CN116593479B - 电池盖板外观质量检测方法、装置、设备及存储介质 - Google Patents
电池盖板外观质量检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116593479B CN116593479B CN202310884958.0A CN202310884958A CN116593479B CN 116593479 B CN116593479 B CN 116593479B CN 202310884958 A CN202310884958 A CN 202310884958A CN 116593479 B CN116593479 B CN 116593479B
- Authority
- CN
- China
- Prior art keywords
- detection
- defect
- cover plate
- battery cover
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000007547 defect Effects 0.000 claims abstract description 264
- 238000001514 detection method Methods 0.000 claims abstract description 230
- 230000000007 visual effect Effects 0.000 claims abstract description 73
- 238000007689 inspection Methods 0.000 claims description 7
- 230000033001 locomotion Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 21
- 230000002950 deficient Effects 0.000 abstract description 9
- 238000003384 imaging method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 8
- 238000011179 visual inspection Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- 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
-
- 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)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于外观检测技术领域，公开了一种电池盖板外观质量检测方法、装置、设备及存储介质。该方法包括：获取待测电池盖板的产品尺寸信息和视觉检测系统的相机视野信息；根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测；对拍照检测得到的检测图像通过预设缺陷识别模型进行识别，根据识别结果确定所述待测电池盖板的缺陷部位信息；根据所述缺陷部位信息将所述待测电池盖板进行分仓归类，并反馈检测结果。通过上述方式，能够更加全面的拍摄到缺陷的细节，提高产品的出货良率，能够更加精确的检出缺陷和对缺陷分类，更精确的对缺陷产品进行分仓，方便后续的处理，减少处理时间，从而节省用工成本。
Description
技术领域
本发明涉及外观检测技术领域，尤其涉及一种电池盖板外观质量检测方法、装置、设备及存储介质。
背景技术
目前新能源电池盖板生产过程中，电池盖板出货前的终检方式分为两种，一种是人工目视检测，一种是机器视觉自动检测。人工目检的有许多问题，诸如视觉疲劳、注意力不集中、人员管理问题等。但在很多工厂人工目检仍是终检的主力，最主要的原因是目前还没有十分完善的机器视觉自动检测设备。现存的大多视觉检测设备都不能完全检出所有缺陷，这里有成像的原因，比如一些划伤、磕碰等细微缺陷不能成像，而导致漏检。也有算法层面的原因，目前的检测设备大多使用传统的视觉算法，没有深度学习和AI的参与，算法不能很好的过滤真正的缺陷，会造成大量的过检。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种电池盖板外观质量检测方法、装置、设备及存储介质，旨在解决现有技术设备过于庞大，成像技术不够完善，不能智能过滤真正的缺陷的技术问题。
为实现上述目的，本发明提供了一种电池盖板外观质量检测方法，所述方法包括以下步骤：
获取待测电池盖板的产品尺寸信息和视觉检测系统的相机视野信息；
根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测；
对拍照检测得到的检测图像通过预设缺陷识别模型进行识别，根据识别结果确定所述待测电池盖板的缺陷部位信息；
根据所述缺陷部位信息将所述待测电池盖板进行分仓归类，并反馈检测结果。
可选地，所述根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测，包括：
