CN116503412B - 外观缺陷检测方法、装置、计算机设备和存储介质 - Google Patents
外观缺陷检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116503412B CN116503412B CN202310779629.XA CN202310779629A CN116503412B CN 116503412 B CN116503412 B CN 116503412B CN 202310779629 A CN202310779629 A CN 202310779629A CN 116503412 B CN116503412 B CN 116503412B
- Authority
- CN
- China
- Prior art keywords
- defect
- detection
- item
- target point
- image
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 1045
- 238000001514 detection method Methods 0.000 title claims abstract description 979
- 238000003860 storage Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims description 69
- 238000004590 computer program Methods 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 22
- 238000007689 inspection Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 15
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000005261 decarburization Methods 0.000 description 5
- 238000002955 isolation Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000003575 carbonaceous material Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G01N2021/8883—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 involving the calculation of gauges, generating models
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种外观缺陷检测方法、装置、计算机设备和存储介质，该外观缺陷检测方法包括：响应于电池的外观缺陷检测指令，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口；然后执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。该外观缺陷检测方法提高了电池的外观缺陷检测效率。
Description
技术领域
本申请涉及缺陷检测技术领域，特别是涉及一种外观缺陷检测方法、装置、计算机设备和存储介质。
背景技术
随着科技的发展，各种功能的产品层出不穷，随之而来的是用户对产品的质量也越来越高。
以电池为例，相关技术中，在生产电池的过程中会出现各种瑕疵问题，必须对电池进行外观缺陷检测，以保证电池的生产质量。
但是，相关技术中，对电池进行外观缺陷检测流程较为繁杂，影响电池的外观缺陷检测效率。
发明内容
基于此，有必要针对上述技术问题，提供一种外观缺陷检测方法、装置、计算机设备和存储介质，能够提高电池的外观缺陷检测效率。
第一方面，本申请提供了一种外观缺陷检测方法，该外观缺陷检测方法包括：
响应于电池的外观缺陷检测指令，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口；
执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。
本申请实施例中，响应于电池的外观缺陷检测指令，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口；然后执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。该外观缺陷检测方法中，预先为电池配置检测配置文件，检测配置文件中包括各缺陷项的检测参数信息和检测方法调用接口，相当于是在电池的外观缺陷检测的整体流程中，将电池的各缺陷项的检测方法与电池的检测参数剥离开来，使得在电池更换型号或调整需检测的缺陷项时，只需要调整预设的检测配置文件中目标点位图像对应的各缺陷项的检测参数信息，通过运行调整后的检测配置文件即可得到目标点位图像的外观缺陷检测结果，整个过程简化了对电池进行外观缺陷检测流程，使得对电池的外观缺陷检测流程非常简便，从而提高了电池的外观缺陷检测效率。
在其中一个实施例中，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息，包括：
获取目标点位图像的采集点位标识；
从检测配置文件中确定与采集点位标识对应的点位配置信息；
根据各缺陷项的检测参数，调整点位配置信息中各缺陷项对应的检测参数信息。
本申请实施例中，获取目标点位图像的采集点位标识，并从检测配置文件中确定与采集点位标识对应的点位配置信息，然后根据各缺陷项的检测参数，调整点位配置信息中各缺陷项对应的检测参数信息。该外观缺陷检测方法中，由于检测配置文件中的点位配置信息与采集点位标识对应，使得能够根据目标图像的采集点位标识直接获取检测配置文件中目标点位图像的点位配置信息，从而实现了对目标点位图像的点位配置信息中各缺陷项的检测参数信息的快速调整，提高了目标点位图像的检测效率。
在其中一个实施例中，获取目标点位图像的采集点位标识，包括：
获取采集目标点位图像的摄像设备的设备标识；
根据设备标识确定目标点位图像的采集点位标识。
本申请实施例中，获取采集目标点位图像的摄像设备的设备标识，并根据设备标识确定目标点位图像的采集点位标识。通过上述外观缺陷检测方法，实现了目标点位图像的采集点位标识的快速获取，提高了目标点位图像的检测速度；并且，目标图像的采集点位标识与摄像设备的设备标识对应，可以根据发送目标点位图像的摄像设备的设备标识获取目标点位图像的采集点位标识，使得目标点位图像的采集点位标识更为准确，从而提高了目标点位图像的缺陷检测准确性。
在其中一个实施例中，在根据各缺陷项的检测参数，调整点位配置信息中各缺陷项对应的检测参数信息之前，该外观缺陷检测方法还包括：
根据采集点位标识和预设的采集点位标识与缺陷项之间的对应关系，获取目标点位图像对应的各缺陷项；
根据目标点位图像，确定各缺陷项的检测参数。
本申请实施例中，根据采集点位标识和预设的采集点位标识与缺陷项之间的对应关系，获取目标点位图像对应的各缺陷项，并根据目标点位图像，确定各缺陷项的检测参数。该外观缺陷检测方法中，由于采集点位标识与缺陷项之间存在对应关系，可以直接根据目标点位图像的采集点位标识确定目标点位图像的各缺陷项，提高了确定目标点位图像的各缺陷项的效率；并且，以目标点位图像为依据确定各缺陷项的检测参数，提高了各检测参数的准确性，从而提高了目标点位图像的外观缺陷检测的准确性。
在其中一个实施例中，根据目标点位图像，确定各缺陷项的检测参数，包括：
根据目标点位图像，获取电池的图像特征信息；
根据各缺陷项所需检测的参数类型和图像特征信息，获取各缺陷项的检测参数；不同缺陷项所需检测的参数类型不同。
本实施例中，根据目标点位图像，获取电池的图像特征信息，根据各缺陷项所需检测的参数类型和图像特征信息，获取各缺陷项的检测参数；不同缺陷项所需检测的参数类型不同。以目标点位图像的图像特征信息为依据，确定目标点位图像的各缺陷项所需检测的参数类型对应的检测参数值，使得各检测参数更能反映真实的目标点位图像的各缺陷项，从而提高了确定各缺陷项的缺陷检测结果的准确性。
在其中一个实施例中，各缺陷项的检测方法中包括图像存储路径；各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果，包括：
根据目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果；目标点位图像为通过图像存储路径调用的；
根据各缺陷项的缺陷检测结果，获得目标点位图像的外观缺陷检测结果。
本申请实施例中，各缺陷项的检测方法中包括图像存储路径，根据目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果，并根据各缺陷项的缺陷检测结果，获得目标点位图像的外观缺陷检测结果；其中，目标点位图像为通过图像存储路径调用的。该外观缺陷检测方法中，由于目标点位图像的外观缺陷检测结果是通过各检测方法调用目标点位图像和各缺陷项调整后的检测参数确定的，即外观缺陷检测结果是以目标点位图像和各缺陷项调整后的检测参数为依据确定的，提高了目标点位图像中各缺陷项的缺陷检测结果的准确性；并且，通过各缺陷项的检测方法，确定各缺陷项的缺陷检测结果，并基于各缺陷项的缺陷检测结果，得到目标点位图像的外观缺陷检测结果，提高了目标点位图像的外观缺陷检测的全面性和准确性。
在其中一个实施例中，根据目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果，包括：
