CN116699428B - 退役电池的缺陷检测方法及装置 - Google Patents

退役电池的缺陷检测方法及装置 Download PDF

Info

Publication number
CN116699428B
CN116699428B CN202310988208.8A CN202310988208A CN116699428B CN 116699428 B CN116699428 B CN 116699428B CN 202310988208 A CN202310988208 A CN 202310988208A CN 116699428 B CN116699428 B CN 116699428B
Authority
CN
China
Prior art keywords
defect
retired battery
representing
boundary
curve
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
Application number
CN202310988208.8A
Other languages
English (en)
Other versions
CN116699428A (zh
Inventor
郑伟鹏
丁柏栋
李艳芹
叶利强
傅婷婷
杨昊昱
潘金胜
刘文雄
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 Jiecheng Nickel Cobalt New Energy Technology Co ltd
Original Assignee
Shenzhen Jiecheng Nickel Cobalt New Energy 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 Jiecheng Nickel Cobalt New Energy Technology Co ltd filed Critical Shenzhen Jiecheng Nickel Cobalt New Energy Technology Co ltd
Priority to CN202310988208.8A priority Critical patent/CN116699428B/zh
Publication of CN116699428A publication Critical patent/CN116699428A/zh
Application granted granted Critical
Publication of CN116699428B publication Critical patent/CN116699428B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/028—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring lateral position of a boundary of the object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
    • G01N9/24—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity by observing the transmission of wave or particle radiation through the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
    • G01N9/36—Analysing materials by measuring the density or specific gravity, e.g. determining quantity of moisture
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52—Testing for short-circuits, leakage current or ground faults
    • 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
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/84—Recycling of batteries or fuel cells

Landscapes

  • Physics & Mathematics (AREA)
  • General 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)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及缺陷检测领域，揭露一种退役电池的缺陷检测方法及装置，所述方法包括：计算分段曲线的分段曲率，检测退役电池的第一外观缺陷；从三维点云模型中识别退役电池的焊缝边界，计算焊缝边界与预设的标准焊缝边界之间的包围面积，计算焊缝边界的宽度方向差值，检测退役电池的第二外观缺陷；构建退役电池的短路检测电路，计算短路检测电路中开关功率，检测退役电池的短路缺陷；构建退役电池的密度图像，从密度图像中检测退役电池的第一异物缺陷，构建退役电池的红外热成像，从红外热成像中筛选候选气体区域，对候选气体区域进行特征提取，得到提取特征，分析提取特征的气体概率，检测退役电池的第二异物缺陷。本发明可提高缺陷检测通用性。

Description

退役电池的缺陷检测方法及装置
技术领域
本发明涉及缺陷检测领域，尤其涉及一种退役电池的缺陷检测方法及装置。
背景技术
退役电池是指容量衰减至额定容量的80%-70%以下的动力电池，由于在80%-20%这一区间，动力电池的性能仍然可以满足很多设备的能源需要，因此，退役电池仍可继续实现再利用，但退役电池的再利用对电池的环保、安全和技术的要求都很高，所以需要对退役电池进行缺陷检测，以确保退役电池能够安全满足其他设备的能源需求。
目前，退役电池的表面破损会造成电池的保护膜褪去，使得电池的安全性能大大降低，对电池表面的破损检测主要通过机器视觉技术实现，例如采集电池表面的图像，从图像中对缺陷进行分类，但这种方法需要事先采集大量的缺陷形状的样本，并通过这些样本对神经网络进行反复训练，耗费时间较长，成本较高，导致应用较难普及，其次，电池表面的缝隙与划痕在图像中的表征相似，导致难以区分二者，这使得普通的电池表面缺陷检测不能够在电池表面缝隙检测的应用中普及，另外，电池的短路检测的过程为不断对电池进行充放电，检测充放电时电池的电阻变化、容量变化、电压变化、电芯电阻的变化及电流的变化等的变化曲线，来识别电池的短路问题，由于测量参数较多，对实际测量场景的应用设备和人工技术水平要求较高，使得这种短路测试方法通用性不足。因此，退役电池的缺陷检测通用性不足。
发明内容
为了解决上述问题，本发明提供了一种退役电池的缺陷检测方法及装置，可以提高退役电池的缺陷检测通用性。
第一方面，本发明提供了一种退役电池的缺陷检测方法，包括：
基于退役电池的结构组成，分析所述退役电池的缺陷检测项目，其中，所述缺陷检测项目包括外观缺陷项目与内部缺陷项目；
基于所述外观缺陷项目，利用发射至所述退役电池的线结构光，构建所述退役电池的三维点云模型，识别所述三维点云模型的表面曲线，对所述表面曲线进行曲线分段，得到分段曲线，计算所述分段曲线的分段曲率，根据所述分段曲率，检测所述退役电池的第一外观缺陷；
