CN116519707A - 基于机器视觉的锂电池缺陷检测方法、装置及电子设备 - Google Patents

基于机器视觉的锂电池缺陷检测方法、装置及电子设备 Download PDF

Info

Publication number
CN116519707A
CN116519707A CN202310029957.8A CN202310029957A CN116519707A CN 116519707 A CN116519707 A CN 116519707A CN 202310029957 A CN202310029957 A CN 202310029957A CN 116519707 A CN116519707 A CN 116519707A
Authority
CN
China
Prior art keywords
lithium battery
defect
color image
image
infrared 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.)
Pending
Application number
CN202310029957.8A
Other languages
English (en)
Inventor
田中海
马彦林
许敬宇
易立坚
李君�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yingboda Intelligent Technology Co ltd
Original Assignee
Shenzhen Yingboda Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Yingboda Intelligent Technology Co ltd filed Critical Shenzhen Yingboda Intelligent Technology Co ltd
Priority to CN202310029957.8A priority Critical patent/CN116519707A/zh
Publication of CN116519707A publication Critical patent/CN116519707A/zh
Pending legal-status Critical Current

Links

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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • 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
    • 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
    • G01N2021/845—Objects on a conveyor
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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
    • 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

  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Textile Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种基于机器视觉的锂电池缺陷检测方法、装置及电子设备，具体涉及自动化检测技术领域。该方法包括获取待检测锂电池的彩色图像和红外图像；确定所述彩色图像和所述红外图像中是否存在锂电池的缺陷信息；当所述彩色图像或所述红外图像中存在锂电池的缺陷信息时，将所述缺陷信息与预设缺陷集合进行匹配，并将所述匹配成功的缺陷信息对应的锂电池确定为不合格品。通过获取待检测锂电池的彩色图像和红外图像，利用彩色图像实现对锂电池的外观缺陷进行检测，利用红外图像实现对锂电池内部进行检测，从而避免了因人为检测导致的误检或漏检，进一步提高锂电池检测的准确性。