根据所述产品尺寸信息和所述相机视野信息确定拍照次数；
获取预设检测移动方式和所述视觉检测系统的工位信息；
根据所述拍照次数、所述预设检测移动方式和所述工位信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测。
可选地，所述根据所述拍照次数、所述预设检测移动方式和所述工位信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测，包括：
根据所述工位信息确定所述视觉检测系统各检测工位的工位参数信息；
根据所述拍照次数和所述工位参数信息确定外观检测策略；
按照所述外观检测策略控制所述待测电池盖板按照所述预设检测移动方式在检测工位进行往复运动，以通过所述视觉检测系统中各检测工位的相机进行拍照检测。
可选地，所述根据所述拍照次数和所述工位参数信息确定外观检测策略，包括：
根据所述拍照次数和所述工位信息确定各检测工位的拍照触发位置和拍照顺序；
根据所述拍照触发位置和所述拍照顺序确定进行多次拍照操作的外观检测策略。
可选地，所述对拍照检测得到的检测图像通过预设缺陷识别模型进行识别，根据识别结果确定所述待测电池盖板的缺陷部位信息，包括：
将拍照检测得到的检测图像导入预设缺陷识别模型，得到模型检出缺陷；
根据所述模型检出缺陷确定缺陷物理量特征；
根据所述缺陷物理量特征确定真实缺陷；
根据所述真实缺陷确定所述待测电池盖板的缺陷部位信息。
可选地，所述根据所述缺陷物理量特征确定真实缺陷，包括：
根据所述缺陷物理量特征确定模型检出真实缺陷；
将所述缺陷物理量特征代入预设视觉检测算法，得到算法检出真实缺陷和缺陷区域熵信息；
根据所述缺陷区域熵信息确定区域真实缺陷；
根据所述模型检出真实缺陷、所述算法检出真实缺陷和所述区域真实缺陷确定真实缺陷。
可选地，所述根据所述缺陷区域熵信息确定区域真实缺陷，包括：
根据所述缺陷熵信息确定边界区域缺陷信息和平面区域缺陷信息；
将所述边界区域缺陷信息和所述平面区域缺陷信息带入所述预设视觉检测算法，得到边界区域真实缺陷和平面区域真实缺陷；
根据所述边界区域真实缺陷和所述平面区域真实缺陷确定区域真实缺陷。
此外，为实现上述目的，本发明还提出一种电池盖板外观质量检测装置，所述电池盖板外观质量检测装置包括：
信息获取模块，用于获取待测电池盖板的产品尺寸信息和视觉检测系统的相机视野信息；
拍照检测模块，用于根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测；
缺陷分析模块，用于对拍照检测得到的检测图像通过预设缺陷识别模型进行识别，根据识别结果确定所述待测电池盖板的缺陷部位信息；
分仓归类模块，用于根据所述缺陷部位信息将所述待测电池盖板进行分仓归类，并反馈检测结果。
此外，为实现上述目的，本发明还提出一种电池盖板外观质量检测设备，所述电池盖板外观质量检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电池盖板外观质量检测程序，所述电池盖板外观质量检测程序配置为实现如上文所述的电池盖板外观质量检测方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有电池盖板外观质量检测程序，所述电池盖板外观质量检测程序被处理器执行时实现如上文所述的电池盖板外观质量检测方法的步骤。
本发明获取待测电池盖板的产品尺寸信息和视觉检测系统的相机视野信息；根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测；对拍照检测得到的检测图像通过预设缺陷识别模型进行识别，根据识别结果确定所述待测电池盖板的缺陷部位信息；根据所述缺陷部位信息将所述待测电池盖板进行分仓归类，并反馈检测结果。通过这种方式，实现了根据待测电池盖板的产品尺寸信息和用于检测的视觉检测系统的相机视野信息首先对待测电池盖板进行完整的拍照检测，然后通过拍照检测的结果结合预设缺陷识别模型进行图像识别，从而准确的确定待测电池盖板的缺陷部位信息，从而进行分仓归类，全方位无死角的成像系统能够更加全面的拍摄到缺陷的细节，对品质控制有着更全面的把控，提高产品的出货良率，能够更加精确的检出缺陷和对缺陷分类，更精确的对缺陷产品进行分仓，方便后续的处理，减少处理时间，从而节省用工成本。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的电池盖板外观质量检测设备的结构示意图；
图2为本发明电池盖板外观质量检测方法第一实施例的流程示意图；
图3为本发明电池盖板外观质量检测方法一实施例中的电池盖板外观示意图；
图4为本发明电池盖板外观质量检测方法一实施例中的视觉检测系统工位示意图；
图5为本发明电池盖板外观质量检测方法一实施例中的工位1、2、3、5处理流程示意图；
图6为本发明电池盖板外观质量检测方法一实施例中的工位4、8处理流程示意图；
图7为本发明电池盖板外观质量检测方法一实施例中的工位6、7处理流程示意图；
图8为本发明电池盖板外观质量检测方法第二实施例的流程示意图；
图9为本发明电池盖板外观质量检测方法一实施例中的预设视觉检测算法处理流程图；
图10为本发明电池盖板外观质量检测方法一实施例中的判定真实缺陷流程图；