从所述三维点云模型中识别所述退役电池的焊缝边界，计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，基于所述包围面积，计算所述焊缝边界的宽度方向差值，基于所述包围面积与所述宽度方向差值，检测所述退役电池的第二外观缺陷；
将所述第一外观缺陷与所述第二外观缺陷作为所述退役电池的外观缺陷检测结果；
基于所述内部缺陷项目，构建所述退役电池的短路检测电路，计算所述短路检测电路中所述退役电池的开关功率，利用所述开关功率检测所述退役电池的短路缺陷；
基于发射至所述退役电池的电磁波射线，构建所述退役电池的密度图像，从所述密度图像中检测所述退役电池的第一异物缺陷，构建所述退役电池的红外热成像，从所述红外热成像中筛选候选气体区域，对所述候选气体区域进行特征提取，得到提取特征，分析所述提取特征的气体概率，基于所述气体概率，检测所述退役电池的第二异物缺陷；
将所述短路缺陷、所述第一异物缺陷及所述第二异物缺陷作为所述退役电池的内部缺陷检测结果；
根据所述外观缺陷检测结果和所述内部缺陷检测结果，生成所述退役电池的缺陷检测报告。
在第一方面的一种可能实现方式中，所述计算所述分段曲线的分段曲率，包括：
构建所述分段曲线的直角坐标系；
识别所述分段曲线上的点在所述直角坐标系中的坐标，得到点坐标；
基于所述点坐标，计算所述分段曲线的曲线函数；
根据所述曲线函数，利用下述公式计算所述分段曲率：
其中，表示所述分段曲率，/>表示所述曲线函数中的因变量，/>表示所述曲线函数中的自变量，/>表示所述曲线函数。
在第一方面的一种可能实现方式中，所述基于所述点坐标，计算所述分段曲线的曲线函数，包括：
利用下述公式构建所述分段曲线的初始曲线函数：
其中，表示所述初始曲线函数，/>、/>、/>表示待计算的常数参数，/>表示初始曲线函数中的因变量，/>表示初始曲线函数中的自变量；
基于所述点坐标，利用下述公式计算所述初始曲线函数中的常数参数：
其中，表示所述常数参数，/>表示所述点坐标中的横坐标，/>表示所述点坐标中的纵坐标；
基于所述常数参数与所述初始曲线函数，利用下述公式计算所述分段曲线的曲线函数：
其中，表示所述曲线函数，/>、/>、/>表示待计算的常数参数，/>表示初始曲线函数中的因变量，/>表示初始曲线函数中的自变量。
在第一方面的一种可能实现方式中，所述根据所述分段曲率，检测所述退役电池的第一外观缺陷，包括：
在所述分段曲率中多个分段曲率均大于第一预设阈值时， 判定所述退役电池存在第一鼓包缺陷；
在所述分段曲率中多个分段曲率不全大于所述第一预设阈值时，利用下述公式计算所述分段曲率中大于所述第一预设阈值的分段曲率的占比，得到分段占比：
其中，表示所述分段占比，/>表示所述分段曲率中大于所述第一预设阈值的分段曲率的数目，/>表示大于所述第一预设阈值的分段曲率，b表示big，即大于，/>表示所有分段曲率的总数，/>表示所有分段曲率，a表示all,即全部；
在所述分段占比大于第二预设阈值时，判定所述退役电池存在第二鼓包缺陷，并基于所述分段曲率中不全大于所述第一预设阈值的分段曲率，检测所述退役电池的第一凹陷缺陷；
在所述分段占比不大于所述第二预设阈值时，检测所述退役电池的第二凹陷缺陷，并从所述分段曲率选取最小分段曲率，基于所述最小分段曲率，检测所述退役电池的划痕缺陷；
将所述第一鼓包缺陷、所述第二鼓包缺陷、所述第一凹陷缺陷、所述第二凹陷缺陷及所述划痕缺陷作为所述第一外观缺陷。
在第一方面的一种可能实现方式中，所述计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，包括：
对所述焊缝边界进行边界分段，得到分段边界；
构建所述分段边界的边界函数；
基于所述边界函数，利用下述公式计算所述分段边界与预设的标准焊缝边界之间的包围面积：
其中，表示所述包围面积，/>表示所述边界函数，/>表示所述边界函数的第一自变量，表示边界函数在水平方向上的位移，/>表示x的最大值，0~u表示分段边界在水平方向上的位移，/>表示所述边界函数的第二自变量，表示边界函数在垂直方向上的位移，/>表示y的最大值，0~v表示分段边界在垂直方向上的位移。
在第一方面的一种可能实现方式中，所述基于所述包围面积，计算所述焊缝边界的宽度方向差值，包括：
从所述包围面积中选取最小包围面积，将所述最小包围面积作为所述焊缝边界的第一宽度方向差值；
将所述最小包围面积内最低点与预设的标准焊缝边界之间的垂直方向距离作为所述焊缝边界的第二宽度方向差值；
将所述包围面积中最低点与最高点之间的垂直方向距离作为所述焊缝边界的第三宽度方向差值。
在第一方面的一种可能实现方式中，所述构建所述退役电池的短路检测电路，包括：
构建所述退役电池的短路电路；
在所述短路电路中配置分压电阻，得到包含所述分压电阻的短路电路；
在所述包含所述分压电阻的短路电路中配置干扰滤波器，得到所述短路检测电路。
在第一方面的一种可能实现方式中，所述从所述密度图像中检测所述退役电池的第一异物缺陷，包括：
获取所述密度图像中密度值的第一相邻密度值，并获取所述第一相邻密度值的第二相邻密度值；
利用下述公式计算所述密度值与所述第一相邻密度值之间的第一密度差异值：
其中，表示所述第一密度差异值，/>表示所述密度值，/>表示所述第一相邻密度值，i表示所述密度图像中密度值的序号，j表示/>的邻域内密度值的序号，即所述第一相邻密度值的序号；
利用下述公式计算所述第一相邻密度值与所述第二相邻密度值之间的第二密度差异值：
其中，表示所述第二密度差异值，/>表示所述第一相邻密度值，i表示所述密度图像中密度值的序号，j表示/>的邻域内密度值的序号，即所述第一相邻密度值的序号，/>表示所述第二相邻密度值的总数，/>表示从所述第二相邻密度值中剔除/>这个密度值之后剩余的第二相邻密度值的序号；
在所述第一密度差异值与所述第二密度差异值均大于预设密度差异值时，将所述第一相邻密度值对应的像素点所在的区域作为第一异物缺陷。
在第一方面的一种可能实现方式中，所述从所述红外热成像中筛选候选气体区域，包括：
从所述红外热成像中查询发热区域；
计算所述发热区域的区域中心；
测量所述区域中心与所述发热区域的边界之间的距离，得到中心-边界距离；
在所述中心-边界距离中每个中心-边界距离相同时，将所述发热区域作为所述候选气体区域。
第二方面，本发明提供了一种退役电池的缺陷检测装置，所述装置包括：
项目分析模块，用于基于退役电池的结构组成，分析所述退役电池的缺陷检测项目，其中，所述缺陷检测项目包括外观缺陷项目与内部缺陷项目；
第一外观检测模块，用于基于所述外观缺陷项目，利用发射至所述退役电池的线结构光，构建所述退役电池的三维点云模型，识别所述三维点云模型的表面曲线，对所述表面曲线进行曲线分段，得到分段曲线，计算所述分段曲线的分段曲率，根据所述分段曲率，检测所述退役电池的第一外观缺陷；
第二外观检测模块，用于从所述三维点云模型中识别所述退役电池的焊缝边界，计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，基于所述包围面积，计算所述焊缝边界的宽度方向差值，基于所述包围面积与所述宽度方向差值，检测所述退役电池的第二外观缺陷；
外部缺陷确定模块，用于将所述第一外观缺陷与所述第二外观缺陷作为所述退役电池的外观缺陷检测结果；
短路检测模块，用于基于所述内部缺陷项目，构建所述退役电池的短路检测电路，计算所述短路检测电路中所述退役电池的开关功率，利用所述开关功率检测所述退役电池的短路缺陷；