获取各缺陷项对应的检测模式；
根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果。
本申请实施例中，获取各缺陷项对应的检测模式，并根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果。该外观缺陷检测方法中，通过各缺陷项的检测模式，以检测模式对应执行各缺陷项的检测方法，以得到各缺陷项的缺陷检测结果，将各缺陷项划分适配的检测模式，这样针对性地对各缺陷项进行缺陷检测，提高了各缺陷项的缺陷检测结果的准确性。
在其中一个实施例中，根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果，包括：
在检测模式包括算法模式的情况下，获取各缺陷项中属于算法模式的多个第一缺陷项；
根据目标点位图像和各第一缺陷项调整后的检测参数，按照各第一缺陷项之间的工序关联关系，依次控制各第一缺陷项的检测方法运行，以得到各第一缺陷项的缺陷检测结果。
本实施例中，在检测模式包括算法模式的情况下，先获取各缺陷项中属于算法模式的多个第一缺陷项，并根据目标点位图像和各第一缺陷项调整后的检测参数，按照各第一缺陷项之间的工序关联关系，依次控制各第一缺陷项的检测方法运行，以得到各第一缺陷项的缺陷检测结果。根据各第一缺陷项之间的工序关联关系，依次控制各第一缺陷项的检测方法运行，使得各第一缺陷项的检测方法能够正常运行，从而提高了各第一缺陷项的缺陷检测速度。
在其中一个实施例中，根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果，包括：
在检测模式包括模型模式的情况下，获取各缺陷项中属于模型模式的多个第二缺陷项；
控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中，并运行检测模型，得到各第二缺陷项的缺陷检测结果。
本申请实施例中，在检测模式包括模型模式的情况下，获取各缺陷项中属于模型模式的多个第二缺陷项，并控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中，并运行检测模型，得到各第二缺陷项的缺陷检测结果。该外观缺陷检测方法中，直接通过目标点位图像和各缺陷项的检测参数运行预设的检测模型确定各第二缺陷项的缺陷检测结果，提高了各第二缺陷项的缺陷检测结果的准确性；并且，仅通过一个检测模型即可得到各第二缺陷项的检测结果，提高了各第二缺陷项的缺陷检测速度。
在其中一个实施例中，该外观缺陷检测方法还包括：
获取各第二缺陷项确定目标点位图像中的检测区域；
在控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中的情况下，通过检测模型对检测区域进行检测，得到各第二缺陷项的缺陷检测结果。
本申请实施例中，获取各第二缺陷项确定目标点位图像中的检测区域，并在控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中的情况下，通过检测模型对检测区域进行检测，得到各第二缺陷项的缺陷检测结果。该外观缺陷检测方法中，对目标点位图像中的检测区域进行缺陷检测，由于检测区域是根据各缺陷项确定的，使得能够对目标点位图像的各缺陷项对应的区域进行检测，这样针对性地对目标点位图像进行缺陷检测，滤除了存在干扰的背景区域，提高了对目标点位图像进行缺陷检测的准确性。
在其中一个实施例中，各第二缺陷项在检测模型中的缺陷判定条件不同。
本申请实施例中，各第二缺陷项在检测模型中的缺陷判定条件不同。不同的第二缺陷项对应的缺陷判定条件不同，能够更精确地检测不同的第二缺陷项，提高了对目标点位图像进行外观缺陷检测的可靠性和准确性。
在其中一个实施例中，该外观缺陷检测方法还包括：
在目标点位图像存在新增缺陷项的情况下，获取新增缺陷项所需检测的参数类型；
根据新增缺陷项所需检测的参数类型，在检测配置文件中增加新增缺陷项的检测参数信息。
本申请实施例中，在目标点位图像存在新增缺陷项的情况下，获取新增缺陷项所需检测的参数类型，并根据新增缺陷项所需检测的参数类型，在检测配置文件中增加新增缺陷项的检测参数信息。该外观缺陷检测方法中，在目标点位图像新增检测需求的情况下，直接在对应检测配置文件中增加新增缺陷项的检测参数信息，不需要对新增缺陷项的检测方法进行修改，通过执行新增缺陷项的检测参数信息调用对应的检测方法运行，即可直接得到新增缺陷项的缺陷检测结果，提高了对目标点位图像进行外观缺陷检测的效率。
第二方面，本申请还提供了一种外观缺陷检测装置，该装置包括：
调整模块，用于响应于电池的外观缺陷检测指令，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口；
执行模块，用于执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。
第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，该处理器执行计算机程序时实现上述第一方面中任一实施例提供的外观缺陷检测方法的步骤。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一实施例提供的外观缺陷检测方法的步骤。
第五方面，本申请实施例还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上述第一方面中任一实施例提供的外观缺陷检测方法的步骤。
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为一个实施例中外观缺陷检测方法的应用环境图；
图2为一个实施例中外观缺陷检测方法的流程示意图；
图3a为一个实施例中点位图像的结构示意图；
图3b为另一个实施例中点位图像的结构示意图；
图3c为另一个实施例中点位图像的结构示意图；
图3d为另一个实施例中点位图像的结构示意图；
图3e为另一个实施例中点位图像的结构示意图；
图3f为另一个实施例中点位图像的结构示意图；
图3g为另一个实施例中点位图像的结构示意图；
图4为另一个实施例中外观缺陷检测方法的流程示意图；
图5为另一个实施例中外观缺陷检测方法的流程示意图；
图6为另一个实施例中外观缺陷检测方法的流程示意图；
图7为另一个实施例中外观缺陷检测方法的流程示意图；
图8为另一个实施例中外观缺陷检测方法的流程示意图；
图9为另一个实施例中外观缺陷检测方法的流程示意图；
图10为另一个实施例中外观缺陷检测方法的流程示意图；
图11为一个实施例中目标点位图像的检测模式示意图；
图12为另一个实施例中外观缺陷检测方法的流程示意图；
图13为另一个实施例中外观缺陷检测方法的流程示意图；
图14为一个实施例中目标点位图像的检测区域示意图；
图15为另一个实施例中外观缺陷检测方法的流程示意图；
图16为一个实施例中电池的各点位图像的检测模式示意图；
图17为一个实施例中外观缺陷检测装置的结构框图。
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”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，“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至少一个实施例中。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。在本申请实施例的描述中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
在产线各环节中，电池的外观缺陷检测是至关重要的一环，缺陷检测结果的有效性能够确保电池出厂的安全性。
但是，在生产电池的过程中，由于环境、工艺及设备等原因，电池会产生多种不同的缺陷，为了确保电池的良率，需要通过各种检测手段将电池的各缺陷检出。
例如，在电池的外观缺陷检测的过程中，错位不良、拔针不良、隔离膜错位、露出极片、隔离膜破损、标签异物、脱碳等缺陷都需要被检测，但是这些缺陷由于产生机理、形态、在电池分布的位置不同，需要检测电池在不同角度拍摄的点位图像，并通过不同的检测方法对各点位图像进行外观缺陷检测。
相关技术中，由于不同的点位图像的同一缺陷项的参数设置也会不同，因此，对于每个点位图像都需要设计一套对应的检测方法。但是，电池检测流程太过固定，当电池更换型号时，需要在电池的检测方法的原代码上修改代码，导致电池的整体检测流程较为繁琐，从而影响电池的外观缺陷检测效率。
基于以上考虑，为了提高电池的外观缺陷检测效率，提出了一种外观缺陷检测方法，在响应于电池的外观缺陷检测指令之后，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口；然后执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。预先为电池配置检测配置文件，检测配置文件中包括各缺陷项的检测参数信息和检测方法调用接口，相当于是在电池的外观缺陷检测的整体流程中，将电池的各缺陷项的检测方法与电池的检测参数剥离开来，使得在电池更换型号或调整需检测的缺陷项时，只需要调整预设的检测配置文件中目标点位图像对应的各缺陷项的检测参数信息，通过运行调整后的检测配置文件得到目标点位图像的外观缺陷检测结果，整个过程简化了对电池进行外观缺陷检测流程，使得对电池的外观缺陷检测流程非常简便，从而提高了电池的外观缺陷检测效率。
当然，需理解的是，本申请实施例中提供的外观缺陷检测方法可以实现的技术效果不限于此，还可以实现其他的技术效率，例如，本申请实施例中的检测方法适用任何型号的电池，在调用时，只需要调整对应检测配置文件中的检测参数即可，具有通用性和灵活性；能够快速应对产线切拉换型的突发状况，提高了产线的稳定性。