图11为本发明电池盖板外观质量检测装置第一实施例的结构框图。
本发明目的的实现、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
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的电池盖板外观质量检测设备结构示意图。
如图1所示，该电池盖板外观质量检测设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对电池盖板外观质量检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及电池盖板外观质量检测程序。
在图1所示的电池盖板外观质量检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明电池盖板外观质量检测设备中的处理器1001、存储器1005可以设置在电池盖板外观质量检测设备中，所述电池盖板外观质量检测设备通过处理器1001调用存储器1005中存储的电池盖板外观质量检测程序，并执行本发明实施例提供的电池盖板外观质量检测方法。
本发明实施例提供了一种电池盖板外观质量检测方法，参照图2，图2为本发明一种电池盖板外观质量检测方法第一实施例的流程示意图。
本实施例中，所述电池盖板外观质量检测方法包括以下步骤：
步骤S10：获取待测电池盖板的产品尺寸信息和视觉检测系统的相机视野信息。
需要说明的是，本实施例的执行主体为一个控制器，主要为控制视觉检测系统的控制器或者管理服务器等，也可以为其他可以进行数据传输和数据处理的设备，本实施例对此不加以限定。
应理解的是，待测电池盖板的结构示意图如图3所示，在电池盖板上存在多个细小的部件和结构，所以在现有技术中，对于待测电池盖板的检测需要多种设备的搭配，但是这种方式成本高，所以大多数情况会采用人工检查，但是这样误差率难以保证，而本实施例的方案根据待测电池盖板的产品尺寸信息和用于检测的视觉检测系统的相机视野信息首先对待测电池盖板进行完整的拍照检测，然后通过拍照检测的结果结合预设缺陷识别模型进行图像识别，从而准确的确定待测电池盖板的缺陷部位信息，从而进行分仓归类，全方位无死角的成像系统能够更加全面的拍摄到缺陷的细节，对品质控制有着更全面的把控，提高产品的出货良率，能够更加精确的检出缺陷和对缺陷分类，更精确的对缺陷产品进行分仓，方便后续的处理，减少处理时间，从而节省用工成本。
需要说明的是，产品尺寸信息指的是待测电池盖板的各个部位的结构和孔洞等的尺寸信息。
应理解的是，视觉检测系统是预先构建的用于检测待测电池盖板的系统，如图4所示，视觉检测系统上有多个检测工位以及相机，视觉检测系统设计有独特的成像技术，采用8组相机实现了13个相机的成像功能的技术。使结构更加小巧而紧凑，使得整机占地空间更小，机台操作更加方便。独特成像技术包括：线扫分时曝光成像技术，一个相机一次拍摄能够实现原本需要两个完全独立的相机才能拍摄的图像。可以设计：1、双棱镜成像模组，实现一个相机一次拍摄左右两个平面的图像。2、6棱镜模组，实现一个相机一次性360度无死角拍摄正极柱和负极柱侧壁的图像。通过独特的信号控制系统，精确控制成像位置，使用一个面阵相机多次曝光拍摄不同位置的局部特写图像，更高的分辨率能够表现出更加细微的缺陷细节。并且紧凑而完备的机械结构，设备采用标准化、模块化设计，能涵盖电池盖板外观的全部检测内容。机械结构紧凑，每个成像工位经过严谨周密的计算，做到空间不浪费、行程不空跑，合理布局了8组相机的成像位置。
步骤S20：根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测。
在具体实施中，拍照检测指的是将待测电池盖板通过传送带或者其他传动装置依次通过视觉检测系统的各个检测工位，完成待测电池盖板的各个部位的拍照。
进一步的，为了准确的进行拍照检测，步骤S20包括：根据所述产品尺寸信息和所述相机视野信息确定拍照次数；获取预设检测移动方式和所述视觉检测系统的工位信息；根据所述拍照次数、所述预设检测移动方式和所述工位信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测。
需要说明的是，首先根据产品尺寸信息和相机视野信息确定各个检测工位将待测电池盖板完全拍照需要的拍照次数。
应理解的是，预设检测移动方式指的是：采用独创的往复运动代替传统的传送带结构。使用直线电机驱动，运行更平稳，给线扫相机扫描采图和3D激光扫描轮廓细节提供了最精确的条件。成像稳定性和成像一致性得到了很好的保证。
在具体实施中，工位信息指的是如图4所示的示意图中的各个工位的顺序、位置等相关信息。
通过这种方式，实现了采用往复运动的方式进行拍照检测，并且准确的确定需要的拍照次数，提高了拍照检测的效率。
进一步的，为了提高拍照检测的效率，根据所述拍照次数、所述预设检测移动方式和所述工位信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测的步骤包括：根据所述工位信息确定所述视觉检测系统各检测工位的工位参数信息；根据所述拍照次数和所述工位参数信息确定外观检测策略；按照所述外观检测策略控制所述待测电池盖板按照所述预设检测移动方式在检测工位进行往复运动，以通过所述视觉检测系统中各检测工位的相机进行拍照检测。