异物检测模块，用于基于发射至所述退役电池的电磁波射线，构建所述退役电池的密度图像，从所述密度图像中检测所述退役电池的第一异物缺陷，构建所述退役电池的红外热成像，从所述红外热成像中筛选候选气体区域，对所述候选气体区域进行特征提取，得到提取特征，分析所述提取特征的气体概率，基于所述气体概率，检测所述退役电池的第二异物缺陷；
内部缺陷确定模块，用于将所述短路缺陷、所述第一异物缺陷及所述第二异物缺陷作为所述退役电池的内部缺陷检测结果；
报告生成模块，用于根据所述外观缺陷检测结果和所述内部缺陷检测结果，生成所述退役电池的缺陷检测报告。
与现有技术相比，本方案的技术原理及有益效果在于：
本发明实施例通过对所述表面曲线进行曲线分段，得到分段曲线，以用于对每个分段曲线的弯曲程度进行检测，这样可以检测到曲线的不同部位处的凸起或凹陷的情况，若对整体曲线进行弯曲程度检测，则仅能检测到整体曲线的弯曲情况，而对曲线的分段部位的弯曲情况检测不到位，进一步地，本发明实施例通过根据所述分段曲率，检测所述退役电池的第一外观缺陷，以用于基于曲率可以表征曲线的弯曲程度的特性，检测向下弯曲的凹陷和划痕，并检测向上鼓起的鼓包，利用简单的曲率计算即可确定电池的外观缺陷，不需要较高的计算成本，且可以基于曲率的大小来区分凹陷与划痕，因此，可以大大增加外观缺陷的普适性，进一步地，本发明实施例通过计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，可以基于所述包围面积的大小来确定所述焊缝边界相对于所述预设的标准焊缝边界所发生偏离的程度，进一步地，本发明实施例通过基于所述包围面积，计算所述焊缝边界的宽度方向差值，可以基于所述宽度方向差值的大小来确定所述焊缝边界相对于所述预设的标准焊缝边界所发生偏离的程度，本发明实施例通过基于所述内部缺陷项目，构建所述退役电池的短路检测电路，可以将所述短路检测电路形成硬件设备，在每次需要对所述退役电池进行短路检测时，可以使用所述短路检测电路直接检测所述退役电池的短路缺陷，提升短路缺陷检测的通用性，进一步地，本发明实施例通过计算所述短路检测电路中所述退役电池的开关功率，可以利用开关功率这样的数值直观地反应电路短路的情况，化抽象的电路短路为实体的功率数值，进一步地，本发明实施例通过从所述密度图像中检测所述退役电池的第一异物缺陷，可以利用所述密度图像中不同密度点之间的差异来识别所述密度图像中与退役电池的密度点相区分的异物的密度点，进一步地，本发明实施例通过从所述红外热成像中筛选候选气体区域，可以基于气体区域与所述退役电池的硬件区域之间的红外热成像的分布不同，区分气体气泡的球形区域与所述退役电池的硬件的不规则区域。因此，本发明实施例提出的一种退役电池的缺陷检测方法及装置，可以提高退役电池的缺陷检测通用性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种退役电池的缺陷检测方法的流程示意图；
图2a为本发明一实施例中图1提供的一种退役电池的缺陷检测方法的表面曲线的第一示意图；
图2b为本发明一实施例中图1提供的一种退役电池的缺陷检测方法的表面曲线的第二示意图；
图3为本发明一实施例中图1提供的一种退役电池的缺陷检测方法的包围面积的示意图；
图4为本发明一实施例中图1提供的一种退役电池的缺陷检测方法的短路检测电路的示意图；
图5为本发明一实施例提供的一种退役电池的缺陷检测装置的模块示意图；
图6为本发明一实施例提供的实现退役电池的缺陷检测方法的电子设备的内部结构示意图。
具体实施方式
应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种退役电池的缺陷检测方法，所述退役电池的缺陷检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述退役电池的缺陷检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参阅图1所示，是本发明一实施例提供的退役电池的缺陷检测方法的流程示意图。其中，图1中描述的退役电池的缺陷检测方法包括：
S1、基于退役电池的结构组成，分析所述退役电池的缺陷检测项目，其中，所述缺陷检测项目包括外观缺陷项目与内部缺陷项目。
本发明实施例通过基于退役电池的结构组成，分析所述退役电池的缺陷检测项目，可以基于结构组成中每个结构在实际中的应用，来确定所述结构组成中每个结构的缺陷检测内容。
其中，所述退役电池是指退役电池是指容量衰减至额定容量的80%-70%以下的动力电池，可以理解的是，所述动力电池即锂离子电池，需要说明的是，在本申请中，所述退役电池用于在不拆卸场景下满足小型能源设备的动力需求，或还可在无破损状态下，可对其表面进行拆卸，与其他电池零件拼凑生成可利用电池，进一步地，本发明实施例中，所述结构组成是指在所述退役电池中电路的结构构成，包括正极、负极、隔离膜、电解液、保护外壳等核心要件。
进一步地，需要说明的是，在本发明实施例中，所述缺陷检测项目包括外观缺陷项目与内部缺陷项目，可以理解的是，所述缺陷检测项目是指基于退役电池的回收利用场景所选取的检测项目，其中，所述回收利用场景包括非拆卸利用场景与拆卸利用场景，所述非拆卸利用场景是指不对退役电池进行拆卸，对电池的部分缺陷修复之后仍继续使用的场景，所述拆卸利用场景是指对电池的零件进行拆卸，将可利用的零件与从其他电池上拆卸下的零件组合，形成可继续使用电池的场景；进一步地，所述外观缺陷项目包括对所述退役电池的表面划痕、表面凹陷、表面鼓包及焊缝开裂的缺陷检测项目；所述内部缺陷项目包括对所述退役电池的电路短路、是否存在异物及其他气体的缺陷检测项目。
S2、基于所述外观缺陷项目，利用发射至所述退役电池的线结构光，构建所述退役电池的三维点云模型，识别所述三维点云模型的表面曲线，对所述表面曲线进行曲线分段，得到分段曲线，计算所述分段曲线的分段曲率，根据所述分段曲率，检测所述退役电池的第一外观缺陷。
本发明实施例通过利用发射至所述退役电池的线结构光，构建所述退役电池的三维点云模型，以用于在所述三维点云模型中识别所述退役电池的立体结构中的表面划痕长度、表面凹陷深度、鼓包高度等信息。
其中，所述线结构光是指线连续光谱结构光，即一种使用线状光源产生的结构光；所述三维点云模型是指能够代表3D模型的点云数据构成的三维模型。
可选地，所述利用发射至所述退役电池的线结构光，构建所述退役电池的三维点云模型的过程为：将一束平行光线通过一个光栅, 使其成为一组平行的光条纹, 然后将这组光条纹照射到电池表面上，光条纹在电池表面上发生折射之反射、散射等现象，形成一组新的光条纹, 这些光条纹被摄像机捕捉到后，得到所述退役电池的条纹图像，从所述条纹图像中采集能够表征所述退役电池的三维形状的点云数据，利用所述点云数据构建所述三维点云模型。
进一步地，本发明实施例通过识别所述三维点云模型的表面曲线，可以以曲线代替平面，通过曲线的变化反应平面的波动起伏变化，减少对平面图像进行像素点检测的复杂度，提升平面识别的精简度，这样可以保障平面识别的算法的通用性。
参阅图2a所示，为本发明一实施例中图1提供的一种退役电池的缺陷检测方法的表面曲线的第一示意图。在图2a中，曲线向下凸出的部位表示曲线所在的平面出现划痕。
参阅图2b所示，为本发明一实施例中图1提供的一种退役电池的缺陷检测方法的表面曲线的第二示意图。在图2b中，曲线向上凸出的部位表示曲线所在的平面出现鼓包。
可选地，所述识别所述三维点云模型的表面曲线的过程为：获取所述三维点云模型中的电池表面，识别所述电池表面的剖面曲线，所述剖面曲线是指垂直于所述电池表面的剖面与所述电池表面的交界线。