Description

基于机器视觉的锂电池缺陷检测方法、装置及电子设备
技术领域
本申请涉及自动化检测技术领域，具体涉及一种基于机器视觉的锂电池缺陷检测方法、装置及电子设备。
背景技术
在锂电池生产工艺中，人工检测存在着很多缺点，如检测不实时，人为判断标准不一，人为因素影响较多等，也会导致锂电池存在人为二次接触导致破损的情况。
发明内容
有鉴于此，本申请实施例提供了一种基于机器视觉的锂电池缺陷检测方法、装置及电子设备，以解决在锂电池的生产中，由于人为因素导致的检测不精准的问题。
根据第一方面，本申请实施例提供了一种基于机器视觉的锂电池缺陷检测方法，其特征在于，包括：获取待检测锂电池的彩色图像和红外图像；确定所述彩色图像和所述红外图像中是否存在锂电池的缺陷信息；当所述彩色图像或所述红外图像中存在锂电池的缺陷信息时，将所述缺陷信息与预设缺陷集合进行匹配，并将所述匹配成功的缺陷信息对应的锂电池确定为不合格品。
可选的，在获取待检测锂电池的彩色图像和红外图像之后，包括：对所述彩色图像进行亮度和图像锐度调整；对所述红外图像进行灰度调整。
可选的，锂电池的缺陷信息包括缺陷长度、缺陷宽度及缺陷的面积尺寸的至少一种。
可选的，确定所述彩色图像和所述红外图像中是否存在锂电池的缺陷信息，包括：获取锂电池的参考彩色图像和参考红外图像；将所述参考彩色图像与所述彩色图像进行对比和将所述参考红外图像与所述红外图像进行对比，并在所述彩色图像和所述红外图像中框选出与所述参考彩色图像和所述参考红外图像存在差异的差异信息；将所述差异信息确定为所述锂电池的缺陷信息。
可选的，确定所述彩色图像和所述红外图像中是否存在锂电池的缺陷信息，还包括：获取所述缺陷信息的特征信息；将所述缺陷信息的特征信息与预设差异信息进行相似度计算；将满足阈值的相似度对应的缺陷信息确定为锂电池的缺陷信息。
可选的，将所述缺陷信息与预设缺陷集合进行匹配，并将所述匹配成功的缺陷信息对应的锂电池确定为不合格品，包括：提取所述预设缺陷集合中的预设的锂电池不合格数据；确定出所述缺陷信息中满足所述不合格数据的锂电池，将所述锂电池确定为不合格品。
根据第二方面，本申请实施例提供了一种基于机器视觉的锂电池缺陷检测装置，包括：
获取模块，用于获取待检测锂电池的彩色图像和红外图像；
确定模块，用于确定所述彩色图像和所述红外图像中是否存在锂电池的缺陷信息；
匹配模块，用于当所述彩色图像和所述红外图像中存在锂电池的缺陷信息时，将所述缺陷信息与预设缺陷集合进行匹配，并将所述匹配成功的缺陷信息对应的锂电池确定为不合格品。
根据第三方面，本申请实施例提供了一种基于机器视觉的锂电池缺陷检测系统，包括：
图像采集装置，用于采集锂电池的彩色图像和红外图像；
如上所述的锂电池缺陷检测装置，用于接收所述锂电池的彩色图像和红外图像，对所述锂电池的彩色图像和红外图像进行锂电池缺陷检测。
根据第四方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的基于机器视觉的锂电池缺陷检测方法。
根据第五方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的基于机器视觉的锂电池缺陷检测方法。
本申请提供的基于机器视觉的锂电池缺陷检测方法、装置及电子设备，通过获取待检测锂电池的彩色图像和红外图像，利用彩色图像实现对锂电池的外观缺陷进行检测，利用红外图像实现对锂电池内部进行检测，从而避免了因人为检测导致的误检或漏检，进一步提高锂电池检测的准确性。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1为本申请实施例提供的基于机器视觉的锂电池缺陷检测方法的流程图。
图2为本申请实施例提供的基于机器视觉的锂电池缺陷检测方法中步骤S21至步骤S23的流程图。
图3为本申请实施例提供的基于机器视觉的锂电池缺陷检测方法中步骤S24至步骤S26的流程图。
图4为本申请实施例提供的基于机器视觉的锂电池缺陷检测方法中步骤S31至步骤S32的流程图。
图5为本申请实施例提供的基于机器视觉的锂电池缺陷检测装置的结构示意图。
图6为本申请实施例提供的锂电池缺陷检测系统的示意图。
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外还应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