需要说明的是，工位参数信息指的是各个检测工位的顺序以及相机位置、拍照触发位置等信息，外观检测策略指的是针对于每一个不同的检测工位设定的不同的拍照策略，然后按照检测工位的顺序排列，生成整体的外观检测策略。
应理解的是，当确定了外观检测策略之后，再按照外观检测策略控制待测电池盖板按照预设检测移动方式进行往复运动和来回运动，各个检测工位的相机进行拍照检测。
通过这种方式，准确的限定了外观检测策略，从而可以实现脱离人工的自动外观拍照检测。
进一步的，为了准确的生成外观检测策略，根据所述拍照次数和所述工位参数信息确定外观检测策略的步骤包括：根据所述拍照次数和所述工位信息确定各检测工位的拍照触发位置和拍照顺序；根据所述拍照触发位置和所述拍照顺序确定进行多次拍照操作的外观检测策略。
在具体实施中，拍照触发位置指的是对应了不同的检测工位的位置，当到达了某一个检测工位的拍照触发位置之后，自动触发检测工位的拍照操作，拍照顺序是对应了拍照触发位置的顺序，也就是待测电池盖板按照拍照顺序进行移动和运动，以方便各个检测工位的拍照检测。
需要说明的是，当确定了拍照触发位置之后，既可以根据拍照触发位置按照拍照顺序进行多次拍照操作，从而得到了待测电池盖板的所有图像。
应理解的是，视觉检测系统包括了8个工位，各个工位的检测方式如下：工位1、2、3和5的检测方式如图5所示，工位4和8的检测方式如图6所示，工位6和7的检测方式如图7所示。并且在结果处理中，信号盒使用IO和PLC进行结果交互，剔废使用NG分仓和一个OK仓，使用3个OUT口和通知PLC，高电平有效。还设置有PLC 防呆处理：3个通道都无没有信号，直接报废。连续报废3个，PLC停机报警。
通过这种方式，实现了准确的设定外观检测策略，并且可以根据检测工位的不同进行不同的检测方式，紧凑的机械结构是的设备的占地空间少，更方便了工人对机器的操控，对工厂厂房要求低。全方位无死角的成像系统能够更加全面的拍摄到缺陷的细节，对品质控制有着更全面的把控，提高客户产品的出货良率。为电池盖板外观检测量身定制的软件对操作工的要求更低，更有的用户体验和傻瓜式的设定操作节省了客户的用人成本。深度学习和人工智能加持的算法能够更加精确的检出缺陷和对缺陷分类，更精确的对缺陷产品进行分仓，方便后续的处理，减少处理时间，从而节省客户的用工成本。
步骤S30：对拍照检测得到的检测图像通过预设缺陷识别模型进行识别，根据识别结果确定所述待测电池盖板的缺陷部位信息。
需要说明的是，缺陷部位信息指的是通过预设缺陷识别模型识别到的所有存在缺陷的待测电池盖板的所有部位和位置的相关信息。
应理解的是，预设缺陷识别模型是预先设定AIDI人工智能算法模型。
步骤S40：根据所述缺陷部位信息将所述待测电池盖板进行分仓归类，并反馈检测结果。
在具体实施中，设备能够对产品进行智能分类，最后进行分仓处理。好品将通过OK通道直接可以装箱打包。缺陷产品根据缺陷等级能够智能分类，自动分仓。严重的缺陷产品进入废品仓直接进入报废的流程，轻微缺陷的产品进入待定仓，此仓的产品由人工进行二次复盘。需要人工复盘的产品不超过10%，大大减少了对人工的依赖。
本实施例通过获取待测电池盖板的产品尺寸信息和视觉检测系统的相机视野信息；根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测；对拍照检测得到的检测图像通过预设缺陷识别模型进行识别，根据识别结果确定所述待测电池盖板的缺陷部位信息；根据所述缺陷部位信息将所述待测电池盖板进行分仓归类，并反馈检测结果。通过这种方式，实现了根据待测电池盖板的产品尺寸信息和用于检测的视觉检测系统的相机视野信息首先对待测电池盖板进行完整的拍照检测，然后通过拍照检测的结果结合预设缺陷识别模型进行图像识别，从而准确的确定待测电池盖板的缺陷部位信息，从而进行分仓归类，全方位无死角的成像系统能够更加全面的拍摄到缺陷的细节，对品质控制有着更全面的把控，提高产品的出货良率，能够更加精确的检出缺陷和对缺陷分类，更精确的对缺陷产品进行分仓，方便后续的处理，减少处理时间，从而节省用工成本。
参考图8，图8为本发明一种电池盖板外观质量检测方法第二实施例的流程示意图。
基于上述第一实施例，本实施例电池盖板外观质量检测方法在所述步骤S30包括：
步骤S301：将拍照检测得到的检测图像导入预设缺陷识别模型，得到模型检出缺陷。
需要说明的是，首先将监测图像全部导入到预先训练完成的预设缺陷识别模型，从而可以通过预设缺陷识别模型导出的结果判断分类结果，以及模型检测出存在的缺陷，作为模型检出缺陷。
步骤S302：根据所述模型检出缺陷确定缺陷物理量特征。
应理解的是，缺陷物理量特征指的是模型检出缺陷的缺陷面积、尺寸，以及缺陷的匹配度等物理尺寸信息。其中，缺陷匹配度指的是分类为缺陷的区域在模型中的置信度。
步骤S303：根据所述缺陷物理量特征确定真实缺陷。
在具体实施中，真实缺陷指的是经过验证的，缺陷匹配度超过预设阈值的模型检出缺陷。
进一步的，为了通过其他方式确定模型未检出的真实缺陷，步骤S303包括：根据所述缺陷物理量特征确定模型检出真实缺陷；将所述缺陷物理量特征代入预设视觉检测算法，得到算法检出真实缺陷和缺陷区域熵信息；根据所述缺陷区域熵信息确定区域真实缺陷；根据所述模型检出真实缺陷、所述算法检出真实缺陷和所述区域真实缺陷确定真实缺陷。