进一步地，本发明实施例通过对所述表面曲线进行曲线分段，得到分段曲线，以用于对每个分段曲线的弯曲程度进行检测，这样可以检测到曲线的不同部位处的凸起或凹陷的情况，若对整体曲线进行弯曲程度检测，则仅能检测到整体曲线的弯曲情况，而对曲线的分段部位的弯曲情况检测不到位。
本发明的一实施例中，所述计算所述分段曲线的分段曲率，包括：构建所述分段曲线的直角坐标系；识别所述分段曲线上的点在所述直角坐标系中的坐标，得到点坐标；基于所述点坐标，计算所述分段曲线的曲线函数；根据所述曲线函数，利用下述公式计算所述分段曲率：
其中，表示所述分段曲率，/>表示所述曲线函数中的因变量，/>表示所述曲线函数中的自变量，/>表示所述曲线函数。
本发明的又一实施例中，所述基于所述点坐标，计算所述分段曲线的曲线函数，包括：利用下述公式构建所述分段曲线的初始曲线函数：
其中，表示所述初始曲线函数，/>、/>、/>表示待计算的常数参数，/>表示初始曲线函数中的因变量，/>表示初始曲线函数中的自变量；
基于所述点坐标，利用下述公式计算所述初始曲线函数中的常数参数：
其中，表示所述常数参数，/>表示所述点坐标中的横坐标，/>表示所述点坐标中的纵坐标；
基于所述常数参数与所述初始曲线函数，利用下述公式计算所述分段曲线的曲线函数：
其中，表示所述曲线函数，/>、/>、/>表示待计算的常数参数，/>表示初始曲线函数中的因变量，/>表示初始曲线函数中的自变量。
进一步地，本发明实施例通过根据所述分段曲率，检测所述退役电池的第一外观缺陷，以用于基于曲率可以表征曲线的弯曲程度的特性，检测向下弯曲的凹陷和划痕，并检测向上鼓起的鼓包，利用简单的曲率计算即可确定电池的外观缺陷，不需要较高的计算成本，且可以基于曲率的大小来区分凹陷与划痕，因此，可以大大增加外观缺陷的普适性。
其中，所述分段曲率是指曲线中每个分段都有其对应的曲率，曲率是指表明曲线在其上某一点的弯曲程度的数值，曲率越大，表示曲线的弯曲程度越大，曲率大于0时，曲线向上弯曲，即呈凸状，曲率小于0时，曲线向下弯曲，即呈凹状，曲率等于0时，表示此时曲线为直线，不存在弯曲。
本发明的一实施例中，所述根据所述分段曲率，检测所述退役电池的第一外观缺陷，包括：在所述分段曲率中多个分段曲率均大于第一预设阈值时， 判定所述退役电池存在第一鼓包缺陷；在所述分段曲率中多个分段曲率不全大于所述第一预设阈值时，利用下述公式计算所述分段曲率中大于所述第一预设阈值的分段曲率的占比，得到分段占比：
其中，表示所述分段占比，/>表示所述分段曲率中大于所述第一预设阈值的分段曲率的数目，/>表示大于所述第一预设阈值的分段曲率，b表示big，即大于，/>表示所有分段曲率的总数，/>表示所有分段曲率，a表示all,即全部；
在所述分段占比大于第二预设阈值时，判定所述退役电池存在第二鼓包缺陷，并基于所述分段曲率中不全大于所述第一预设阈值的分段曲率，检测所述退役电池的第一凹陷缺陷；在所述分段占比不大于所述第二预设阈值时，检测所述退役电池的第二凹陷缺陷，并从所述分段曲率选取最小分段曲率，基于所述最小分段曲率，检测所述退役电池的划痕缺陷；将所述第一鼓包缺陷、所述第二鼓包缺陷、所述第一凹陷缺陷、所述第二凹陷缺陷及所述划痕缺陷作为所述第一外观缺陷。
其中，所述第一预设阈值设置为0，设置原因如下：当所述分段曲率中多个分段曲率均大于0时，表示所有曲线段均是凸起状态，则此时所有曲线段所构成的总体的曲线也一定是凸起状态，可以检测得到电池存在鼓包；所述第二预设阈值是指所述分段占比的阈值，在所述第二预设阈值设置较高时（例如设置为60%），若所述分段占比大于所述第二预设阈值，则说明凸起状态的曲线段占大多数，则此时电池表面整体为鼓包状态，部分位置为凹陷状态。
可选地，所述在所述分段占比不大于所述第二预设阈值时，检测所述退役电池的第二凹陷缺陷的过程是指：由于向下凹陷的曲线段占大多数，则此时电池表面总体呈向下凹陷的状态；所述基于所述最小分段曲率，检测所述退役电池的划痕缺陷的过程为：此时的最小分段曲率处于分段占比不大于所述第二预设阈值的前提下，表示为0和为负的分段曲率占大多数，从中选取的最小的分段曲率为负值时，表示向下凹陷，划痕也是向下凹陷状态，但划痕部分的突变较为剧烈，普通凹陷的向下弯曲程度较为平缓，因此，此时若最小分段曲率的绝对值较大（表示向下凹陷较为距离），则此时存在划痕。
S3、从所述三维点云模型中识别所述退役电池的焊缝边界，计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，基于所述包围面积，计算所述焊缝边界的宽度方向差值，基于所述包围面积与所述宽度方向差值，检测所述退役电池的第二外观缺陷。
本发明实施例通过从所述三维点云模型中识别所述退役电池的焊缝边界，可以定位到焊缝区域，将焊缝区域与普通划痕的区域进行区分。
可选地，所述从所述三维点云模型中识别所述退役电池的焊缝边界的过程为：识别所述三维点云模型中平面与平面之间的交界处，作垂直与交界处的平面，在垂直平面中获取垂直平面与交界处相交的剖面线，在剖面线不在交界处上时，表示剖面线高于交界线，则此交界处为焊缝边界，这是基于焊缝与母材交接处有明显的高度变化原理。
进一步地，本发明实施例通过计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，可以基于所述包围面积的大小来确定所述焊缝边界相对于所述预设的标准焊缝边界所发生偏离的程度。
本发明的一实施例中，所述计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，包括：对所述焊缝边界进行边界分段，得到分段边界；构建所述分段边界的边界函数；基于所述边界函数，利用下述公式计算所述分段边界与预设的标准焊缝边界之间的包围面积：
其中，表示所述包围面积，/>表示所述边界函数，/>表示所述边界函数的第一自变量，表示边界函数在水平方向上的位移，/>表示x的最大值，0~u表示分段边界在水平方向上的位移，/>表示所述边界函数的第二自变量，表示边界函数在垂直方向上的位移，/>表示y的最大值，0~v表示分段边界在垂直方向上的位移。
参阅图3所示，为本发明一实施例中图1提供的一种退役电池的缺陷检测方法的包围面积的示意图。
进一步地，本发明实施例通过基于所述包围面积，计算所述焊缝边界的宽度方向差值，可以基于所述宽度方向差值的大小来确定所述焊缝边界相对于所述预设的标准焊缝边界所发生偏离的程度。
本发明的一实施例中，所述基于所述包围面积，计算所述焊缝边界的宽度方向差值，包括：从所述包围面积中选取最小包围面积，将所述最小包围面积作为所述焊缝边界的第一宽度方向差值；将所述最小包围面积内最低点与预设的标准焊缝边界之间的垂直方向距离作为所述焊缝边界的第二宽度方向差值；将所述包围面积中最低点与最高点之间的垂直方向距离作为所述焊缝边界的第三宽度方向差值。
其中，所述最小包围面积用于表征所述焊缝边界在向下的垂直方向上的偏移程度，由于所述最小包围面积通过定积分计算得到，因此所述最小包围面积存在负数，在所述最小包围面积小于0时，表示所述焊缝边界在向下的垂直方向上发生偏移，且所述最小包围面积的绝对值越大，则所述焊缝边界在向下的垂直方向上的偏移程度越严重；所述最小包围面积内最低点是指在所述最小包围面积内的焊缝边界的曲线上的最低点；所述包围面积中最低点与最高点是指在所述包围面积中所有包围面积内的焊缝边界的曲线上的最低点与最高点；所述垂直方向是指所述包围面积的示意图，即图3中y轴方向。
可选地，所述基于所述包围面积与所述宽度方向差值，检测所述退役电池的第二外观缺陷的过程可以为：将所述包围面积与所述宽度方向差值作为表征所述退役电池的焊缝突变程度的向量，将此向量输入至分类器中进行二分类；获取分别设置所述包围面积与所述宽度方向差值对应的包围面积阈值和宽度方向差值的阈值，将所述包围面积与所述宽度方向差值分别与其对应的阈值相比较，从而确定焊缝是否存在缺陷。