在一个实施例中，提供了一种外观缺陷检测方法，以该外观缺陷检测方法应用于图1中的计算设备为例进行说明。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外观缺陷检测方法。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请实施例相关的部分结构的框图，并不构成对本申请实施例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，本申请实施例提供了一种外观缺陷检测方法，如图2所示，该实施例包括如下步骤：
S210，响应于电池的外观缺陷检测指令，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口。
在电池的外观缺陷检测中，电池的缺陷项可以包括错位不良、边距不良、拔针不良、隔离膜错位、露出极片、隔离膜破损、标签异物、脱碳等缺陷项。
其中，错位不良为电池的一个外观不良项，能够直观体现在电池组件玻璃面层面，在视觉上会直接影响电池组件美观度；边距不良可以表示电池的外壳与内部电池组件之间的间隙不均匀；拔针不良可以表示电池的金属针脚与电池之间的接触不良，隔离膜是用于隔离电池正负极的薄膜，隔离膜错位可以用来判断电池是否短路或电池容量下降；露出极片可以表示电池中的极片是否露出，电池的正负极通过极片与电池内部连接，如果极片露出，则可能导致电池短路或电池性能下降；隔离膜破损可以表示电池的隔离膜是否破损，电池的隔离膜破损可能导致电池正负极直接接触，引发电池短路或性能下降；标签异物可以表示电池外部贴有的标签上可能附着了异物，如灰尘、油污等，这些异物可能导致电池表面不平整或影响电池散热；电池的正负极通常由碳材料组成，如果电池脱碳，可能导致电池性能下降或电池无法正常工作。
这些缺陷由于产生机理、形态、在电池分布的位置不同，需要获取电池在不同角度拍摄的点位图像，以实现电池的外观缺陷检测。
如图3a-图3g所示，图3a-图3g为摄像设备拍摄的电池在不同角度的点位图像（P0-P6），图3a-图3g中的P表示的是电池的极耳；其中，图3a表示的是摄像设备在背光侧拍摄电池的极耳图像，图3b表示的是摄像设备正对电池正面拍摄的图像；图3c表示的是摄像设备在一定的倾斜角度拍摄的电池正面的图像，图3d表示的是摄像设备正对电池顶部极耳侧拍摄的图像，图3e表示的是摄像设备在一定倾斜角度拍摄的电池顶部极耳侧的图像，图3f表示的是摄像设备正对电池底部拍摄的图像，图3g表示的是摄像设备在一定倾斜角度拍摄的电池底部的图像。需要说明的是，图3a-图3g中的点位图像仅为示例，可以根据实际情况确定电池的采集点位。其中，不同的点位图像对应的缺陷项可以不同。
其中，目标点位图像为电池的多个点位图像中的任一点位图像。
目标点位图像对应的至少一个缺陷项的检测参数表示的是在对目标点位图像进行对应缺陷项的外观缺陷检测时所需要用到的参数。以缺陷项为拔针不良为例，拔针不良可以选择哪些角点之间计算拔针，例如，拔针不良的检测参数可以包括电池左上角点与左极耳的左角点之间是否有拔针，以及检测参数还可以包括拔针检测框的高度（像素）、二值化阈值、拔针宽度、拔针检测规格等等，本申请实施例中对于拔针不良的检测参数仅为示例，可以根据实际情况对各缺陷项的检测参数进行设置。
可选地，在对电池进行缺陷检测时，还可以检测电池的角点信息等。因此，电池的缺陷项还可以包括模板匹配、角点标定以及角点输出等，其中，模板匹配表示的是获取电池的角点在点位图像上的像素坐标，角点标定表示的是将角点的像素坐标转换为在世界坐标系的世界坐标，角点输出表示的是输出电池的角点的世界坐标。
电池的外观缺陷检测指令可以为需要对电池进行外观缺陷检测的指令，在响应与电池的外观缺陷检测指令后，计算机设备可以获取目标图像对应的至少一个缺陷项的检测参数，并根据目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息。
其中，外观缺陷检测指令中可以包括电池型号发生改变的提示等信息；获取目标图像对应的至少一个缺陷项的检测参数的方式可以是，计算机设备响应于电池的外观缺陷检测指令后，可以向摄像设备发送点位图像采集指令，控制摄像设备采集目标点位图像，并接收摄像设备发送的目标点位图像，然后根据目标点位图像的尺寸确定目标点位图像对应的至少一个缺陷项的检测参数。
外观缺陷检测指令可以包括电池的型号；获取目标图像对应的至少一个缺陷项的检测参数的方式也可以是，计算机设备中也可以预先存储电池型号与目标点位图像的各缺陷的检测参数之间的对应关系，计算机设备响应与电池的外观缺陷检测指令后，可以根据电池的型号从对应关系中获取电池的目标点位图像对应的至少一个缺陷项的检测参数。
可选地，电池的外观缺陷指令中也可以包括电池的目标点位图像对应的至少一个缺陷项的检测参数。
检测配置文件可以包括电池的目标点位图像中各缺陷项的检测参数，因此，在获取目标点位图像对应的至少一个缺陷项的检测参数后，直接将检测配置文件中目标电池图像的各缺陷项的检测参数调整为新获取的目标点位图像对应的至少一个缺陷项的检测参数。
S220，执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。
其中，检测配置文件中包括目标点位图像的各缺陷项的检测方法调用接口，目标点位图像的各缺陷项的检测参数中包括各缺陷项的检测方法调用接口。
在对目标点位图像进行外观缺陷检测时，执行调整后的检测配置文件，即执行调整后的检测配置文件中目标点位图像的各缺陷项的检测参数信息，以通过各缺陷项的检测参数信息运行各缺陷项的检测方法，得到目标点位图像的各缺陷项的外观缺陷检测结果，即目标点位图像的外观缺陷检测结果。
例如，目标点位图像包括模板匹配、边距不良和拔针不良等缺陷项，执行调整后的检测配置文件，分别通过对应的检测方法调用接口调用模板匹配、边距不良和拔针不良对应的检测方法，并通过各缺陷项对应的检测参数运行对应的检测方法，从而得到目标图像的缺陷检测结果，
可选地，当电池的型号未发生改变且检测配置文件中已存储该型号的电池的目标点位图像对应的各缺陷项的检测参数，则在对电池的目标点位图像进行外观缺陷检测时，直接执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。
本申请实施例中，响应于电池的外观缺陷检测指令，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口；然后执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。该外观缺陷检测方法中，预先为电池配置检测配置文件，检测配置文件中包括各缺陷项的检测参数信息和检测方法调用接口，相当于是在电池的外观缺陷检测的整体流程中，将电池的各缺陷项的检测方法与电池的检测参数剥离开来，使得在电池更换型号或调整需检测的缺陷项时，只需要调整预设的检测配置文件中目标点位图像对应的各缺陷项的检测参数信息，通过运行调整后的检测配置文件即可得到目标点位图像的外观缺陷检测结果，整个过程简化了对电池进行外观缺陷检测流程，使得对电池的外观缺陷检测流程非常简便，从而提高了电池的外观缺陷检测效率。
下面通过一个实施例对如何调整检测配置文件中各缺陷项对应的检测参数信息的过程进行说明，在一个实施例中，如图4所示，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息，包括：
S410，获取目标点位图像的采集点位标识。
其中，在对电池进行外观缺陷检测时，电池可以包括多个采集点位，一个采集点位可以采集一张电池的点位图像。采集点位标识可以表示对应点位图像是从哪一个采集点位采集的图像。
获取目标点位图像的采集点位标识的方式可以是，目标点位图像上携带目标点位图像的采集点位标识，计算机设备可以对目标点位图像进行识别，确定目标点位图像的采集点位标识。
可选地，获取目标点位图像的采集点位标识的方式也可以是，摄像设备在向计算机设备发送点位图像时，同时也会将该点位图像的采集点位标识发送至计算机设备，因此，计算机可以直接确定目标点位图像的采集点位标识。
点位图像的采集点位标识也可以为点位图像的图像名称，因此，可直接将目标点位图像的图像名称确定为目标点位图像的采集点位标识。
S420，从检测配置文件中确定与采集点位标识对应的点位配置信息。
检测配置文件中包括点位图像对应的点位配置信息，点位配置信息包括点位图像的各缺陷的检测参数信息，每个点位图像的点位配置信息与点位图像的采集点位标识具有对应关系。
检测配置文件可以包括多个点位图像的各缺陷的检测参数信息，即电池的多个点位图像的各缺陷的检测参数信息集成于一个检测配置文件中；其中，检测配置文件中的各点位图像的点位配置信息与对应的采集点位标识对应。因此，可以从检测配置文件中获取与采集点位标识对应的点位配置信息。
可选地，电池的每个点位图像也可以对应一个检测配置文件，即每个点位图像独立配置一个对应的检测配置文件，每个点位图像的检测配置文件与采集点位标识对应，因此，可直接从电池的多个检测配置文件中获取与目标点位图像的采集点位标识对应的检测配置文件，并获取目标点位图像的采集点位标识对应的检测配置文件中的点位配置信息。
S430，根据各缺陷项的检测参数，调整点位配置信息中各缺陷项对应的检测参数信息。
根据目标点位图像对应的各缺陷项的检测参数，对应调整点位配置信息中目标点位图像对应的各缺陷项的检测参数信息。
例如，以缺陷项为拔针不良、检测参数为拔针检测框高度为例，确定目标点位图像的拔针不良缺陷项的拔针检测框高度为40，则将点位配置信息中目标点位图像中拔针不良的拔针检测框高度调整为40。