需要说明的是，模型检出真实缺陷为缺陷匹配度超过预设阈值的所有模型检出缺陷。
应理解的是，视觉检测算法为可以检测出缺陷区域的熵信息，也就是所欲偶参数信息的算法，视觉检测算法的处理流程如图9所示。
在具体实施中，根据所述缺陷区域熵信息确定区域真实缺陷指的是：根据缺陷区域熵信息确定所有的缺陷区域中的平面区域缺陷信息和边界区域缺陷信息，从而根据平面区域缺陷信息和边界区域缺陷信息确定区域真实缺陷。
需要说明的是，将所有条件下筛选出的真实缺陷、算法检出真实缺陷和区域真实缺陷作为真实缺陷。
通过这种方式，实现了通过不同的方式，结合算法和模型确定所有的真实缺陷，提高了外观检测的准确度。
进一步的，为了得到区域真实缺陷，根据所述缺陷区域熵信息确定区域真实缺陷的步骤包括：根据所述缺陷熵信息确定边界区域缺陷信息和平面区域缺陷信息；将所述边界区域缺陷信息和所述平面区域缺陷信息带入所述预设视觉检测算法，得到边界区域真实缺陷和平面区域真实缺陷；根据所述边界区域真实缺陷和所述平面区域真实缺陷确定区域真实缺陷。
应理解的是，如图10所示为完整真实缺陷判定流程，其中，将爱缺陷区域熵信息再带入算法进行判断，从而可以得到边界区域缺陷信息和平面区域缺陷信息，再将边界区域缺陷信息进行缩放边缘，避免边界干扰，从而可以得到边界区域真实缺陷，再根据平面区域缺陷信息得到平面区域真实缺陷。
通过这种方式，实现了基于缺陷区域的熵信息确定边界和平面的缺陷信息，从而得到最完全的真实缺陷。
步骤S304：根据所述真实缺陷确定所述待测电池盖板的缺陷部位信息。
在具体实施中，当确定了真实缺陷了之后，再根据真实缺陷的相关信息生成缺陷部位信息，从而可以确定待测电池盖板是否出现缺陷，以及是否合格。
本实施例通过将拍照检测得到的检测图像导入预设缺陷识别模型，得到模型检出缺陷；根据所述模型检出缺陷确定缺陷物理量特征；根据所述缺陷物理量特征确定真实缺陷；根据所述真实缺陷确定所述待测电池盖板的缺陷部位信息。通过这种方式，实现了深度学习和人工智能加持的算法能够更加精确的检出缺陷和对缺陷分类，更精确的对缺陷产品进行分仓，方便后续的处理，减少处理时间，从而节省客户的用工成本。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有电池盖板外观质量检测程序，所述电池盖板外观质量检测程序被处理器执行时实现如上文所述的电池盖板外观质量检测方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不一一赘述。
参照图11，图11为本发明电池盖板外观质量检测装置第一实施例的结构框图。
如图11所示，本发明实施例提出的电池盖板外观质量检测装置包括：
信息获取模块10，用于获取待测电池盖板的产品尺寸信息和视觉检测系统的相机视野信息。
拍照检测模块20，用于根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测。
缺陷分析模块30，用于对拍照检测得到的检测图像通过预设缺陷识别模型进行识别，根据识别结果确定所述待测电池盖板的缺陷部位信息。
分仓归类模块40，用于根据所述缺陷部位信息将所述待测电池盖板进行分仓归类，并反馈检测结果。
本实施例通过获取待测电池盖板的产品尺寸信息和视觉检测系统的相机视野信息；根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测；对拍照检测得到的检测图像通过预设缺陷识别模型进行识别，根据识别结果确定所述待测电池盖板的缺陷部位信息；根据所述缺陷部位信息将所述待测电池盖板进行分仓归类，并反馈检测结果。通过这种方式，实现了根据待测电池盖板的产品尺寸信息和用于检测的视觉检测系统的相机视野信息首先对待测电池盖板进行完整的拍照检测，然后通过拍照检测的结果结合预设缺陷识别模型进行图像识别，从而准确的确定待测电池盖板的缺陷部位信息，从而进行分仓归类，全方位无死角的成像系统能够更加全面的拍摄到缺陷的细节，对品质控制有着更全面的把控，提高产品的出货良率，能够更加精确的检出缺陷和对缺陷分类，更精确的对缺陷产品进行分仓，方便后续的处理，减少处理时间，从而节省用工成本。
在一实施例中，所述拍照检测模块20，还用于根据所述产品尺寸信息和所述相机视野信息确定拍照次数；获取预设检测移动方式和所述视觉检测系统的工位信息；根据所述拍照次数、所述预设检测移动方式和所述工位信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测。
在一实施例中，所述拍照检测模块20，还用于根据所述工位信息确定所述视觉检测系统各检测工位的工位参数信息；根据所述拍照次数和所述工位参数信息确定外观检测策略；按照所述外观检测策略控制所述待测电池盖板按照所述预设检测移动方式在检测工位进行往复运动，以通过所述视觉检测系统中各检测工位的相机进行拍照检测。
在一实施例中，所述拍照检测模块20，还用于根据所述拍照次数和所述工位信息确定各检测工位的拍照触发位置和拍照顺序；根据所述拍照触发位置和所述拍照顺序确定进行多次拍照操作的外观检测策略。
在一实施例中，所述缺陷分析模块30，还用于将拍照检测得到的检测图像导入预设缺陷识别模型，得到模型检出缺陷；根据所述模型检出缺陷确定缺陷物理量特征；根据所述缺陷物理量特征确定真实缺陷；根据所述真实缺陷确定所述待测电池盖板的缺陷部位信息。