S4、将所述第一外观缺陷与所述第二外观缺陷作为所述退役电池的外观缺陷检测结果。
S5、基于所述内部缺陷项目，构建所述退役电池的短路检测电路，计算所述短路检测电路中所述退役电池的开关功率，利用所述开关功率检测所述退役电池的短路缺陷。
本发明实施例通过基于所述内部缺陷项目，构建所述退役电池的短路检测电路，可以将所述短路检测电路形成硬件设备，在每次需要对所述退役电池进行短路检测时，可以使用所述短路检测电路直接检测所述退役电池的短路缺陷，提升短路缺陷检测的通用性。
本发明的一实施例中，所述构建所述退役电池的短路检测电路，包括：构建所述退役电池的短路电路；在所述短路电路中配置分压电阻，得到包含所述分压电阻的短路电路；在所述包含所述分压电阻的短路电路中配置干扰滤波器，得到所述短路检测电路。
参阅图4所示，为本发明一实施例中图1提供的一种退役电池的缺陷检测方法的短路检测电路的示意图。在图4中，表示分压电阻，/>表示用于滤除高频干扰的干扰滤波器，/>表示所述退役电池。
进一步地，本发明实施例通过计算所述短路检测电路中所述退役电池的开关功率，可以利用开关功率这样的数值直观地反应电路短路的情况，化抽象的电路短路为实体的功率数值。
本发明的一实施例中，利用下述公式计算所述短路检测电路中所述退役电池的开关功率：
其中，表示所述退役电池的开关功率，/>表示分压电阻/>两端的电压，/>表示所述短路检测电路中的分压电阻。
可选地，所述利用所述开关功率检测所述退役电池的短路缺陷的过程为：由于在电路发生短路时，电路的开关功率极高，因此，只需设置一个较高的阈值，在所述开关功率大于此阈值时，表示电路发生了短路，此阈值的设定基于以往未发生短路和发生短路的情况下的功率样本实现。
S6、基于发射至所述退役电池的电磁波射线，构建所述退役电池的密度图像，从所述密度图像中检测所述退役电池的第一异物缺陷，构建所述退役电池的红外热成像，从所述红外热成像中筛选候选气体区域，对所述候选气体区域进行特征提取，得到提取特征，分析所述提取特征的气体概率，基于所述气体概率，检测所述退役电池的第二异物缺陷。
本发明实施例通过基于发射至所述退役电池的电磁波射线，构建所述退役电池的密度图像，可以基于不同物质吸收X光射线的吸收率不同的原理，采集所述退役电池接收X光射线之后所产生的密度图像，这样能够基于密度图像中异物的密度分布与退役电池的密度分布之间差异来识别所述退役电池中存在的异物。其中，所述密度图像是指接收的X射线数量不同所形成的黑白对比的影像，需要说明的是，物质密度越高对X线吸收越多，则发射器所发射的X射线穿过物质之后，到达接收器的X射线较少，形成的图像偏黑，相反的是，物质密度越低对X线吸收越少，则发射器所发射的X射线穿过物质之后，到达接收器的X射线较多，形成的图像偏白。
可选地，所述基于发射至所述退役电池的电磁波射线，构建所述退役电池的密度图像的过程为在所述退役电池的两端分别放置发射器与接收器，发射器发射X射线并穿透所述退役电池到达接收器，接收器接收X射线之后形成X射线分布点的密度图像，需要说明的是，黑白的密度图像中，黑色部位的X射线分布点较少，白色部位的X射线点分布较多，也较为密集。
进一步地，本发明实施例通过从所述密度图像中检测所述退役电池的第一异物缺陷，可以利用所述密度图像中不同密度点之间的差异来识别所述密度图像中与退役电池的密度点相区分的异物的密度点。其中，所述密度图像中不同密度点是指X射线分布点。
本发明的一实施例中，所述从所述密度图像中检测所述退役电池的第一异物缺陷，包括：获取所述密度图像中密度值的第一相邻密度值，并获取所述第一相邻密度值的第二相邻密度值；利用下述公式计算所述密度值与所述第一相邻密度值之间的第一密度差异值：
其中，表示所述第一密度差异值，/>表示所述密度值，/>表示所述第一相邻密度值，i表示所述密度图像中密度值的序号，j表示/>的邻域内密度值的序号，即所述第一相邻密度值的序号；
利用下述公式计算所述第一相邻密度值与所述第二相邻密度值之间的第二密度差异值：
其中，表示所述第二密度差异值，/>表示所述第一相邻密度值，i表示所述密度图像中密度值的序号，j表示/>的邻域内密度值的序号，即所述第一相邻密度值的序号，/>表示所述第二相邻密度值的总数，/>表示从所述第二相邻密度值中剔除/>这个密度值之后剩余的第二相邻密度值的序号；
在所述第一密度差异值与所述第二密度差异值均大于预设密度差异值时，将所述第一相邻密度值对应的像素点所在的区域作为第一异物缺陷。
进一步地，本发明实施例通过从所述红外热成像中筛选候选气体区域，可以基于气体区域与所述退役电池的硬件区域之间的红外热成像的分布不同，区分气体气泡的球形区域与所述退役电池的硬件的不规则区域。
本发明的一实施例中，所述从所述红外热成像中筛选候选气体区域，包括：从所述红外热成像中查询发热区域；计算所述发热区域的区域中心；测量所述区域中心与所述发热区域的边界之间的距离，得到中心-边界距离；在所述中心-边界距离中每个中心-边界距离相同时，将所述发热区域作为所述候选气体区域。
可选地，所述在所述中心-边界距离中每个中心-边界距离相同时，将所述发热区域作为所述候选气体区域的过程为：由于气体区域为气泡形式，表现为球形区域，因此圆心与边界之间的距离为半径，当每个中心-边界距离相同时，表示所述中心-边界距离符合气体区域的半径的特征，则此时的发热区域为所述候选气体区域。
进一步地，本发明实施例通过对所述候选气体区域进行特征提取，以用于利用气体流动性的特征来检测所述候选气体区域是否为纯气体区域。
可选地，所述对所述候选气体区域进行特征提取，得到提取特征的过程为：利用光流法检测所述候选气体区域内的光流，其中，光流 (optical flow) 是空间运动物体在观察成像平面上的像素运动的瞬时速度，光流法是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系， 从而计算出相邻帧之间物体的运动信息的一种方法。
进一步地，本发明实施例通过分析所述提取特征的气体概率，可以基于气体概率的大小，来分析所述提取特征属于气体类别的概率大小，需要说明的是，在所述气体概率越大时，表示所述提取特征属于气体类别的概率越大。
可选地，所述分析所述提取特征的气体概率的过程为：将所述提取特征作为SVM分类器的输入特征向量，从而利用所述SVM分类器计算所述提取特征对应的二分类概率，其中，所述SVM分类器是指支持向量机(support vector machines, SVM)，它是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器。
可选地，所述基于所述气体概率，检测所述退役电池的第二异物缺陷的过程为：在所述气体概率大于气体概率阈值时，表明此时的气体概率对应的气体区域为纯气体区域，则将所述气体区域作为所述第二异物缺陷。
S7、将所述短路缺陷、所述第一异物缺陷及所述第二异物缺陷作为所述退役电池的内部缺陷检测结果。
S8、根据所述外观缺陷检测结果和所述内部缺陷检测结果，生成所述退役电池的缺陷检测报告。
本发明实施例通过根据所述外观缺陷检测结果和所述内部缺陷检测结果，生成所述退役电池的缺陷检测报告，可以将所检测到的退役电池的缺陷形成标准的缺陷检测报告形式，提升缺陷的直观性。