本申请实施例中，获取目标点位图像的采集点位标识，并从检测配置文件中确定与采集点位标识对应的点位配置信息，然后根据各缺陷项的检测参数，调整点位配置信息中各缺陷项对应的检测参数信息。该外观缺陷检测方法中，由于检测配置文件中的点位配置信息与采集点位标识对应，使得能够根据目标图像的采集点位标识直接获取检测配置文件中目标点位图像的点位配置信息，从而实现了对目标点位图像的点位配置信息中各缺陷项的检测参数信息的快速调整，提高了目标点位图像的检测效率。
在一个实施例中，如图5所示，获取目标点位图像的采集点位标识，包括以下步骤：
S510，获取采集目标点位图像的摄像设备的设备标识。
其中，设备标识是用于唯一标识和识别摄像设备的一组字符或数字，设备标识可以用来区分不同的摄像设备。可选地，摄像设备的设备标识可以是由摄像设备的制造厂商分配的序列号，用于唯一标识摄像设备；摄像设备的设备标识可以存储在摄像设备的存储器中，也可以显示在摄像设备的外壳。
摄像设备向计算机设备发送点位图像时，可以携带摄像设备的设备标识；因此，可直接获取采集目标点位图像的摄像设备的设备标识。
S520，根据设备标识确定目标点位图像的采集点位标识。
其中，设备标识与采集点位标识具有对应关系，因此，将设备标识与采集点位标识之间的对应关系中与摄像设备的设备标识对应的采集点位标识确定为目标点位图像的采集点位标识。
可选地，也可以直接将摄像设备的设备标识确定为目标点位图像的采集点位标识；例如，摄像设备的设备标识为P0，则确定目标点位图像的采集点位标识为P0。
本申请实施例中，获取采集目标点位图像的摄像设备的设备标识，并根据设备标识确定目标点位图像的采集点位标识。通过上述外观缺陷检测方法，实现了目标点位图像的采集点位标识的快速获取，提高了目标点位图像的检测速度；并且，目标图像的采集点位标识与摄像设备的设备标识对应，可以根据发送目标点位图像的摄像设备的设备标识获取目标点位图像的采集点位标识，使得目标点位图像的采集点位标识更为准确，从而提高了目标点位图像的缺陷检测准确性。
在根据各缺陷项的检测参数，调整点位配置信息中各缺陷项对应的检测参数信息之前，需要获取目标点位图像对应的各缺陷项的检测参数。在一个实施例中，如图6所示，该实施例包括以下步骤：
S610，根据采集点位标识和预设的采集点位标识与缺陷项之间的对应关系，获取目标点位图像对应的各缺陷项。
计算机设备中存储点位图像的采集点位标识与缺陷项之间的对应关系，一个点位图像对应至少一个缺陷项。
因此，可以将采集点位标识与缺陷项之间的对应关系中，与目标点位图像的采集点位标识对应的缺陷项确定为目标点位图像对应的缺陷项，目标点位图像对应的缺陷项至少包括一个。
可选地，也可以根据目标点位图像的检测需求，确定目标点位图像的至少一个缺陷项。
S620，根据目标点位图像，确定各缺陷项的检测参数。
电池的型号不同，电池的规格可能也不同，不同型号的电池的点位图像也存在差异，因此，可以根据电池的目标点位图像的图像特征信息，确定各缺陷项的检测参数。
在一个实施例中，如图7所示，根据目标点位图像，确定各缺陷项的检测参数，包括以下步骤：
S710，根据目标点位图像，获取电池的图像特征信息。
电池的图像特征信息可以包括目标点位图像的尺寸信息、电池在图像中的尺寸信息、电池各部件在目标点位图像中尺寸信息以及分布信息等等。
获取电池的图像特征信息的方式可以是，通过预设的检测算法对电池的目标点位图像进行分析，得到电池的图像特征信息。
S720，根据各缺陷项所需检测的参数类型和图像特征信息，获取各缺陷项的检测参数；不同缺陷项所需检测的参数类型不同。
各缺陷项所需检测的参数类型可以包括检测高度、检测区域、检测宽度、安全阈值等等，各缺陷项所需检测的参数类型不同。例如，模板匹配所需检测的参数类型可以包括模板图的名称、模板图的路径、模板框的坐标及大小、修复极耳抓取角点的算法参数等；角点标定的参数类型可以包括棋盘格以及棋盘格的尺寸大小等参数，棋盘格可以为角点坐标相互转换时对应的模板；隔离膜错位、露出极片、隔离膜破损、标签异物、脱碳等缺陷项所需检测的参数类型可以包括安全阈值、检测区域等。
因此，根据各缺陷项所需检测的参数类型和目标点位图像的图像特征信息，可以确定目标点位图像各缺陷项的检测参数的值。
其中，确定各缺陷项的检测参数的方式可以是，根据各缺陷项预设的参数确定方法，确定各缺陷项的参数类型对应的检测参数值；具体地，针对任一个缺陷项，将缺陷项所需的参数类型以及目标点位图像的图像特征信息输入至对应的参数确定方法中，通过参数确定方法对缺陷项所需的参数类型以及图像特征信息进行分析，确定该缺陷项的检测参数值。
本实施例中，根据目标点位图像，获取电池的图像特征信息，根据各缺陷项所需检测的参数类型和图像特征信息，获取各缺陷项的检测参数；不同缺陷项所需检测的参数类型不同。以目标点位图像的图像特征信息为依据，确定目标点位图像的各缺陷项所需检测的参数类型对应的检测参数值，使得各检测参数更能反映真实的目标点位图像的各缺陷项，从而提高了确定各缺陷项的缺陷检测结果的准确性。
需要说明的是，不同的点位图像对应的缺陷项可能不同，也可能相同；不同的点位图像对应的相同的缺陷项的检测参数也可能不同。
可选地，在确定目标点位图像各缺陷项的检测参数后，根据各缺陷项的检测参数对目标点位图像进行外观缺陷检测，得到目标点位图像的外观缺陷检测结果后，可以根据目标点位图像的外观缺陷检测结果对各缺陷项的检测参数进行调整，以得到更为准确地检测参数，从而提高对目标点位图像的外观缺陷检测的准确性。
本申请实施例中，根据采集点位标识和预设的采集点位标识与缺陷项之间的对应关系，获取目标点位图像对应的各缺陷项，并根据目标点位图像，确定各缺陷项的检测参数。该外观缺陷检测方法中，由于采集点位标识与缺陷项之间存在对应关系，可以直接根据目标点位图像的采集点位标识确定目标点位图像的各缺陷项，提高了确定目标点位图像的各缺陷项的效率；并且，以目标点位图像为依据确定各缺陷项的检测参数，提高了各检测参数的准确性，从而提高了目标点位图像的外观缺陷检测的准确性。
各缺陷项的检测方法中包括图像存储路径，在一个实施例中，如图8所示，各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果，包括以下步骤：
S810，根据目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果；目标点位图像为通过图像存储路径调用的。
对目标点位图像进行外观缺陷检测时，执行调整后的检测配置文件，实质上执行的是检测配置文件中与目标点位图像标识对应的点位配置信息，点位配置信息中包括目标点位图像对应的各缺陷项的检测方法调用接口。
因此，可以根据目标点位图像和各缺陷项调整后的检测参数，并通过各缺陷项的检测方法调用接口控制各缺陷项的检测方法运行，从而得到各缺陷项的缺陷检测结果。
各缺陷项的检测方法中包括目标点位图像的图像存储路径，针对任一缺陷项，各缺陷项的检测方法在运行时，是根据图像存储路径将对应的目标点位图像载入至检测方法中以及根据目标点位图像的点位配置信息将缺陷项的检测参数载入检测方法中运行的，检测方法运行结束，得到缺陷项的缺陷检测结果。
可选地，对于控制各缺陷项的检测方法运行，可以控制各缺陷项的检测方法同时运行；也可以根据预设的各缺陷项的检测方法的运行顺序依次控制各缺陷项的检测方法运行。
需要说明的是，预先将各缺陷项的检测方式中的检测参数进行参数化，并将各缺陷项的检测方法封装成类，得到各缺陷项的检测方法，根据各缺陷项的检测方法的类名称调用相应类别的方法和属性，检测方法调用接口可以包括对应检测方法的类名称。
S820，根据各缺陷项的缺陷检测结果，获得目标点位图像的外观缺陷检测结果。
将各缺陷项的缺陷检测结果确定为目标点位图像的外观缺陷检测结果。
例如，目标点位图像包括两个缺陷项，其中，一个缺陷项的缺陷检测结果为目标点位图像的尺寸信息，另一个缺陷项的缺陷检测结果为边距不合格，则确定目标点位图像的外观缺陷检测结果为目标点位图像的尺寸信息和边距不合格。
本申请实施例中，各缺陷项的检测方法中包括图像存储路径，根据目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果，并根据各缺陷项的缺陷检测结果，获得目标点位图像的外观缺陷检测结果；其中，目标点位图像为通过图像存储路径调用的。该外观缺陷检测方法中，由于目标点位图像的外观缺陷检测结果是通过各检测方法调用目标点位图像和各缺陷项调整后的检测参数确定的，即外观缺陷检测结果是以目标点位图像和各缺陷项调整后的检测参数为依据确定的，提高了目标点位图像中各缺陷项的缺陷检测结果的准确性；并且，通过各缺陷项的检测方法，确定各缺陷项的缺陷检测结果，并基于各缺陷项的缺陷检测结果，得到目标点位图像的外观缺陷检测结果，提高了目标点位图像的外观缺陷检测的全面性和准确性。
在一个实施例中，如图9所示，根据目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果，包括以下步骤：
S910，获取各缺陷项对应的检测模式。
检测模式为检测各缺陷项的检测方式，例如，可以通过检测算法对目标点位图像的缺陷项进行检测，也可以通过检测模型对目标点位图像的缺陷项进行检测，因此，检测模式包括算法模式和模型模式；其中，算法模式表示的是采用检测算法对缺陷项进行外观缺陷检测的模式，模型模式表示的是采用神经网络模型对缺陷项进行外观缺陷检测的模式。
检测配置文件中包括各缺陷项的检测参数，也可以包括各缺陷项对应的检测模式；因此，可以直接从检测配置文件中获取各缺陷项对应的检测模式。
可选地，在点位图像的某一缺陷项通过检测算法可能存在检测不准确的情况下，可以通过检测模型对该缺陷项进行检测。
S920，根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果。