在一实施例中，所述缺陷分析模块30，还用于根据所述缺陷物理量特征确定模型检出真实缺陷；将所述缺陷物理量特征代入预设视觉检测算法，得到算法检出真实缺陷和缺陷区域熵信息；根据所述缺陷区域熵信息确定区域真实缺陷；根据所述模型检出真实缺陷、所述算法检出真实缺陷和所述区域真实缺陷确定真实缺陷。
在一实施例中，所述缺陷分析模块30，还用于根据所述缺陷熵信息确定边界区域缺陷信息和平面区域缺陷信息；将所述边界区域缺陷信息和所述平面区域缺陷信息带入所述预设视觉检测算法，得到边界区域真实缺陷和平面区域真实缺陷；根据所述边界区域真实缺陷和所述平面区域真实缺陷确定区域真实缺陷。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的电池盖板外观质量检测方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在一个存储介质（如只读存储器（Read Only Memory，ROM）/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种电池盖板外观质量检测方法，其特征在于，所述电池盖板外观质量检测方法包括：
获取待测电池盖板的产品尺寸信息和视觉检测系统的相机视野信息；
根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测；
将拍照检测得到的检测图像导入预设缺陷识别模型，得到模型检出缺陷；
根据所述模型检出缺陷确定缺陷物理量特征；
根据所述缺陷物理量特征确定模型检出真实缺陷；
将所述缺陷物理量特征代入预设视觉检测算法，得到算法检出真实缺陷和缺陷区域熵信息；
根据所述缺陷区域熵信息确定区域真实缺陷；
根据所述模型检出真实缺陷、所述算法检出真实缺陷和所述区域真实缺陷确定真实缺陷；
根据所述真实缺陷确定所述待测电池盖板的缺陷部位信息；
根据所述缺陷部位信息将所述待测电池盖板进行分仓归类，并反馈检测结果。
2.如权利要求1所述的方法，其特征在于，所述根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测，包括：
根据所述产品尺寸信息和所述相机视野信息确定拍照次数；
获取预设检测移动方式和所述视觉检测系统的工位信息；
根据所述拍照次数、所述预设检测移动方式和所述工位信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测。
3.如权利要求2所述的方法，其特征在于，所述根据所述拍照次数、所述预设检测移动方式和所述工位信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测，包括：
根据所述工位信息确定所述视觉检测系统各检测工位的工位参数信息；
根据所述拍照次数和所述工位参数信息确定外观检测策略；
按照所述外观检测策略控制所述待测电池盖板按照所述预设检测移动方式在检测工位进行往复运动，以通过所述视觉检测系统中各检测工位的相机进行拍照检测。
4.如权利要求3所述的方法，其特征在于，所述根据所述拍照次数和所述工位参数信息确定外观检测策略，包括：
根据所述拍照次数和所述工位信息确定各检测工位的拍照触发位置和拍照顺序；
根据所述拍照触发位置和所述拍照顺序确定进行多次拍照操作的外观检测策略。
5.如权利要求1所述的方法，其特征在于，所述根据所述缺陷区域熵信息确定区域真实缺陷，包括：
根据所述缺陷熵信息确定边界区域缺陷信息和平面区域缺陷信息；
将所述边界区域缺陷信息和所述平面区域缺陷信息带入所述预设视觉检测算法，得到边界区域真实缺陷和平面区域真实缺陷；
根据所述边界区域真实缺陷和所述平面区域真实缺陷确定区域真实缺陷。
6.一种电池盖板外观质量检测装置，其特征在于，所述电池盖板外观质量检测装置包括：
信息获取模块，用于获取待测电池盖板的产品尺寸信息和视觉检测系统的相机视野信息；
拍照检测模块，用于根据所述产品尺寸信息和所述相机视野信息通过所述视觉检测系统对所述待测电池盖板进行拍照检测；
缺陷分析模块，用于将拍照检测得到的检测图像导入预设缺陷识别模型，得到模型检出缺陷；根据所述模型检出缺陷确定缺陷物理量特征；根据所述缺陷物理量特征确定模型检出真实缺陷；将所述缺陷物理量特征代入预设视觉检测算法，得到算法检出真实缺陷和缺陷区域熵信息；根据所述缺陷区域熵信息确定区域真实缺陷；根据所述模型检出真实缺陷、所述算法检出真实缺陷和所述区域真实缺陷确定真实缺陷；根据所述真实缺陷确定所述待测电池盖板的缺陷部位信息；
分仓归类模块，用于根据所述缺陷部位信息将所述待测电池盖板进行分仓归类，并反馈检测结果。
7.一种电池盖板外观质量检测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电池盖板外观质量检测程序，所述电池盖板外观质量检测程序配置为实现如权利要求1至5中任一项所述的电池盖板外观质量检测方法。