可以看出，本发明实施例通过对所述表面曲线进行曲线分段，得到分段曲线，以用于对每个分段曲线的弯曲程度进行检测，这样可以检测到曲线的不同部位处的凸起或凹陷的情况，若对整体曲线进行弯曲程度检测，则仅能检测到整体曲线的弯曲情况，而对曲线的分段部位的弯曲情况检测不到位，进一步地，本发明实施例通过根据所述分段曲率，检测所述退役电池的第一外观缺陷，以用于基于曲率可以表征曲线的弯曲程度的特性，检测向下弯曲的凹陷和划痕，并检测向上鼓起的鼓包，利用简单的曲率计算即可确定电池的外观缺陷，不需要较高的计算成本，且可以基于曲率的大小来区分凹陷与划痕，因此，可以大大增加外观缺陷的普适性，进一步地，本发明实施例通过计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，可以基于所述包围面积的大小来确定所述焊缝边界相对于所述预设的标准焊缝边界所发生偏离的程度，进一步地，本发明实施例通过基于所述包围面积，计算所述焊缝边界的宽度方向差值，可以基于所述宽度方向差值的大小来确定所述焊缝边界相对于所述预设的标准焊缝边界所发生偏离的程度，本发明实施例通过基于所述内部缺陷项目，构建所述退役电池的短路检测电路，可以将所述短路检测电路形成硬件设备，在每次需要对所述退役电池进行短路检测时，可以使用所述短路检测电路直接检测所述退役电池的短路缺陷，提升短路缺陷检测的通用性，进一步地，本发明实施例通过计算所述短路检测电路中所述退役电池的开关功率，可以利用开关功率这样的数值直观地反应电路短路的情况，化抽象的电路短路为实体的功率数值，进一步地，本发明实施例通过从所述密度图像中检测所述退役电池的第一异物缺陷，可以利用所述密度图像中不同密度点之间的差异来识别所述密度图像中与退役电池的密度点相区分的异物的密度点，进一步地，本发明实施例通过从所述红外热成像中筛选候选气体区域，可以基于气体区域与所述退役电池的硬件区域之间的红外热成像的分布不同，区分气体气泡的球形区域与所述退役电池的硬件的不规则区域。因此，本发明实施例提出的一种退役电池的缺陷检测方法可以提高退役电池的缺陷检测通用性。
如图5所示，是本发明退役电池的缺陷检测装置功能模块图。
本发明所述退役电池的缺陷检测装置500可以安装于电子设备中。根据实现的功能，所述退役电池的缺陷检测装置可以包括项目分析模块501、第一外观检测模块502、第二外观检测模块503、外部缺陷确定模块504、短路检测模块505、异物检测模块506、内部缺陷确定模块507及报告生成模块508。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本发明实施例中，关于各模块/单元的功能如下：
所述项目分析模块501，用于基于退役电池的结构组成，分析所述退役电池的缺陷检测项目，其中，所述缺陷检测项目包括外观缺陷项目与内部缺陷项目；
所述第一外观检测模块502，用于基于所述外观缺陷项目，利用发射至所述退役电池的线结构光，构建所述退役电池的三维点云模型，识别所述三维点云模型的表面曲线，对所述表面曲线进行曲线分段，得到分段曲线，计算所述分段曲线的分段曲率，根据所述分段曲率，检测所述退役电池的第一外观缺陷；
所述第二外观检测模块503，用于从所述三维点云模型中识别所述退役电池的焊缝边界，计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，基于所述包围面积，计算所述焊缝边界的宽度方向差值，基于所述包围面积与所述宽度方向差值，检测所述退役电池的第二外观缺陷；
所述外部缺陷确定模块504，用于将所述第一外观缺陷与所述第二外观缺陷作为所述退役电池的外观缺陷检测结果；
所述短路检测模块505，用于基于所述内部缺陷项目，构建所述退役电池的短路检测电路，计算所述短路检测电路中所述退役电池的开关功率，利用所述开关功率检测所述退役电池的短路缺陷；
所述异物检测模块506，用于基于发射至所述退役电池的电磁波射线，构建所述退役电池的密度图像，从所述密度图像中检测所述退役电池的第一异物缺陷，构建所述退役电池的红外热成像，从所述红外热成像中筛选候选气体区域，对所述候选气体区域进行特征提取，得到提取特征，分析所述提取特征的气体概率，基于所述气体概率，检测所述退役电池的第二异物缺陷；
所述内部缺陷确定模块507，用于将所述短路缺陷、所述第一异物缺陷及所述第二异物缺陷作为所述退役电池的内部缺陷检测结果；
所述报告生成模块508，用于根据所述外观缺陷检测结果和所述内部缺陷检测结果，生成所述退役电池的缺陷检测报告。
详细地，本发明实施例中所述退役电池的缺陷检测装置500中的所述各模块在使用时采用与上述的图1至图4中所述的退役电池的缺陷检测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图6所示，是本发明实现退役电池的缺陷检测方法的电子设备的结构示意图。
所述电子设备可以包括处理器60、存储器61、通信总线62以及通信接口63，还可以包括存储在所述存储器61中并可在所述处理器60上运行的计算机程序，如退役电池的缺陷检测程序。
其中，所述处理器60在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器60是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器61内的程序或者模块（例如执行退役电池的缺陷检测程序等），以及调用存储在所述存储器61内的数据，以执行电子设备的各种功能和处理数据。
所述存储器61至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器61在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器61在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器61还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器61不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据库配置化连接程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线62可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器61以及至少一个处理器60等之间的连接通信。
所述通信接口63用于上述电子设备6与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，所述用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图6仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图6示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器60逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。
所述电子设备中的所述存储器61存储的数据库配置化连接程序是多个计算机程序的组合，在所述处理器60中运行时，可以实现：
基于退役电池的结构组成，分析所述退役电池的缺陷检测项目，其中，所述缺陷检测项目包括外观缺陷项目与内部缺陷项目；
基于所述外观缺陷项目，利用发射至所述退役电池的线结构光，构建所述退役电池的三维点云模型，识别所述三维点云模型的表面曲线，对所述表面曲线进行曲线分段，得到分段曲线，计算所述分段曲线的分段曲率，根据所述分段曲率，检测所述退役电池的第一外观缺陷；