通过各缺陷项的检测模式控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果；其中，各缺陷项的检测方法在运行时需要用到目标点位图像和各缺陷项调整后的检测参数，即根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，能够控制各缺陷项的检测方法运行，并通过各缺陷项的检测方法分别输出各缺陷项的缺陷检测结果。
本申请实施例中，获取各缺陷项对应的检测模式，并根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果。该外观缺陷检测方法中，通过各缺陷项的检测模式，以检测模式对应执行各缺陷项的检测方法，以得到各缺陷项的缺陷检测结果，将各缺陷项划分适配的检测模式，这样针对性地对各缺陷项进行缺陷检测，提高了各缺陷项的缺陷检测结果的准确性。
在检测模式为算法模式的情况下，在一个实施例中，如图10所示，根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果，包括以下步骤：
S1010，在检测模式包括算法模式的情况下，获取各缺陷项中属于算法模式的多个第一缺陷项。
目标点位图像对应的各缺陷项的检测模式可以包括算法模式和/或模型模式。在检测配置文件中，存在目标点位图像中各缺陷项的检测模式标识，可以根据检测模式标识确定各缺陷项中属于算法模式的多个缺陷项，将各缺陷项中属于算法模式的缺陷项均确定为第一缺陷项。
可选地，如图11所示，图11为检测配置文件中目标点位图像的检测模式示意图，目标点位图像的缺陷项包括模板匹配、拔针不良、角点标定、角点输出、标签异物、露出极片、隔离膜破损等；其中，拔针不良、模板匹配、边距不良、角点标定和角点输出的检测模式为算法模式，标签异物、露出极片、隔离膜破损的检测模式为模型模式。
因此，可直接从检测配置文件中确定目标点位图像下属于算法模式的第一缺陷项。
S1020，根据目标点位图像和各第一缺陷项调整后的检测参数，按照各第一缺陷项之间的工序关联关系，依次控制各第一缺陷项的检测方法运行，以得到各第一缺陷项的缺陷检测结果。
其中，各第一缺陷项之间的工序关联关系可以表示各第一缺陷项之间的依赖关系，例如，多个第一缺陷项之间存在输入输出的依赖关系，各第一缺陷项之间的工序关联关系可以根据各缺陷项之间的输入输出关联确定。
例如，拔针不良、边距不良的输入参数需要用到模板匹配的输出参数，则模板匹配的检测方法必须在拔针不良、边距不良的检测方法运行之前执行；角点标定的输入参数需要用到模板匹配的输出参数，且角点输出的输入参数需要用到角点标定的输出参数，因此，模板匹配的检测方法必须在角点标定的检测方法运行之前执行，角点标定的检测方法必须在角点输出的检测方法运行之前执行。
以目标点位图像的第一缺陷项包括拔针不良、模板匹配、边距不良、角点标定和角点输出为例，则各第一缺陷项之间的工序关联关系可以为：模板匹配的检测方法先执行，拔针不良、边距不良和角点标定对应的检测方法后执行，但拔针不良、边距不良和角点标定对应的检测方法的执行顺序不限定，角点输出的检测方法在角点标定的检测方法后执行。这样，通过模板匹配的检测方法先得到目标点位图像的极耳的角点坐标，在拔针不良和边距不良的检测方法中不再需要重复获取目标点位图像的极耳的角点坐标，提高了检测速度。
因此，基于目标点位图像中各第一缺陷项之间的工序关联关系，可以确定目标点位图像中各第一缺陷项的检测方法的运行顺序，基于各第一缺陷项的检测算法的运行顺序，并根据目标点位图像和各第一缺陷项调整后的检测参数，依次控制各第一缺陷项的检测方法运行，得到各第一缺陷项的缺陷检测结果。例如，目标点位图像的各第一缺陷项的检测方法的运行顺序可以为：模板匹配、拔针不良、边距不良、角点标定和角点输出。
本实施例中，在检测模式包括算法模式的情况下，先获取各缺陷项中属于算法模式的多个第一缺陷项，并根据目标点位图像和各第一缺陷项调整后的检测参数，按照各第一缺陷项之间的工序关联关系，依次控制各第一缺陷项的检测方法运行，以得到各第一缺陷项的缺陷检测结果。根据各第一缺陷项之间的工序关联关系，依次控制各缺陷项的检测方法运行，使得各第一缺陷项的检测方法能够正常运行，从而提高了各第一缺陷项的缺陷检测速度。
在检测模式为模型模式的情况下，在一个实施例中，如图12所示，根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果，包括以下步骤：
S1210，在检测模式包括模型模式的情况下，获取各缺陷项中属于模型模式的多个第二缺陷项。
在检测配置文件中，存在目标点位图像各缺陷项的检测模式标识，可以根据检测模式标识确定各缺陷项中属于模型模式的多个缺陷项，将各缺陷项中属于模型模式的缺陷项均确定为第二缺陷项。
S1220，控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中，并运行检测模型，得到各第二缺陷项的缺陷检测结果。
其中，检测模型是预先配置好的，检测模型可以检测多个缺陷项，例如，检测模型可以检测露出极片、隔离膜破损、标签异物、脱碳、拔针不良等缺陷项。
因此，在获取目标点位图像的各第二缺陷项的缺陷检测结果时，可以通过检测配置文件中目标点位图像调整后的检测参数调用检测模型运行得到目标点位图像的各第二缺陷项的缺陷检测结果。
具体地，通过控制目标点位图像和各第二缺陷项调整后的检测参数输入至检测模型中，并运行检测模型，检测模型通过各第二缺陷项的检测参数对目标点位图像进行检测，输出各第二缺陷项的缺陷检测结果。
可选地，模型模式的检测参数可以包括需检测的缺陷项类别标签、检测模型版本和检测模型版本的路径。其中，缺陷项类别标签表示的是需要检测的第二缺陷项；检测模型版本表示的是检测模型的版本信息，例如，检测模型调用接口。
在一个实施例中，各第二缺陷项在检测模型中的缺陷判定条件不同。例如，以缺陷判定条件为安全阈值为例，每个缺陷项对应的一个安全阈值，每个缺陷项在检测模型中的安全阈值可以不同。在检测模型中得到缺陷项对应的数值，进一步根据将该数据与对应缺陷项的安全阈值进行比较，若该数值大于对应缺陷项的安全阈值，则确定对应缺陷项的检测结果为该缺陷项不良。
需要说明的是，检测模型可以检测多个缺陷项，可根据实际检测需求确定目标点位图像的第二缺陷项，从而通过检测模型输出对应的第二缺陷项的缺陷检测结果，并将检测模型中的其余缺陷项的检测结果滤除。
可选地，检测模型可以为智能推理模型，通过模型智能推理目标点位图像的各第二缺陷项的缺陷检测结果。
本申请实施例中，在检测模式包括模型模式的情况下，获取各缺陷项中属于模型模式的多个第二缺陷项，并控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中，并运行检测模型，得到各第二缺陷项的缺陷检测结果。该外观缺陷检测方法中，直接通过目标点位图像和各缺陷项的检测参数运行预设的检测模型确定各第二缺陷项的缺陷检测结果，提高了各第二缺陷项的缺陷检测结果的准确性；并且，仅通过一个检测模型即可得到各第二缺陷项的检测结果，提高了各第二缺陷项的缺陷检测速度。
在通过检测模型对目标点位图像的各第二缺陷项进行缺陷检测时，可以对目标点位图像的检测区域进行检测，以减少图像背景干扰等情况。在一个实施例中，如图13所示，该实施例包括以下步骤：
S1310，获取各第二缺陷项确定目标点位图像中的检测区域。
由于目标点位图像的各第二缺陷项是通过一个预设的检测模型进行缺陷检测的，因此，目标点位图像中的检测区域需要检测出各第二缺陷项。
基于此，可以先获取各第二缺陷项在目标点位图像中的各缺陷检测区域，然后根据各第二缺陷项在目标点位图像中的各缺陷检测区域，确定目标点位图像中的检测区域。
具体地，根据电池在目标点位图像的图像特征信息，确定各第二缺陷项的缺陷检测区域，对各缺陷检测区域进行合并，得到目标点位图像中的检测区域。
如图14所示，图14中的（a）图为目标点位图像中两个第二缺陷项的缺陷检测区域m和n，图14中的（b）图为两个第二缺陷项m和n进行合并后的目标点位图像中的检测区域s。
检测区域的形式可以采用坐标的形式表示，例如，目标点位图像的坐标为（0，0，3000，4096），表示的是目标点位图像左下角的坐标为（0，0），右上角的坐标为（3000，4096），目标点位图像中的检测区域可以为（1057，65，2933，4069）。
S1320，在控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中的情况下，通过检测模型对检测区域进行检测，得到各第二缺陷项的缺陷检测结果。
基于上述目标点位图像中的检测区域，通过检测模型对目标点位图像和各缺陷项调整后的检测参数进行检测时，实质上是通过检测模型以各第二缺陷项调整后的检测参数对目标点位图像中的检测区域进行检测，得到各缺陷项的缺陷检测结果。
需要说明的是，目标点位图像中的非检测区域不参与缺陷检测。
本申请实施例中，获取各第二缺陷项确定目标点位图像中的检测区域，并在控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中的情况下，通过检测模型对检测区域进行检测，得到各第二缺陷项的缺陷检测结果。该外观缺陷检测方法中，对目标点位图像中的检测区域进行缺陷检测，由于检测区域是根据各缺陷项确定的，使得能够对目标点位图像的各缺陷项对应的区域进行检测，这样针对性地对目标点位图像进行缺陷检测，滤除了存在干扰的背景区域，提高了对目标点位图像进行缺陷检测的准确性。
当目标点位图像新增检测需求时，即目标点位图像新增需检测的缺陷项时可以在检测配置文件中增加对应的检测参数，下面通过一个实施例进行说明。在一个实施例中，如图15所示，该实施例包括以下步骤：
S1510，在目标点位图像存在新增缺陷项的情况下，获取新增缺陷项所需检测的参数类型.