8.一种存储介质，其特征在于，所述存储介质上存储有电池盖板外观质量检测程序，所述电池盖板外观质量检测程序被处理器执行时实现如权利要求1至5任一项所述的电池盖板外观质量检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884958.0A CN116593479B (zh) | 2023-07-19 | 2023-07-19 | 电池盖板外观质量检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310884958.0A CN116593479B (zh) | 2023-07-19 | 2023-07-19 | 电池盖板外观质量检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116593479A CN116593479A (zh) | 2023-08-15 |
| CN116593479B true CN116593479B (zh) | 2024-02-06 |
Family
ID=87606696
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310884958.0A Active CN116593479B (zh) | 2023-07-19 | 2023-07-19 | 电池盖板外观质量检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116593479B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117078674B (zh) * | 2023-10-14 | 2024-01-05 | 中电鹏程智能装备有限公司 | 一种pcba外观缺陷智能检测方法和检测系统 |
| CN117723550B (zh) * | 2024-02-18 | 2024-06-25 | 宁德时代新能源科技股份有限公司 | 产品质量检测设备的检测方法、装置和电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651849A (zh) * | 2016-12-27 | 2017-05-10 | 广东锐视智能检测有限公司 | 基于面阵相机的pcb裸板缺陷检测方法 |
| CN110142230A (zh) * | 2019-05-23 | 2019-08-20 | 北京阿丘机器人科技有限公司 | 一种检测外观缺陷的方法及装置 |
| CN110517247A (zh) * | 2019-08-27 | 2019-11-29 | 北京百度网讯科技有限公司 | 获取信息的方法及装置 |
| CN112102308A (zh) * | 2020-09-25 | 2020-12-18 | 研祥智能科技股份有限公司 | 图像拼接方法及系统、产品缺陷检测方法及系统 |
| WO2021213223A1 (zh) * | 2020-04-20 | 2021-10-28 | 广东利元亨智能装备股份有限公司 | 焊缝质量检测方法、装置、系统及电子设备 |
| CN114547390A (zh) * | 2022-01-20 | 2022-05-27 | 阿丘机器人科技(苏州)有限公司 | 多工位检测数据统计方法、装置、设备及存储介质 |
| CN114693614A (zh) * | 2022-03-16 | 2022-07-01 | 武汉飞流智能技术有限公司 | 防震锤缺陷检测方法、装置、设备及存储介质 |
| CN115100161A (zh) * | 2022-06-30 | 2022-09-23 | 章鱼博士智能技术(上海)有限公司 | 一种电池顶盖缺陷检测方法、装置、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10769770B2 (en) * | 2018-05-07 | 2020-09-08 | Cummins Enterprise Llc | Quality monitoring system and quality monitoring method for fuel cell manufacturing line and quality monitoring system for manufacturing line |
-
2023
- 2023-07-19 CN CN202310884958.0A patent/CN116593479B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651849A (zh) * | 2016-12-27 | 2017-05-10 | 广东锐视智能检测有限公司 | 基于面阵相机的pcb裸板缺陷检测方法 |
| CN110142230A (zh) * | 2019-05-23 | 2019-08-20 | 北京阿丘机器人科技有限公司 | 一种检测外观缺陷的方法及装置 |
| CN110517247A (zh) * | 2019-08-27 | 2019-11-29 | 北京百度网讯科技有限公司 | 获取信息的方法及装置 |
| WO2021213223A1 (zh) * | 2020-04-20 | 2021-10-28 | 广东利元亨智能装备股份有限公司 | 焊缝质量检测方法、装置、系统及电子设备 |