从所述三维点云模型中识别所述退役电池的焊缝边界，计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，基于所述包围面积，计算所述焊缝边界的宽度方向差值，基于所述包围面积与所述宽度方向差值，检测所述退役电池的第二外观缺陷；
将所述第一外观缺陷与所述第二外观缺陷作为所述退役电池的外观缺陷检测结果；
基于所述内部缺陷项目，构建所述退役电池的短路检测电路，计算所述短路检测电路中所述退役电池的开关功率，利用所述开关功率检测所述退役电池的短路缺陷；
基于发射至所述退役电池的电磁波射线，构建所述退役电池的密度图像，从所述密度图像中检测所述退役电池的第一异物缺陷，构建所述退役电池的红外热成像，从所述红外热成像中筛选候选气体区域，对所述候选气体区域进行特征提取，得到提取特征，分析所述提取特征的气体概率，基于所述气体概率，检测所述退役电池的第二异物缺陷；
将所述短路缺陷、所述第一异物缺陷及所述第二异物缺陷作为所述退役电池的内部缺陷检测结果；
根据所述外观缺陷检测结果和所述内部缺陷检测结果，生成所述退役电池的缺陷检测报告。
具体地，所述处理器60对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
基于退役电池的结构组成，分析所述退役电池的缺陷检测项目，其中，所述缺陷检测项目包括外观缺陷项目与内部缺陷项目；
基于所述外观缺陷项目，利用发射至所述退役电池的线结构光，构建所述退役电池的三维点云模型，识别所述三维点云模型的表面曲线，对所述表面曲线进行曲线分段，得到分段曲线，计算所述分段曲线的分段曲率，根据所述分段曲率，检测所述退役电池的第一外观缺陷；
从所述三维点云模型中识别所述退役电池的焊缝边界，计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，基于所述包围面积，计算所述焊缝边界的宽度方向差值，基于所述包围面积与所述宽度方向差值，检测所述退役电池的第二外观缺陷；
将所述第一外观缺陷与所述第二外观缺陷作为所述退役电池的外观缺陷检测结果；
基于所述内部缺陷项目，构建所述退役电池的短路检测电路，计算所述短路检测电路中所述退役电池的开关功率，利用所述开关功率检测所述退役电池的短路缺陷；
基于发射至所述退役电池的电磁波射线，构建所述退役电池的密度图像，从所述密度图像中检测所述退役电池的第一异物缺陷，构建所述退役电池的红外热成像，从所述红外热成像中筛选候选气体区域，对所述候选气体区域进行特征提取，得到提取特征，分析所述提取特征的气体概率，基于所述气体概率，检测所述退役电池的第二异物缺陷；
将所述短路缺陷、所述第一异物缺陷及所述第二异物缺陷作为所述退役电池的内部缺陷检测结果；
根据所述外观缺陷检测结果和所述内部缺陷检测结果，生成所述退役电池的缺陷检测报告。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种退役电池的缺陷检测方法，其特征在于，所述方法包括：
基于退役电池的结构组成，分析所述退役电池的缺陷检测项目，其中，所述缺陷检测项目包括外观缺陷项目与内部缺陷项目；
基于所述外观缺陷项目，利用发射至所述退役电池的线结构光，构建所述退役电池的三维点云模型，识别所述三维点云模型的表面曲线，对所述表面曲线进行曲线分段，得到分段曲线，计算所述分段曲线的分段曲率，根据所述分段曲率，检测所述退役电池的第一外观缺陷；
从所述三维点云模型中识别所述退役电池的焊缝边界，计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，基于所述包围面积，计算所述焊缝边界的宽度方向差值，基于所述包围面积与所述宽度方向差值，检测所述退役电池的第二外观缺陷；
将所述第一外观缺陷与所述第二外观缺陷作为所述退役电池的外观缺陷检测结果；
基于所述内部缺陷项目，构建所述退役电池的短路检测电路，计算所述短路检测电路中所述退役电池的开关功率，利用所述开关功率检测所述退役电池的短路缺陷；
基于发射至所述退役电池的电磁波射线，构建所述退役电池的密度图像，从所述密度图像中检测所述退役电池的第一异物缺陷，构建所述退役电池的红外热成像，从所述红外热成像中筛选候选气体区域，对所述候选气体区域进行特征提取，得到提取特征，分析所述提取特征的气体概率，基于所述气体概率，检测所述退役电池的第二异物缺陷；
将所述短路缺陷、所述第一异物缺陷及所述第二异物缺陷作为所述退役电池的内部缺陷检测结果；
根据所述外观缺陷检测结果和所述内部缺陷检测结果，生成所述退役电池的缺陷检测报告。
2.根据权利要求1所述的方法，其特征在于，所述计算所述分段曲线的分段曲率，包括：
构建所述分段曲线的直角坐标系；
识别所述分段曲线上的点在所述直角坐标系中的坐标，得到点坐标；
基于所述点坐标，计算所述分段曲线的曲线函数；
根据所述曲线函数，利用下述公式计算所述分段曲率：
其中，表示所述分段曲率，/>表示所述曲线函数中的因变量，/>表示所述曲线函数中的自变量，/>表示所述曲线函数。
3.根据权利要求2所述的方法，其特征在于，所述基于所述点坐标，计算所述分段曲线的曲线函数，包括：
利用下述公式构建所述分段曲线的初始曲线函数：
其中，表示所述初始曲线函数，/>、/>、/>表示待计算的常数参数，/>表示初始曲线函数中的因变量，/>表示初始曲线函数中的自变量；
基于所述点坐标，利用下述公式计算所述初始曲线函数中的常数参数：
其中，表示所述常数参数，/>表示所述点坐标中的横坐标，/>表示所述点坐标中的纵坐标；
基于所述常数参数与所述初始曲线函数，利用下述公式计算所述分段曲线的曲线函数：
其中，表示所述曲线函数，/>、/>、/>表示待计算的常数参数，/>表示初始曲线函数中的因变量，/>表示初始曲线函数中的自变量。
4.根据权利要求1所述的方法，其特征在于，所述根据所述分段曲率，检测所述退役电池的第一外观缺陷，包括：
在所述分段曲率中多个分段曲率均大于第一预设阈值时， 判定所述退役电池存在第一鼓包缺陷；
在所述分段曲率中多个分段曲率不全大于所述第一预设阈值时，利用下述公式计算所述分段曲率中大于所述第一预设阈值的分段曲率的占比，得到分段占比：
其中，表示所述分段占比，/>表示所述分段曲率中大于所述第一预设阈值的分段曲率的数目，/>表示大于所述第一预设阈值的分段曲率，b表示big，即大于，/>表示所有分段曲率的总数，/>表示所有分段曲率，a表示all,即全部；
在所述分段占比大于第二预设阈值时，判定所述退役电池存在第二鼓包缺陷，并基于所述分段曲率中不全大于所述第一预设阈值的分段曲率，检测所述退役电池的第一凹陷缺陷；
在所述分段占比不大于所述第二预设阈值时，检测所述退役电池的第二凹陷缺陷，并从所述分段曲率选取最小分段曲率，基于所述最小分段曲率，检测所述退役电池的划痕缺陷；
将所述第一鼓包缺陷、所述第二鼓包缺陷、所述第一凹陷缺陷、所述第二凹陷缺陷及所述划痕缺陷作为所述第一外观缺陷。
5.根据权利要求1所述的方法，其特征在于，所述计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，包括：
对所述焊缝边界进行边界分段，得到分段边界；
构建所述分段边界的边界函数；
基于所述边界函数，利用下述公式计算所述分段边界与预设的标准焊缝边界之间的包围面积：
其中，表示所述包围面积，/>表示所述边界函数，/>表示所述边界函数的第一自变量，表示边界函数在水平方向上的位移，/>表示x的最大值，0~u表示分段边界在水平方向上的位移，/>表示所述边界函数的第二自变量，表示边界函数在垂直方向上的位移，/>表示y的最大值，0~v表示分段边界在垂直方向上的位移。