需要说明的是，本申请方法可以应用于锂电池的生产线或电子设备的拼装产线中，以实现对锂电池外观以及内部缺陷进行检测，另外，本申请提供的方法还可以借助锂电池缺陷检测装置、锂电池缺陷检测系统等硬件结构或平台实现。
本申请方法的实施可以应用在锂电池缺陷检测系统中，该系统包括：图像采集装置和控制计算机，其中，图像采集装置与控制计算机之间可以是有线连接，也可以是通信连接。
图像采集装置可以包括红外摄像头和普通彩色摄像头，图像采集装置可以是间隔设置在流水线上，实现对锂电池缺陷的实时检测。
控制计算机接收图像采集装置传输的彩色图像和红外图像，并利用锂电池缺陷检测方法对锂电池的缺陷进行检测。
如图1所示，图1为本申请实施例提供的基于机器视觉的锂电池缺陷检测方法的流程示意图。本申请实施例提供的基于机器视觉的锂电池缺陷检测方法，包括：
S1，获取待检测锂电池的彩色图像和红外图像。
在本实施例中，当待检测锂电池通过流水线的传输带移动到图像采集点后，由图像采集装置/装备接收到控制指令后对待检测锂电池的外观影像和红外影像进行采集。其中，图像采集装置可以是红外摄像头采集锂电池的红外影像，普通摄像头用于采集锂电池的彩色影像。
S2，确定彩色图像和红外图像中是否存在锂电池的缺陷信息。
在本实施例中，在获取彩色图像和红外图像之后，通过分析彩色图像中锂电池颜色/颜色灰度一致性确定彩色图像中的锂电池是否存在缺陷，通过分析红外图像中锂电池内部颜色/灰度变化确定红外图像中的锂电池是否存在缺陷。在本实施例中，缺陷信息可以是缺陷长度、缺陷宽度及缺陷的面积尺寸的至少一种。
S3，当彩色图像或红外图像中存在锂电池的缺陷信息时，将缺陷信息与预设缺陷集合进行匹配，并将匹配成功的缺陷信息对应的锂电池确定为不合格品。
在本实施例中，在确定出彩色图像或红外图像其中之一存在锂电池的缺陷信息后，需要将缺陷信息对应的彩色图像或红外图像与预设缺陷集合集中的缺陷图片进行匹配，确定出彩色图像或红外图像对应锂电池的缺陷类型，之后根据所获得的缺陷类型，再查找预设缺陷集合中的异常规格表，当彩色图像或红外图像中缺陷信息的数据与异常规格表对应时，则可以确定彩色图像或红外图像对应的锂电池为不合格产品，需要进行维修或进行报废处理。在本实施例中，锂电池的缺陷类型可以是压痕、刻痕、异物、污染、腐蚀及异常温度中的至少一种。预设缺陷集合包括根据过往经验收集的异常彩色图像集合、根据过往经验收集的异常红外图像集合、缺陷种类表和缺陷数据的上限标准数据表。
本申请实施例提供的一种基于机器视觉的锂电池缺陷检测方法，通过获取待检测锂电池的彩色图像和红外图像，利用彩色图像实现对锂电池的外观缺陷进行检测，利用红外图像实现对锂电池内部进行检测，从而避免了因人为检测导致的误检或漏检，进一步提高锂电池检测的准确性。
可选的，锂电池的缺陷信息包括压缺陷长度、缺陷宽度及缺陷的面积尺寸的至少一种。
可选地，在获取待检测锂电池的彩色图像和红外图像之后，还可以执行步骤S11至步骤S12：
S11，对彩色图像进行亮度和图像锐度调整。
在本实施例中，在获取彩色图像后，为了能够获得精准采集到待测锂电池表面的缺陷信息，需要利用控制计算机中的图像调整软件对彩色图像的亮度和图像锐度以及图像曝光度进行调整，以保证能够获得清晰的锂电池外观图像，有助于锂电池的缺陷进行检测。
S12，对红外图像进行灰度调整。
在本实施例中，在获取红外图像后，为了能够获得精准采集到待测锂电池内部的缺陷信息，需要利用控制计算机中的图像调整软件对红外图像的灰度进行调整，以保证能够获得清晰的锂电池内部结构影像，以便于对锂电池的缺陷进行检测。
如图2所示，图2为本申请实施例提供的基于机器视觉的锂电池缺陷检测方法中步骤S21至步骤S23的流程图。本发明提供的基于机器视觉的锂电池缺陷检测方法，包括：
S21，获取锂电池的参考彩色图像和参考红外图像。
S22，将参考彩色图像与彩色图像进行对比和将参考红外图像与红外图像进行对比，并在彩色图像和红外图像中框选出与参考彩色图像和参考红外图像存在差异的差异信息。
S23，将差异信息确定为锂电池的缺陷信息。
在本实施例中，为了实现对锂电池的缺陷检测，在采集到锂电池的彩色图像和红外图像后，需要将锂电池的彩色图像与锂电池的参考彩色图像和将锂电池的红外图像与锂电池的参考红外图像进行颜色、亮度或灰度的对比，之后提取锂电池的彩色图像和红外图像中锂电池与参考红外图像/参考红外图像中锂电池的不同像素数量，同时框选出不同像素点，之后根据其数量大小，确定出待测锂电池缺陷信息。其中，差异信息可以是锂电池的彩色图像和红外图像中锂电池与参考红外图像/参考红外图像中锂电池的不同像素数量，锂电池的参考彩色图像和参考红外图像可以是根据经验采集的图像。