上述电池的外观缺陷检测指令中还可以包括目标点位图像需检测的新增缺陷项；外观缺陷检测指令中包括目标点位图像需检测的新增缺陷项，表示目标点位图像存在新增缺陷项。
在目标点位图像存在新增缺陷项的情况下，获取新增缺陷项所需检测的参数类型；其中，获取新增缺陷项所需检测的参数类型的方式可以是，根据新增缺陷项的检测需求，确定新增缺陷项所需检测的参数类型，例如，新增缺陷项为拔针不良，则获取拔针不良所需检测的参数类型的方式可以是，确定选择哪些角点之间计算拔针，例如，计算左极耳的右交点与右极耳的左交点之间是否存在拔针、计算右极耳的右角点与电池右上角点之间是否存在拔针、拔针检测框、拔针宽度等。
获取新增缺陷项所需检测的参数类型的方式也可以是，在检测配置文件中查找与新增缺陷项相同的缺陷项，将检测配置文件中与新增缺陷项相同的缺陷项对应的参数类型确定为新增缺陷项的参数类型。
获取新增缺陷项所需检测的参数类型的方式还可以是，根据新增缺陷项对应的检测方法，将新增缺陷项对应的检测方法中需进行参数化的参数类型确定为新增缺陷项所需检测的参数类型。
S1520，根据新增缺陷项所需检测的参数类型，在检测配置文件中增加新增缺陷项的检测参数信息。
根据新增缺陷项所需检测的参数类型和目标点位图像的图像特征信息，确定新增缺陷项的检测参数信息，将新增缺陷项的检测参数信息增加至检测配置文件中目标点位图像的点位配置信息中的对应位置中。
可选地，可以确定新增缺陷项的检测模式，在新增缺陷项的检测模式为算法模式的情况下，确定新增缺陷项与目标点位图像中第一缺陷项的工序关联关系，根据关联关系，将新增缺陷项的检测参数信息增加至检测配置文件的对应位置中；在新增缺陷项的检测模式为模型模式的情况下，根据新增缺陷项的检测参数信息确定目标点位图像的检测参数信息，并调整检测配置文件中目标点位图像对应的点位配置信息中的检测参数信息。
在目标点位图像需要减少所需检测的缺陷项的情况下，删除检测配置文件中目标点位图像对应的需删除的缺陷项的检测参数信息。
本申请实施例中，在目标点位图像存在新增缺陷项的情况下，获取新增缺陷项所需检测的参数类型，并根据新增缺陷项所需检测的参数类型，在检测配置文件中增加新增缺陷项的检测参数信息。该外观缺陷检测方法中，在目标点位图像新增检测需求的情况下，直接在对应检测配置文件中增加新增缺陷项的检测参数信息，不需要对新增缺陷项的检测方法进行修改，通过执行新增缺陷项的检测参数信息调用对应的检测方法运行，即可直接得到新增缺陷项的缺陷检测结果，提高了对目标点位图像进行外观缺陷检测的效率。
需要说明的是，上述是针对电池的任一个点位图像进行的说明，在实际情况下，电池对应多个点位图像，多个点位图像的外观缺陷检测方式与上述实施例中目标点位图像的外观缺陷检测方式相同；在计算机设备同时接收到电池的多个点位图像后，计算机设备可以并行对各点位图像进行外观缺陷检测。
在一个实施例中，该实施例提供了一种通用的电池检测流程，首先，根据电池在进行外观缺陷检测所需检测的缺陷项，确定每个缺陷项的检测方法，将每个缺陷项对应的检测方法封装为类，即将检测方法参数化；通过向检测方法输入针对电池型号设计的相关检测参数，就可以得到对应缺陷项的缺陷检测结果。
每个点位图像包括至少一个缺陷项，根据各点位图像所需检测的至少一个缺陷项以及各缺陷项的输入输出的关联关系，将各点位图像所需检测的至少一个缺陷项组合成对应的检测模式，各检测模式中包括各点位图像的各缺陷项的检测参数信息，以及各缺陷项的检测方法调用接口。这样，各点位图像流经不同的检测模式得到对应的外观缺陷检测结果。
如图16所示，图16为一种电池的外观缺陷检测流程，对于图3a-图3g中的电池的7张点位图像，一共有三种检测模式：第一算法模式、第二算法模式和模型模式。其中，第一算法模式包括模板匹配（MatchTemplate）模块、边距不良（bianju_specs）模块、拔针不良模块（BaZhenDetection）、角点标定模块（Calibrator）、角点输出模块（output_points），第一算法检测模式可以得到对应点位图像是否边距不良、边距尺寸、是否拔针不良、拔针尺寸、电池角点世界坐标等信息。
第二算法模式包括模板匹配模块、拔针不良模块、角点标定模块和角点输出模块，第二算法模式可以得到对应点位图像是否拔针不良、拔针尺寸、电池角点世界坐标等信息。
模型模式是模型推理模块，包括一个检测模型，可以检测的缺陷项包括露出极片、隔离膜破损、标签异物、脱碳、拔针不良。其中，一次模型推理可以输出所有缺陷项的缺陷检测结果，也可以在对应点位图像设置其中几种需检测的缺陷项，输出部分缺陷项的缺陷检测结果，其余缺陷项的缺陷检测结果都滤除。
其中，点位图像P0需要流经第一算法模式，P2需要流经第二算法模式和模型模式，P1、P3、P4、P5和P6需要流经模型模式。其中，模型模式可以根据检测需求输出对应的缺陷项的缺陷检测结果，例如，点位图像P2对应的缺陷项包括标签异物、露出极片、隔离膜破损。
模型模式的检测参数可以包括P1、P2、P3、P4、P5和P6的检测参数，包括各点位图像需检测的缺陷项类别、检测区域、安全阈值、模型版本和模型的文件路径。可选地，也可以设置点位图像的缺陷项类别为空，则此时表示不输出该点位图像的任何缺陷项的缺陷检测结果。
需要说明的是，第一算法模式和第二算法模式中的各缺陷项存在输入输出关联。
这样，将整个电池检测的流程根据算法逻辑和跟电池具体型号相关的检测参数剥离开来。将每个缺陷项封装成单独的检测模块，只需要根据电池的形状尺寸去设置相应的检测参数，填入到设计好的检测流程中相应模块的检测配置文件的参数位置，就可以对点位图像进行外观缺陷检测，得到相应的缺陷项的缺陷检测结果。
当需要对电池的型号发生改变时，只需要在电池各个点位图像的检测参数进行修改，就可以适配新型号电池的外观缺陷检测，能够快速应对产线切拉换型的突发状况，这对于制造业快速稳定生产意义重大。
另外，当根据项目需求需要计算一些额外的结果或检测缺陷项时，只需要将对应的检测方法封装成类，并设置对应的检测参数增加至检测配置文件中，即可得到对应的结果；通过设置电池的检测配置参数，在增加需求时只需要在对应的点位配置信息中增加检测参数，使得电池的算法结构更加清晰，提高了电池的外观缺陷检测的灵活性和通用性。
应该理解的是，虽然如上所述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，如上所述的各实施例所涉及的流程图中的至少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至少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外观缺陷检测方法的外观缺陷检测装置。该装置所提供的解决问题的实现方案与上述外观缺陷检测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外观缺陷检测装置实施例中的具体限定可以参见上文中对于外观缺陷检测方法的限定，在此不再赘述。
在一个实施例中，如图17所示，提供了一种外观缺陷检测装置1700，包括：调整模块1701和执行模块1702，其中：
调整模块1701，用于响应于电池的外观缺陷检测指令，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口；
执行模块1702，用于执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。
在一个实施例中，调整模块1701包括：
点位获取单元，用于获取目标点位图像的采集点位标识；
信息确定单元，用于从检测配置文件中确定与采集点位标识对应的点位配置信息；
信息调整单元，用于根据各缺陷项的检测参数，调整点位配置信息中各缺陷项对应的检测参数信息。
在一个实施例中，点位获取单元包括：
标识获取子单元，用于获取采集目标点位图像的摄像设备的设备标识；
点位获取子单元，用于根据设备标识确定目标点位图像的采集点位标识。
在一个实施例中，调整模块1701还包括：
缺陷项获取单元，用于根据采集点位标识和预设的采集点位标识与缺陷项之间的对应关系，获取目标点位图像对应的各缺陷项；
参数确定单元，用于根据目标点位图像，确定各缺陷项的检测参数。
在一个实施例中，参数确定单元包括：
特征获取子单元，用于根据目标点位图像，获取电池的图像特征信息；
参数确定子单元，用于根据各缺陷项所需检测的参数类型和图像特征信息，获取各缺陷项的检测参数；不同缺陷项所需检测的参数类型不同。
在一个实施例中，各缺陷项的检测方法中包括图像存储路径；执行模块1702包括：
运行单元，用于根据目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果；目标点位图像为通过图像存储路径调用的；
结果确定单元，用于根据各缺陷项的缺陷检测结果，获得目标点位图像的外观缺陷检测结果。
在一个实施例中，运行单元包括：
模式获取子单元，用于获取各缺陷项对应的检测模式；
第一运行子单元，用于根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果。
在一个实施例中，第一运行子单元包括：
第一获取子单元，用于在检测模式包括算法模式的情况下，获取各缺陷项中属于算法模式的多个第一缺陷项；
第二运行子单元，用于根据目标点位图像和各第一缺陷项调整后的检测参数，按照各第一缺陷项之间的工序关联关系，依次控制各第一缺陷项的检测方法运行，以得到各第一缺陷项的缺陷检测结果。
在一个实施例中，第一运行子单元包括：
第二获取子单元，用于在检测模式包括模型模式的情况下，获取各缺陷项中属于模型模式的多个第二缺陷项；
第三运行子单元，用于控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中，并运行检测模型，得到各第二缺陷项的缺陷检测结果。
在一个实施例中，该装置1700还包括：
获取模块，用于获取各第二缺陷项确定目标点位图像中的检测区域；
检测模块，用于在控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中的情况下，通过检测模型对检测区域进行检测，得到各第二缺陷项的缺陷检测结果。
在一个实施例中，各第二缺陷项在检测模型中的缺陷判定条件不同。
在一个实施例中，该装置1700还包括：
缺陷项新增模块，用于在目标点位图像存在新增缺陷项的情况下，获取新增缺陷项所需检测的参数类型；
信息增加模块，用于根据新增缺陷项所需检测的参数类型，在检测配置文件中增加新增缺陷项的检测参数信息。
上述外观缺陷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。
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：
响应于电池的外观缺陷检测指令，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口；
执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取目标点位图像的采集点位标识；
从检测配置文件中确定与采集点位标识对应的点位配置信息；
根据各缺陷项的检测参数，调整点位配置信息中各缺陷项对应的检测参数信息。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取采集目标点位图像的摄像设备的设备标识；
根据设备标识确定目标点位图像的采集点位标识。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据采集点位标识和预设的采集点位标识与缺陷项之间的对应关系，获取目标点位图像对应的各缺陷项；
根据目标点位图像，确定各缺陷项的检测参数。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据目标点位图像，获取电池的图像特征信息；
根据各缺陷项所需检测的参数类型和图像特征信息，获取各缺陷项的检测参数；不同缺陷项所需检测的参数类型不同。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果；目标点位图像为通过图像存储路径调用的；
