否在2D视场范围内,若是则控制2D相机对运动到其下方的电芯进行拍摄,从而接收由2D相机采集到的数据;对于2D深度学习,根据深度学习的特征,先对缺陷进行分类,找到缺陷可能出现的位置,然后对缺陷进行后处理,也就是对缺陷进行二次判断,从而得到产品是否存在缺陷;综合3D判断结果和2D判断结果,从而得到产品是否存在缺陷。
电芯焊接质量检测装置是机械配合成像,克服以前无法把焊缝内侧和焊缝外侧缺陷表示出来,在设计机械机构时,把相机安装部位实行倾斜一个角度,然后通过相机标定方法把倾斜点云变换成正方向坐标,这样就可以把内侧焊缝和外侧焊缝都表示出来;焊缝与3D相机的激光线成90度角,避免3D相机激光线与焊缝成45度角扫描方式,这样保证每个相机的接收端在焊缝中间,使得每条边都可以得到清楚的图像,不会出现信号干扰情况;且3D相机激光线与焊缝成90度扫描方法可以得到完整的R角图像,同时,减少点云采集过程中产生的噪声;始终保证了3D相机与扫描每条线时相机接收器在同一侧,避免某条边清晰,某些边噪声多的情况发生,从而得到高质量的图像。
3D相机扫描平面与盖顶边切线平行方式扫描焊缝,有利于3D相机可以同时扫描到焊缝内侧和外侧缺陷,降低过杀和漏杀,缺陷判断准确率高,误判率低。且直接通过缺陷的数学模型搜索缺陷,找缺陷的整个过程都是利用3D点云信息,避免了把3D变2D造成误判的情况。同时,在小针孔、裂纹和发黑缺陷采用2D成像,提高了图像成像的质量和分辨率,采用深度学习的方法,检测样本越多,判断结果的准确率越高。
实施例三
本实施例提供一种基于多组3D相机的焊接质量检测系统,执行如上述的基于多组3D相机的焊接质量检测方法;如图5所示,所述系统包括:
图像采集模块,用于根据拍摄信号采集第一相机组和第二相机组所拍摄的点云数据,将所有点云数据转换为深度图像并进行显示;
质检分析模块,用于对所述深度图像进行焊缝长宽定位以获得焊缝区域,并在所述焊缝区域内生成剖面轮廓线,基于预先构建的焊缝缺陷模型对所述剖面轮廓线的高度信息进行分析并标记出焊缝的关键特征点以判断出焊缝是否存在缺陷。
在一些实施例中,还提供一种电子设备,其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的焊接质量检测方法;另外,还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现上述的焊接质量检测方法。
上述系统、设备及存储介质与前述实施例中的方法是基于同一发明构思下的多个方面,在前面已经对方法实施过程作了详细的描述,所以本领域技术人员可根据前述描述清楚地了解本实施例中的设备及存储介质的结构及实施过程,为了说明书的简洁,在此就不再赘述。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.基于3D相机的焊接质量检测方法,其特征在于,多组3D相机包含用于扫描电芯长边的第一相机组,以及用于扫描电芯短边的第二相机组;其焊接质量检测方法包括:
响应于拍摄信号采集所述第一相机组和所述第二相机组所拍摄的点云数据,将所有点云数据转换为深度图像并进行显示;
对所述深度图像进行焊缝长宽定位以获得焊缝区域,并在所述焊缝区域内生成剖面轮廓线,基于预先构建的焊缝缺陷模型对所述剖面轮廓线的高度信息进行分析并标记出焊缝的关键特征点以判断出焊缝是否存在缺陷。
2.根据权利要求1所述的基于3D相机的焊接质量检测方法,其特征在于,所述第一相机组,包括两个倾斜且沿电芯长度方向对称分布的第一3D相机及第二3D相机,且第一3D相机及第二3D相机反射回其接收端的激光方向与电芯长度方向呈90度夹角;所述第二相机组,包括两个倾斜且沿电芯宽度方向对称分布的第三3D相机及第四3D相机,且所第三3D相机及第四3D相机反射回其接收端的激光方向与电芯宽度方向呈90度夹角。
3.根据权利要求2所述的基于3D相机的焊接质量检测方法,其特征在于,所述第一相机组以及所述第二相机组在相机活动模组的带动下沿电芯长度或宽度方向进行移动,电芯在电芯活动模组的带动下沿其长度方向移动,以完成所述第一相机组以及所述第二相机组对电芯长边和短边的扫描操作。
4.根据权利要求3所述的基于3D相机的焊接质量检测方法,其特征在于,所述焊缝的长度定位的方法为:
在所述深度图像中根据焊缝边缘位置分别设置三个ROI区域;
根据每个ROI区域的图像灰度变化情况寻找每个ROI区域中的边缘点并拟合成直线;
根据直线方程分别计算两条直线之间的交点,根据交点以及R角物理尺寸以获得平面维度的焊缝区域。
5.根据权利要求4所述的基于3D相机的焊接质量检测方法,其特征在于,生成所述剖面轮廓线并对所述剖面轮廓线的高度信息进行分析的方法为:
将所述焊缝区域平均分为若干个子区域,基于图像所包含的深度信息在每个子区域内等距离生成该区域的剖面轮廓线;
基于剖面轮廓线上焊缝内边缘与基准高度值之间的差值需小于边缘阈值的规定,在每条剖面轮廓线上分别搜索焊缝的内侧边缘点,并结合每条剖面轮廓线的高度特征确定焊缝的关键特征点及其特征值,关键特征点包括焊缝内边缘、外边缘、焊缝最高点、最低点。
6.根据权利要求1所述的基于3D相机的焊接质量检测方法,其特征在于,所述焊缝缺陷模型的构建方法为:
获取缺陷图像并对所述缺陷图像进行分类,对图像中缺陷进行形态分析和量化处理后进行深度学习以构建出所述焊缝缺陷模型。
7.根据权利要求1所述的基于3D相机的焊接质量检测方法,其特征在于,还包括:
利用2D相机对电芯进行拍摄以获得2D图像,并基于2D深度学习对2D图像进行分析,结合2D判断结果以及3D判断结果生成电芯缺陷报告。
8.一种基于3D相机的焊接质量检测系统,其特征在于,执行如权利要求1~7任一所述的基于多组3D相机的焊接质量检测方法;所述系统包括:
图像采集模块,用于根据拍摄信号采集第一相机组和第二相机组所拍摄的点云数据,将所有点云数据转换为深度图像并进行显示;
质检分析模块,用于对所述深度图像进行焊缝长宽定位以获得焊缝区域,并在所述焊缝区域内生成剖面轮廓线,基于预先构建的焊缝缺陷模型对所述剖面轮廓线的高度信息进行分析并标记出焊缝的关键特征点以判断出焊缝是否存在缺陷。
9.一种电子设备,其特征在于,其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1~7任一所述的基于多组3D相机的焊接质量检测方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被执行时实现权利要求1~7任一所述的基于多组3D相机的焊接质量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310541702.XA CN116258718B (zh) | 2023-05-15 | 2023-05-15 | 基于3d相机的焊接质量检测方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310541702.XA CN116258718B (zh) | 2023-05-15 | 2023-05-15 | 基于3d相机的焊接质量检测方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116258718A true CN116258718A (zh) | 2023-06-13 |
CN116258718B CN116258718B (zh) | 2023-10-31 |
Family
ID=86684720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310541702.XA Active CN116258718B (zh) | 2023-05-15 | 2023-05-15 | 基于3d相机的焊接质量检测方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258718B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117054334A (zh) * | 2023-07-21 | 2023-11-14 | 常州超音速智能装备有限公司 | 一种基于多相机的顶盖焊缺陷质量检测方法及系统 |
CN117705814A (zh) * | 2024-02-05 | 2024-03-15 | 宁德时代新能源科技股份有限公司 | 电池壳盖焊接检测系统及方法 |
CN118275450A (zh) * | 2024-05-30 | 2024-07-02 | 菲特(天津)检测技术有限公司 | 焊缝检测方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022053001A1 (zh) * | 2020-09-10 | 2022-03-17 | 上海航天精密机械研究所 | 焊缝内部缺陷智能检测装置、方法及介质 |
CN115661137A (zh) * | 2022-12-12 | 2023-01-31 | 宁德时代新能源科技股份有限公司 | 检测装置、检测方法、终端设备及计算机可读存储介质 |
CN116109587A (zh) * | 2023-01-12 | 2023-05-12 | 超音速人工智能科技股份有限公司 | 一种复杂环境下密封钉焊缝质量检测方法 |
-
2023