本申请实施例提供的一种基于机器视觉的锂电池缺陷检测方法，将采集到的彩色图像和红外图像与参考彩色图像和参考红外图像进行对比，提取出两者之间的差异信息，以确定出锂电池的缺陷信息，实现对锂电池是否存在缺陷进行检测。
如图3所示，图3为本申请实施例提供的基于机器视觉的锂电池缺陷检测方法中步骤S24至步骤S26的流程图。本发明提供的基于机器视觉的锂电池缺陷检测方法，包括：
S24，获取缺陷信息的特征信息。
S25，将缺陷信息的特征信息与预设差异信息进行相似度计算。
S26，将满足阈值的相似度对应的缺陷信息确定为锂电池的缺陷信息。
在本实施例中，还可以获取缺陷信息中提取缺陷信息的面积或像素数量，之后利用缺陷信息的面积或像素数量与预设差异信息的面积或数量计算缺陷信息与预设差异信息的相似度，当相似度满足阈值时，则将缺陷信息确定为锂电池的缺陷信息。
计算相似度的公式可以是：
其中，C表示相似度，A表示缺陷信息的特征信息，B表示预设差异信息。另外，本申请实施例的阈值可以根据设计需要进行调整。
如图4所示，图4为本申请实施例提供的基于机器视觉的锂电池缺陷检测方法中步骤S31至步骤S32的流程图。本发明提供的基于机器视觉的锂电池缺陷检测方法，包括：
S31，提取预设缺陷集合中的预设的锂电池不合格数据。
S32，确定出缺陷信息中满足不合格数据的锂电池，将锂电池确定为不合格品。
在本实施例中，预设缺陷集合包括根据过往经验收集的异常彩色图像集合、根据过往经验收集的异常红外图像集合、缺陷种类表和缺陷数据的上限标准数据表。在确定红外图像或彩色图像中锂电池存在缺陷后，为了能够进一步保证锂电池的出厂品质，需要提取缺陷数据的上限标准数据表，将缺陷信息与上限标准数据表进行匹配，当缺陷信息的数值大于上限标准数据表时，则将锂电池确定为不合格品。
相应地，请参考图5，图5为本申请实施例提供的基于机器视觉的锂电池缺陷检测装置的结构示意图，本发明实施例提供的一种基于机器视觉的锂电池缺陷检测装置，其中该装置包括：
获取模块1，用于获取待检测锂电池的彩色图像和红外图像，详细内容参考步骤S1所述。
确定模块2，用于确定所述彩色图像和所述红外图像中是否存在锂电池的缺陷信息，详细内容参考步骤S2所述。
匹配模块3，用于当所述彩色图像和所述红外图像中存在锂电池的缺陷信息时，将所述缺陷信息与预设缺陷集合进行匹配，并将所述匹配成功的缺陷信息对应的锂电池确定为不合格品，详细内容参考步骤S3所述。
本申请实施例提供的基于机器视觉的锂电池缺陷检测装置，通过获取模块1获取待检测锂电池的彩色图像和红外图像，利用确定模块2和匹配模块3对锂电池的外观缺陷进行检测和对锂电池内部进行检测，从而避免了因人为检测导致的误检或漏检，进一步提高锂电池检测的准确性。
本请参考图6，图6为本申请实施例提供的锂电池缺陷检测系统的示意图，本申请实施例还提供了一种锂电池缺陷检测系统，该系统用于对锂电池的缺陷进行检测。该系统包括：图像采集装置4和锂电池缺陷检测装置5，其中，图像采集装置4和锂电池缺陷检测装置5通过有线或通信传输协议实现数据传输。
在本实施例中，图像采集装置4用于采集锂电池的彩色图像和红外图像；锂电池缺陷检测装置5用于接收所述锂电池的彩色图像和红外图像，对所述锂电池的彩色图像和红外图像进行锂电池缺陷检测。
本申请实施例提供的一种锂电池缺陷检测系统，通过图像采集装置4获取待检测锂电池的彩色图像和红外图像，锂电池缺陷检测装置5对锂电池的外观缺陷进行检测和对锂电池内部进行检测，从而避免了因人为检测导致的误检或漏检，进一步提高锂电池检测的准确性。
本发明实施例还提供了一种电子设备，如图7所示，该电子设备可以包括处理器6和存储器7，其中处理器6和存储器7可以通过总线或者其他方式连接，图7中以通过总线连接为例。
处理器6可以为中央处理器(Central Processing Unit，CPU)。处理器6还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器7作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的基于机器视觉的锂电池缺陷检测方法对应的程序指令/模块。处理器6通过运行存储在存储器7中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的基于机器视觉的锂电池缺陷检测方法。