根据各缺陷项的缺陷检测结果，获得目标点位图像的外观缺陷检测结果。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取各缺陷项对应的检测模式；
根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
在检测模式包括算法模式的情况下，获取各缺陷项中属于算法模式的多个第一缺陷项；
根据目标点位图像和各第一缺陷项调整后的检测参数，按照各第一缺陷项之间的工序关联关系，依次控制各第一缺陷项的检测方法运行，以得到各第一缺陷项的缺陷检测结果。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
在检测模式包括模型模式的情况下，获取各缺陷项中属于模型模式的多个第二缺陷项；
控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中，并运行检测模型，得到各第二缺陷项的缺陷检测结果。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取各第二缺陷项确定目标点位图像中的检测区域；
在控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中的情况下，通过检测模型对检测区域进行检测，得到各第二缺陷项的缺陷检测结果。
在其中一个实施例中，各第二缺陷项在检测模型中的缺陷判定条件不同。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：
在目标点位图像存在新增缺陷项的情况下，获取新增缺陷项所需检测的参数类型；
根据新增缺陷项所需检测的参数类型，在检测配置文件中增加新增缺陷项的检测参数信息。
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：
响应于电池的外观缺陷检测指令，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口；
执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取目标点位图像的采集点位标识；
从检测配置文件中确定与采集点位标识对应的点位配置信息；
根据各缺陷项的检测参数，调整点位配置信息中各缺陷项对应的检测参数信息。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取采集目标点位图像的摄像设备的设备标识；
根据设备标识确定目标点位图像的采集点位标识。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据采集点位标识和预设的采集点位标识与缺陷项之间的对应关系，获取目标点位图像对应的各缺陷项；
根据目标点位图像，确定各缺陷项的检测参数。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据目标点位图像，获取电池的图像特征信息；
根据各缺陷项所需检测的参数类型和图像特征信息，获取各缺陷项的检测参数；不同缺陷项所需检测的参数类型不同。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果；目标点位图像为通过图像存储路径调用的；
根据各缺陷项的缺陷检测结果，获得目标点位图像的外观缺陷检测结果。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取各缺陷项对应的检测模式；
根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在检测模式包括算法模式的情况下，获取各缺陷项中属于算法模式的多个第一缺陷项；
根据目标点位图像和各第一缺陷项调整后的检测参数，按照各第一缺陷项之间的工序关联关系，依次控制各第一缺陷项的检测方法运行，以得到各第一缺陷项的缺陷检测结果。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在检测模式包括模型模式的情况下，获取各缺陷项中属于模型模式的多个第二缺陷项；
控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中，并运行检测模型，得到各第二缺陷项的缺陷检测结果。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取各第二缺陷项确定目标点位图像中的检测区域；
在控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中的情况下，通过检测模型对检测区域进行检测，得到各第二缺陷项的缺陷检测结果。
在其中一个实施例中，各第二缺陷项在检测模型中的缺陷判定条件不同。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在目标点位图像存在新增缺陷项的情况下，获取新增缺陷项所需检测的参数类型；
根据新增缺陷项所需检测的参数类型，在检测配置文件中增加新增缺陷项的检测参数信息。
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：
响应于电池的外观缺陷检测指令，根据电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各缺陷项对应的检测参数信息；检测配置文件中包括各缺陷项的检测方法调用接口；
执行调整后的检测配置文件，以调用各缺陷项的检测方法运行得到目标点位图像的外观缺陷检测结果。
在其中一个实施例中，该计算机程序被处理器执行时还实现以下步骤：
获取目标点位图像的采集点位标识；
从检测配置文件中确定与采集点位标识对应的点位配置信息；
根据各缺陷项的检测参数，调整点位配置信息中各缺陷项对应的检测参数信息。
在其中一个实施例中，该计算机程序被处理器执行时还实现以下步骤：
获取采集目标点位图像的摄像设备的设备标识；
根据设备标识确定目标点位图像的采集点位标识。
在其中一个实施例中，该计算机程序被处理器执行时还实现以下步骤：
根据采集点位标识和预设的采集点位标识与缺陷项之间的对应关系，获取目标点位图像对应的各缺陷项；
根据目标点位图像，确定各缺陷项的检测参数。
在其中一个实施例中，该计算机程序被处理器执行时还实现以下步骤：
根据目标点位图像，获取电池的图像特征信息；
根据各缺陷项所需检测的参数类型和图像特征信息，获取各缺陷项的检测参数；不同缺陷项所需检测的参数类型不同。
在其中一个实施例中，该计算机程序被处理器执行时还实现以下步骤：
根据目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，得到各缺陷项的缺陷检测结果；目标点位图像为通过图像存储路径调用的；
根据各缺陷项的缺陷检测结果，获得目标点位图像的外观缺陷检测结果。
在其中一个实施例中，该计算机程序被处理器执行时还实现以下步骤：
获取各缺陷项对应的检测模式；
根据各检测模式、目标点位图像和各缺陷项调整后的检测参数，控制各缺陷项的检测方法运行，以得到各缺陷项的缺陷检测结果。
在其中一个实施例中，该计算机程序被处理器执行时还实现以下步骤：
在检测模式包括算法模式的情况下，获取各缺陷项中属于算法模式的多个第一缺陷项；
根据目标点位图像和各第一缺陷项调整后的检测参数，按照各第一缺陷项之间的工序关联关系，依次控制各第一缺陷项的检测方法运行，以得到各第一缺陷项的缺陷检测结果。
在其中一个实施例中，该计算机程序被处理器执行时还实现以下步骤：
在检测模式包括模型模式的情况下，获取各缺陷项中属于模型模式的多个第二缺陷项；
控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中，并运行检测模型，得到各第二缺陷项的缺陷检测结果。
在其中一个实施例中，该计算机程序被处理器执行时还实现以下步骤：
获取各第二缺陷项确定目标点位图像中的检测区域；
在控制目标点位图像和各第二缺陷项调整后的检测参数输入至预设的检测模型中的情况下，通过检测模型对检测区域进行检测，得到各第二缺陷项的缺陷检测结果。
在其中一个实施例中，各第二缺陷项在检测模型中的缺陷判定条件不同。
在其中一个实施例中，该计算机程序被处理器执行时还实现以下步骤：
在目标点位图像存在新增缺陷项的情况下，获取新增缺陷项所需检测的参数类型；
根据新增缺陷项所需检测的参数类型，在检测配置文件中增加新增缺陷项的检测参数信息。
需要说明的是，本申请所涉及的数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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，所述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至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，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（Ferroelectric Random 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（Static Random AccessMemory，SRAM）或动态随机存取存储器（Dynamic RandomAccess 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至少一种。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。
以上所述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 (14)
1.一种外观缺陷检测方法，其特征在于，所述外观缺陷检测方法包括：
响应于电池的外观缺陷检测指令，根据所述电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各所述缺陷项对应的检测参数信息；所述检测配置文件中包括各所述缺陷项的检测方法调用接口；各所述缺陷项的检测方法中包括图像存储路径；
执行调整后的检测配置文件，以根据所述目标点位图像和各所述缺陷项调整后的检测参数，控制各所述缺陷项的检测方法运行，得到各所述缺陷项的缺陷检测结果；所述目标点位图像为通过所述图像存储路径调用的；
根据各所述缺陷项的缺陷检测结果，获得所述目标点位图像的外观缺陷检测结果。
2.根据权利要求1所述的外观缺陷检测方法，其特征在于，所述根据所述电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各所述缺陷项对应的检测参数信息，包括：
获取所述目标点位图像的采集点位标识；
从所述检测配置文件中确定与所述采集点位标识对应的点位配置信息；
根据各所述缺陷项的检测参数，调整所述点位配置信息中各所述缺陷项对应的检测参数信息。
3.根据权利要求2所述的外观缺陷检测方法，其特征在于，所述获取所述目标点位图像的采集点位标识，包括：
获取采集所述目标点位图像的摄像设备的设备标识；
根据所述设备标识确定所述目标点位图像的采集点位标识。
4.根据权利要求2所述的外观缺陷检测方法，其特征在于，在所述根据各所述缺陷项的检测参数，调整所述点位配置信息中各所述缺陷项对应的检测参数信息之前，所述外观缺陷检测方法还包括：
根据所述采集点位标识和预设的采集点位标识与缺陷项之间的对应关系，获取所述目标点位图像对应的各所述缺陷项；
根据所述目标点位图像，确定各所述缺陷项的检测参数。
5.根据权利要求4所述的外观缺陷检测方法，其特征在于，所述根据所述目标点位图像，确定各所述缺陷项的检测参数，包括：
根据所述目标点位图像，获取所述电池的图像特征信息；
根据各所述缺陷项所需检测的参数类型和所述图像特征信息，获取各所述缺陷项的检测参数；不同缺陷项所需检测的参数类型不同。
6.根据权利要求1-5任一项所述的外观缺陷检测方法，其特征在于，所述根据所述目标点位图像和各所述缺陷项调整后的检测参数，控制各所述缺陷项的检测方法运行，得到各所述缺陷项的缺陷检测结果，包括：
获取各所述缺陷项对应的检测模式；