- 2023-05-15 CN CN202310541702.XA patent/CN116258718B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022053001A1 (zh) * | 2020-09-10 | 2022-03-17 | 上海航天精密机械研究所 | 焊缝内部缺陷智能检测装置、方法及介质 |
CN115661137A (zh) * | 2022-12-12 | 2023-01-31 | 宁德时代新能源科技股份有限公司 | 检测装置、检测方法、终端设备及计算机可读存储介质 |
CN116109587A (zh) * | 2023-01-12 | 2023-05-12 | 超音速人工智能科技股份有限公司 | 一种复杂环境下密封钉焊缝质量检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117054334A (zh) * | 2023-07-21 | 2023-11-14 | 常州超音速智能装备有限公司 | 一种基于多相机的顶盖焊缺陷质量检测方法及系统 |
CN117705814A (zh) * | 2024-02-05 | 2024-03-15 | 宁德时代新能源科技股份有限公司 | 电池壳盖焊接检测系统及方法 |
CN118275450A (zh) * | 2024-05-30 | 2024-07-02 | 菲特(天津)检测技术有限公司 | 焊缝检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116258718B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116258718B (zh) | 基于3d相机的焊接质量检测方法、系统、设备及介质 | |
CN110595999B (zh) | 一种图像采集系统 | |
CN107578464B (zh) | 一种基于线激光扫描的传送带工件三维轮廓测量方法 | |
US6873912B2 (en) | Vehicle tracking system | |
CN108332689B (zh) | 一种检测表面粗糙度和表面损伤的光学测量系统及方法 | |
CN100349689C (zh) | 基于环形激光视觉传感的焊缝自动定位方法 | |
CN117589129B (zh) | 一种车载式柔性接触网定位器坡度测量方法及系统 | |
CN113306991A (zh) | 基于立体视觉的煤炭运输机监测管理系统 | |
CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
CN109590952B (zh) | 成套工艺装配板的智能检测方法和检测工作台 | |
CN115661137B (zh) | 检测装置、检测方法、终端设备及计算机可读存储介质 | |
CN116359233B (zh) | 方形电池外观缺陷检测方法、装置、存储介质和电子设备 | |
JP4032843B2 (ja) | 監視システムおよび監視方法、当該監視システムにおける距離補正装置および距離補正方法 | |
US20230186516A1 (en) | Method and flat bed machine tool for detecting a fitting position of a supporting bar | |
CN114714355A (zh) | 自主移动焊接机器人嵌入式视觉跟踪控制系统 | |
CN114113107A (zh) | 一种基于激光扫描的360°铁轨损伤识别系统及方法 | |
CN116429768A (zh) | 一种密封钉焊接质量检测方法、系统、设备及存储介质 | |
CN112419154A (zh) | 可行驶区域检测方法、装置、设备和计算机可读存储介质 | |
CN116337871A (zh) | 一种动力电池焊缝检测方法、系统、设备及存储介质 | |
CN220040288U (zh) | 一种电芯焊接质量检测装置 | |
CN112001971A (zh) | 一种物体识别方法及系统 | |
CN108550144B (zh) | 基于灰度信度的激光光条序列图像质量评价方法 | |
CN108262583B (zh) | 焊缝的类型判断和定位方法及系统 | |
CN113793293B (zh) | 轮廓检测方法、装置、系统及计算机可读存储介质 | |
CN114682879A (zh) | 一种基于目标跟踪的焊缝跟踪方法 |
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 |