存储器7可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器6所创建的数据等。此外，存储器7可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器7可选包括相对于处理器6远程设置的存储器，这些远程存储器可以通过网络连接至处理器6。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器7中，当被所述处理器6执行时，执行如图1-4所示实施例中的基于机器视觉的锂电池缺陷检测方法。
上述电子设备具体细节可以对应参阅图1至图6所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种基于机器视觉的锂电池缺陷检测方法，其特征在于，包括：
获取待检测锂电池的彩色图像和红外图像；
确定所述彩色图像和所述红外图像中是否存在锂电池的缺陷信息；
当所述彩色图像或所述红外图像中存在锂电池的缺陷信息时，将所述缺陷信息与预设缺陷集合进行匹配，并将匹配成功的缺陷信息对应的锂电池确定为不合格品。
2.根据权利要求1所述的基于机器视觉的锂电池缺陷检测方法，其特征在于，在获取待检测锂电池的彩色图像和红外图像之后，包括：
对所述彩色图像进行亮度和图像锐度调整；
对所述红外图像进行灰度调整。
3.根据权利要求1所述的基于机器视觉的锂电池缺陷检测方法，其特征在于，所述锂电池的缺陷信息包括缺陷长度、缺陷宽度及缺陷的面积尺寸的至少一种。
4.根据权利要求1所述的基于机器视觉的锂电池缺陷检测方法，其特征在于，所述确定所述彩色图像和所述红外图像中是否存在锂电池的缺陷信息，包括：
获取锂电池的参考彩色图像和参考红外图像；
将所述参考彩色图像与所述彩色图像进行对比和将所述参考红外图像与所述红外图像进行对比，并在所述彩色图像和所述红外图像中框选出与所述参考彩色图像和所述参考红外图像存在差异的差异信息；
将所述差异信息确定为所述锂电池的缺陷信息。
5.根据权利要求4所述的基于机器视觉的锂电池缺陷检测方法，其特征在于，所述确定所述彩色图像和所述红外图像中是否存在锂电池的缺陷信息，还包括：
获取所述缺陷信息的特征信息；
将所述缺陷信息的特征信息与预设差异信息进行相似度计算；
将满足阈值的相似度对应的缺陷信息确定为锂电池的缺陷信息。
6.根据权利要求1所述的基于机器视觉的锂电池缺陷检测方法，其特征在于，将所述缺陷信息与预设缺陷集合进行匹配，并将所述匹配成功的缺陷信息对应的锂电池确定为不合格品，包括：
提取所述预设缺陷集合中的预设的锂电池不合格数据；
确定出所述缺陷信息中满足所述不合格数据的锂电池，将所述锂电池确定为不合格品。
7.一种基于机器视觉的锂电池缺陷检测装置，其特征在于，包括：
获取模块，用于获取待检测锂电池的彩色图像和红外图像；
确定模块，用于确定所述彩色图像和所述红外图像中是否存在锂电池的缺陷信息；
匹配模块，用于当所述彩色图像和所述红外图像中存在锂电池的缺陷信息时，将所述缺陷信息与预设缺陷集合进行匹配，并将匹配成功的缺陷信息对应的锂电池确定为不合格品。
8.一种锂电池缺陷检测系统，其特征在于，包括：
图像采集装置，用于采集锂电池的彩色图像和红外图像；
如权利要求7所述的锂电池缺陷检测装置，用于接收所述锂电池的彩色图像和红外图像，对所述锂电池的彩色图像和红外图像进行锂电池缺陷检测。
9.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-6中任一项所述的基于机器视觉的锂电池缺陷检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的基于机器视觉的锂电池缺陷检测方法。
CN202310029957.8A 2023-01-06 2023-01-06 基于机器视觉的锂电池缺陷检测方法、装置及电子设备 Pending CN116519707A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310029957.8A CN116519707A (zh) 2023-01-06 2023-01-06 基于机器视觉的锂电池缺陷检测方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310029957.8A CN116519707A (zh) 2023-01-06 2023-01-06 基于机器视觉的锂电池缺陷检测方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN116519707A true CN116519707A (zh) 2023-08-01