根据各所述检测模式、所述目标点位图像和各所述缺陷项调整后的检测参数，控制各所述缺陷项的检测方法运行，以得到各所述缺陷项的缺陷检测结果。
7.根据权利要求6所述的外观缺陷检测方法，其特征在于，所述根据各所述检测模式、所述目标点位图像和各所述缺陷项调整后的检测参数，控制各所述缺陷项的检测方法运行，以得到各所述缺陷项的缺陷检测结果，包括：
在所述检测模式包括算法模式的情况下，获取各所述缺陷项中属于所述算法模式的多个第一缺陷项；
根据所述目标点位图像和各所述第一缺陷项调整后的检测参数，按照各所述第一缺陷项之间的工序关联关系，依次控制各所述第一缺陷项的检测方法运行，以得到各所述第一缺陷项的缺陷检测结果。
8.根据权利要求6所述的外观缺陷检测方法，其特征在于，所述根据各所述检测模式、所述目标点位图像和各所述缺陷项调整后的检测参数，控制各所述缺陷项的检测方法运行，以得到各所述缺陷项的缺陷检测结果，包括：
在所述检测模式包括模型模式的情况下，获取各所述缺陷项中属于所述模型模式的多个第二缺陷项；
控制所述目标点位图像和各所述第二缺陷项调整后的检测参数输入至预设的检测模型中，并运行所述检测模型，得到各所述第二缺陷项的缺陷检测结果。
9.根据权利要求8所述的外观缺陷检测方法，其特征在于，所述外观缺陷检测方法还包括：
获取各所述第二缺陷项确定所述目标点位图像中的检测区域；
在控制所述目标点位图像和各所述第二缺陷项调整后的检测参数输入至预设的检测模型中的情况下，通过所述检测模型对所述检测区域进行检测，得到各所述第二缺陷项的缺陷检测结果。
10.根据权利要求8所述的外观缺陷检测方法，其特征在于，各所述第二缺陷项在所述检测模型中的缺陷判定条件不同。
11.根据权利要求1-5任一项所述的外观缺陷检测方法，其特征在于，所述外观缺陷检测方法还包括：
在所述目标点位图像存在新增缺陷项的情况下，获取所述新增缺陷项所需检测的参数类型；
根据所述新增缺陷项所需检测的参数类型，在所述检测配置文件中增加所述新增缺陷项的检测参数信息。
12.一种外观缺陷检测装置，其特征在于，所述装置包括：
调整模块，用于响应于电池的外观缺陷检测指令，根据所述电池的目标点位图像对应的至少一个缺陷项的检测参数，调整预设的检测配置文件中各所述缺陷项对应的检测参数信息；所述检测配置文件中包括各所述缺陷项的检测方法调用接口；各所述缺陷项的检测方法中包括图像存储路径；
执行模块，用于执行调整后的检测配置文件，以根据所述目标点位图像和各所述缺陷项调整后的检测参数，控制各所述缺陷项的检测方法运行，得到各所述缺陷项的缺陷检测结果；所述目标点位图像为通过所述图像存储路径调用的；根据各所述缺陷项的缺陷检测结果，获得所述目标点位图像的外观缺陷检测结果。
13.一种计算机设备，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11中任一项所述的外观缺陷检测方法的步骤。
14.一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11中任一项所述的外观缺陷检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310779629.XA CN116503412B (zh) | 2023-06-29 | 2023-06-29 | 外观缺陷检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310779629.XA CN116503412B (zh) | 2023-06-29 | 2023-06-29 | 外观缺陷检测方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116503412A CN116503412A (zh) | 2023-07-28 |
| CN116503412B true CN116503412B (zh) | 2023-12-08 |
Family
ID=87318798
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310779629.XA Active CN116503412B (zh) | 2023-06-29 | 2023-06-29 | 外观缺陷检测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116503412B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108509958A (zh) * | 2018-03-30 | 2018-09-07 | 北京金山安全软件有限公司 | 缺陷类型检测方法、装置、电子设备及介质 |
| CN113588562A (zh) * | 2021-09-30 | 2021-11-02 | 高视科技(苏州)有限公司 | 应用多轴机械臂的锂电池外观检测方法 |
| CN114359158A (zh) * | 2021-12-08 | 2022-04-15 | 阿里巴巴（中国）有限公司 | 对象检测方法、存储介质、处理器和系统 |
| CN114627122A (zh) * | 2022-05-16 | 2022-06-14 | 北京东方国信科技股份有限公司 | 一种缺陷检测方法及装置 |
| CN115239626A (zh) * | 2022-06-21 | 2022-10-25 | 奥蒂玛光学科技（深圳）有限公司 | 缺陷检测方法、光学检测设备、电子设备以及存储介质 |
| CN115699082A (zh) * | 2021-05-21 | 2023-02-03 | 京东方科技集团股份有限公司 | 缺陷检测方法及装置、存储介质及电子设备 |
| CN116012354A (zh) * | 2023-02-01 | 2023-04-25 | 广东省电子技术研究所 | 片式电容丝印缺陷检测方法、装置、设备及存储介质 |
| CN116026839A (zh) * | 2022-12-27 | 2023-04-28 | 哈尔滨严格智慧工厂有限公司 | 一种车载电池表面缺陷的检测装置及其智能检测方法 |
| CN116298340A (zh) * | 2023-02-27 | 2023-06-23 | 江苏智云天工科技有限公司 | 基于任务调度的产品缺陷检测方法及系统 |
-
2023
- 2023-06-29 CN CN202310779629.XA patent/CN116503412B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108509958A (zh) * | 2018-03-30 | 2018-09-07 | 北京金山安全软件有限公司 | 缺陷类型检测方法、装置、电子设备及介质 |
| CN115699082A (zh) * | 2021-05-21 | 2023-02-03 | 京东方科技集团股份有限公司 | 缺陷检测方法及装置、存储介质及电子设备 |
| CN113588562A (zh) * | 2021-09-30 | 2021-11-02 | 高视科技(苏州)有限公司 | 应用多轴机械臂的锂电池外观检测方法 |
| CN114359158A (zh) * | 2021-12-08 | 2022-04-15 | 阿里巴巴（中国）有限公司 | 对象检测方法、存储介质、处理器和系统 |
| CN114627122A (zh) * | 2022-05-16 | 2022-06-14 | 北京东方国信科技股份有限公司 | 一种缺陷检测方法及装置 |
| CN115239626A (zh) * | 2022-06-21 | 2022-10-25 | 奥蒂玛光学科技（深圳）有限公司 | 缺陷检测方法、光学检测设备、电子设备以及存储介质 |
| CN116026839A (zh) * | 2022-12-27 | 2023-04-28 | 哈尔滨严格智慧工厂有限公司 | 一种车载电池表面缺陷的检测装置及其智能检测方法 |
| CN116012354A (zh) * | 2023-02-01 | 2023-04-25 | 广东省电子技术研究所 | 片式电容丝印缺陷检测方法、装置、设备及存储介质 |
| CN116298340A (zh) * | 2023-02-27 | 2023-06-23 | 江苏智云天工科技有限公司 | 基于任务调度的产品缺陷检测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 基于机器视觉的锂电池极片缺陷检测系统设计;刘妍;《中国优秀硕士学位论文全文数据库 信息科技辑》(第8期);I138-1075 * |
| 基于深度学习的带钢产品表面缺陷检测方法;唐寿权;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》(第5期);B022-17 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116503412A (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200125885A1 (en) | Vehicle insurance image processing method, apparatus, server, and system | |
| CN108564104A (zh) | 产品缺陷检测方法、装置、系统、服务器及存储介质 | |
| CN115937170A (zh) | 电路板检测方法、装置、计算机设备及存储介质 | |
| CN104268006A (zh) | 键鼠脚本的回放方法及装置 | |
| CN113820333B (zh) | 电池极片异常检测方法、装置、上位机及检测系统 | |
| CN104200249A (zh) | 一种衣物自动搭配的方法，装置及系统 | |
| CN116503414B (zh) | 屏幕缺陷检测方法、装置、计算机设备和存储介质 | |
| CN111598084B (zh) | 缺陷分割网络训练方法、装置、设备及可读存储介质 | |
| CN112330597A (zh) | 一种图像差异检测方法、装置及计算机设备 | |
| CN115564723A (zh) | 一种晶圆缺陷检测方法及应用 | |
| CN113284094A (zh) | 获取玻璃基板缺陷信息的方法、装置、存储介质及设备 | |
| CN113568833A (zh) | 测试用例确定方法、装置、计算机设备及可读存储介质 | |
| CN109522933A (zh) | 用于货架的商品检测方法及装置 | |
| CN116977257A (zh) | 缺陷检测方法、装置、电子设备、存储介质及程序产品 | |
| CN113538427A (zh) | 产品缺陷识别方法、装置、设备及可读存储介质 | |
| CN116503412B (zh) | 外观缺陷检测方法、装置、计算机设备和存储介质 | |
| CN116630139A (zh) | 数据生成的方法、装置、设备和存储介质 | |
| US20100194562A1 (en) | Failure recognition system | |
| CN114549393A (zh) | 图像标注方法、装置、设备及计算机存储介质 | |
| KR20220085115A (ko) | 생산부품의 스마트 비전검사를 위한 인공지능머신의 라벨링 학습방법 | |
| CN116542926B (zh) | 电池的二维码缺陷识别方法、装置、设备及存储介质 | |
| CN112668365A (zh) | 一种物料入库识别方法、装置、设备及存储介质 | |
| CN116188374A (zh) | 插座检测方法、装置、计算机设备及存储介质 | |
| CN115829925A (zh) | 外观缺陷检测方法、装置、计算机设备及存储介质 | |
| CN116245808A (zh) | 工件缺陷检测方法、装置、电子设备及存储介质 |
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 |