| CN112102308A (zh) * | 2020-09-25 | 2020-12-18 | 研祥智能科技股份有限公司 | 图像拼接方法及系统、产品缺陷检测方法及系统 |
| CN114547390A (zh) * | 2022-01-20 | 2022-05-27 | 阿丘机器人科技(苏州)有限公司 | 多工位检测数据统计方法、装置、设备及存储介质 |
| CN114693614A (zh) * | 2022-03-16 | 2022-07-01 | 武汉飞流智能技术有限公司 | 防震锤缺陷检测方法、装置、设备及存储介质 |
| CN115100161A (zh) * | 2022-06-30 | 2022-09-23 | 章鱼博士智能技术(上海)有限公司 | 一种电池顶盖缺陷检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Surface Defects Detection and Identification of Lithium Battery Pole Piece Based on Multi-Feature Fusion and PSO-SVM;CHANGLU XU etc.;《IEEE Access》;第9卷;全文 * |
| 冷轧带钢表面缺陷在线检测系统设计;赵向仁;《中国优秀硕士学位论文全文数据库》(第05期);全文 * |
| 电池表面缺陷视觉检测算法的研究与实现;曾祥瑞;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116593479A (zh) | 2023-08-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116593479B (zh) | 电池盖板外观质量检测方法、装置、设备及存储介质 | |
| US12020415B2 (en) | Method for monitoring manufacture of assembly units | |
| US11774735B2 (en) | System and method for performing automated analysis of air samples | |
| US10733723B2 (en) | Methods and system for improved quality inspection | |
| AU2017344741B2 (en) | System and method for performing automated analysis of air samples | |
| CN108009515B (zh) | 一种基于fcn的无人机航拍图像的输电线定位识别方法 | |
| CN104063873B (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
| CN111507976B (zh) | 基于多角度成像的缺陷检测方法及系统 | |
| US20200265575A1 (en) | Flaw inspection apparatus and method | |
| CN111062938B (zh) | 基于机器学习的板材涨塞检测系统和检测方法 | |
| CN108627520A (zh) | 一种非均质固体材料外观质量的在线检测系统和方法 | |
| US11521120B2 (en) | Inspection apparatus and machine learning method | |
| CN116543247A (zh) | 基于光度立体表面重建的数据集制作方法及验证系统 | |
| CN114140684A (zh) | 堵煤漏煤检测方法、装置、设备及存储介质 | |
| US11682112B2 (en) | Inspection device and machine learning method | |
| CN117563960A (zh) | 一种自动化外观检测方法和装置 | |
| CN114596243A (zh) | 缺陷检测方法、装置、设备及计算机可读存储介质 | |
| CN111486790A (zh) | 一种电池全尺寸检测方法与装置 | |
| CN117152094A (zh) | 基于计算机视觉的钢板表面缺陷分析方法、装置及系统 | |
| CN116503807A (zh) | 一种设备巡检方法、装置、电子设备及计算机程序产品 | |
| CN116295141A (zh) | 一种燃料电池双极板平整度检测方法及系统 | |
| CN115984759A (zh) | 变电站开关状态识别方法、装置、计算机设备和存储介质 | |
| CN113727022B (zh) | 巡检图像的采集方法及装置、电子设备、存储介质 | |
| CN116110127A (zh) | 一种多联动的加油站套现行为识别系统 | |
| US12002196B2 (en) | Electronic device and method for marking defects of products |
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 |