Family

ID=87405303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310029957.8A Pending CN116519707A (zh) 2023-01-06 2023-01-06 基于机器视觉的锂电池缺陷检测方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN116519707A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117458010A (zh) * 2023-12-20 2024-01-26 超耐斯(深圳)新能源集团有限公司 一种基于数据分析的锂电池储能监控系统
CN117589793A (zh) * 2024-01-19 2024-02-23 辽宁爱尔创科技有限公司 一种陶瓷套管的检测系统、方法、装置、设备及存储介质
CN117890378A (zh) * 2024-02-22 2024-04-16 宁德时代新能源科技股份有限公司 电池外观缺陷检测系统及点检方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117458010A (zh) * 2023-12-20 2024-01-26 超耐斯(深圳)新能源集团有限公司 一种基于数据分析的锂电池储能监控系统
CN117458010B (zh) * 2023-12-20 2024-04-02 超耐斯(深圳)新能源集团有限公司 一种基于数据分析的锂电池储能监控系统
CN117589793A (zh) * 2024-01-19 2024-02-23 辽宁爱尔创科技有限公司 一种陶瓷套管的检测系统、方法、装置、设备及存储介质
CN117589793B (zh) * 2024-01-19 2024-04-16 辽宁爱尔创科技有限公司 一种陶瓷套管的检测系统、方法、装置、设备及存储介质
CN117890378A (zh) * 2024-02-22 2024-04-16 宁德时代新能源科技股份有限公司 电池外观缺陷检测系统及点检方法

Similar Documents

Publication Publication Date Title
CN116519707A (zh) 基于机器视觉的锂电池缺陷检测方法、装置及电子设备
CN108318773B (zh) 一种输电导线断股检测方法及系统
CN108871185B (zh) 零件检测的方法、装置、设备以及计算机可读存储介质
JP2023145545A5 (zh)
CN111866501B (zh) 一种摄像模组检测方法、装置、电子设备及介质
CN115060725A (zh) 一种双圆盘外观检测方法及装置
CN116797977A (zh) 巡检机器人动态目标识别与测温方法、装置和存储介质
CN113077416A (zh) 一种基于图像处理的焊点焊接缺陷检测方法与系统
CN113269769A (zh) 一种基于图像配准的缺陷检测方法、系统及设备
CN107993223A (zh) 划痕检测方法、装置和电子设备
CN109489560B (zh) 一种线性尺寸测量方法及装置、智能终端
CN114581419A (zh) 变压器绝缘套管缺陷检测方法、相关设备及可读存储介质
CN117351472A (zh) 烟叶信息检测方法、装置及电子设备
CN111050027B (zh) 镜头畸变补偿方法、装置、设备和存储介质
CN110896447B (zh) 通信信号内容差异即时检测平台
US20140071298A1 (en) Blemish detection sytem and method
CN115803610A (zh) 图像获取方法及装置、存储介质
CN114723728A (zh) 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统
JP7417426B2 (ja) 異常検知装置、および異常検知方法
CN110310239B (zh) 一种基于特性值拟合消除光照影响的图像处理方法
CN113177566A (zh) 一种特征提取模型训练方法、装置及计算机设备
CN111649804A (zh) 油位监测方法、设备及具有存储功能的装置
CN110930360A (zh) 禽蛋检测、图像处理方法、装置、电子设备及存储介质
CN109785383B (zh) TVlines图像中定位识别测试线的方法、装置及可读存储介质
CN111435080A (zh) 一种水位测量方法、装置及系统

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