6.根据权利要求1所述的方法，其特征在于，所述基于所述包围面积，计算所述焊缝边界的宽度方向差值，包括：
从所述包围面积中选取最小包围面积，将所述最小包围面积作为所述焊缝边界的第一宽度方向差值；
将所述最小包围面积内最低点与预设的标准焊缝边界之间的垂直方向距离作为所述焊缝边界的第二宽度方向差值；
将所述包围面积中最低点与最高点之间的垂直方向距离作为所述焊缝边界的第三宽度方向差值。
7.根据权利要求1所述的方法，其特征在于，所述构建所述退役电池的短路检测电路，包括：
构建所述退役电池的短路电路；
在所述短路电路中配置分压电阻，得到包含所述分压电阻的短路电路；
在所述包含所述分压电阻的短路电路中配置干扰滤波器，得到所述短路检测电路。
8.根据权利要求1所述的方法，其特征在于，所述从所述密度图像中检测所述退役电池的第一异物缺陷，包括：
获取所述密度图像中密度值的第一相邻密度值，并获取所述第一相邻密度值的第二相邻密度值；
利用下述公式计算所述密度值与所述第一相邻密度值之间的第一密度差异值：
其中，表示所述第一密度差异值，/>表示所述密度值，/>表示所述第一相邻密度值，i表示所述密度图像中密度值的序号，j表示/>的邻域内密度值的序号，即所述第一相邻密度值的序号；
利用下述公式计算所述第一相邻密度值与所述第二相邻密度值之间的第二密度差异值：
其中，表示所述第二密度差异值，/>表示所述第一相邻密度值，i表示所述密度图像中密度值的序号，j表示/>的邻域内密度值的序号，即所述第一相邻密度值的序号，/>表示所述第二相邻密度值的总数，/>表示从所述第二相邻密度值中剔除/>这个密度值之后剩余的第二相邻密度值的序号；
在所述第一密度差异值与所述第二密度差异值均大于预设密度差异值时，将所述第一相邻密度值对应的像素点所在的区域作为第一异物缺陷。
9.根据权利要求1所述的方法，其特征在于，所述从所述红外热成像中筛选候选气体区域，包括：
从所述红外热成像中查询发热区域；
计算所述发热区域的区域中心；
测量所述区域中心与所述发热区域的边界之间的距离，得到中心-边界距离；
在所述中心-边界距离中每个中心-边界距离相同时，将所述发热区域作为所述候选气体区域。
10.一种退役电池的缺陷检测装置，其特征在于，所述装置包括：
项目分析模块，用于基于退役电池的结构组成，分析所述退役电池的缺陷检测项目，其中，所述缺陷检测项目包括外观缺陷项目与内部缺陷项目；
第一外观检测模块，用于基于所述外观缺陷项目，利用发射至所述退役电池的线结构光，构建所述退役电池的三维点云模型，识别所述三维点云模型的表面曲线，对所述表面曲线进行曲线分段，得到分段曲线，计算所述分段曲线的分段曲率，根据所述分段曲率，检测所述退役电池的第一外观缺陷；
第二外观检测模块，用于从所述三维点云模型中识别所述退役电池的焊缝边界，计算所述焊缝边界与预设的标准焊缝边界之间的包围面积，基于所述包围面积，计算所述焊缝边界的宽度方向差值，基于所述包围面积与所述宽度方向差值，检测所述退役电池的第二外观缺陷；
外部缺陷确定模块，用于将所述第一外观缺陷与所述第二外观缺陷作为所述退役电池的外观缺陷检测结果；
短路检测模块，用于基于所述内部缺陷项目，构建所述退役电池的短路检测电路，计算所述短路检测电路中所述退役电池的开关功率，利用所述开关功率检测所述退役电池的短路缺陷；
异物检测模块，用于基于发射至所述退役电池的电磁波射线，构建所述退役电池的密度图像，从所述密度图像中检测所述退役电池的第一异物缺陷，构建所述退役电池的红外热成像，从所述红外热成像中筛选候选气体区域，对所述候选气体区域进行特征提取，得到提取特征，分析所述提取特征的气体概率，基于所述气体概率，检测所述退役电池的第二异物缺陷；
内部缺陷确定模块，用于将所述短路缺陷、所述第一异物缺陷及所述第二异物缺陷作为所述退役电池的内部缺陷检测结果；
报告生成模块，用于根据所述外观缺陷检测结果和所述内部缺陷检测结果，生成所述退役电池的缺陷检测报告。
CN202310988208.8A 2023-08-08 2023-08-08 退役电池的缺陷检测方法及装置 Active CN116699428B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310988208.8A CN116699428B (zh) 2023-08-08 2023-08-08 退役电池的缺陷检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310988208.8A CN116699428B (zh) 2023-08-08 2023-08-08 退役电池的缺陷检测方法及装置

Publications (2)

Publication Number Publication Date
CN116699428A CN116699428A (zh) 2023-09-05
CN116699428B true CN116699428B (zh) 2023-10-10

Family

ID=87829740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310988208.8A Active CN116699428B (zh) 2023-08-08 2023-08-08 退役电池的缺陷检测方法及装置

Country Status (1)

Country Link
CN (1) CN116699428B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116879760B (zh) * 2023-09-06 2023-12-01 深圳市杰成镍钴新能源科技有限公司 退役动力电池历史过充电故障诊断方法及装置
CN116894665A (zh) * 2023-09-11 2023-10-17 成都圣亚世照明设备有限公司 一种基于大数据分析的智慧固废管理系统及方法
CN117434452B (zh) * 2023-12-08 2024-03-05 珠海市嘉德电能科技有限公司 锂电池充放电检测方法、装置、设备及存储介质

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2759382A1 (en) * 2010-12-02 2012-06-02 Research In Motion Limited System and method for detecting counterfeit and defective batteries using battery characteristic profiles
CN102707213A (zh) * 2012-05-08 2012-10-03 常州天合光能有限公司 封装后电池片失效的检测方法
CA2787867A1 (en) * 2011-07-14 2013-01-14 Southwest Electronic Energy Corporation Short detection in battery cells
JP2013104770A (ja) * 2011-11-14 2013-05-30 Sharp Corp 配線検査方法および配線検査装置
JP2013167596A (ja) * 2012-02-17 2013-08-29 Honda Motor Co Ltd 欠陥検査装置、欠陥検査方法及びプログラム
JP2013205393A (ja) * 2012-03-29 2013-10-07 Sharp Corp 配線欠陥検出装置、配線欠陥検出方法、配線欠陥検出プログラムおよび配線欠陥検出プログラム記録媒体
JP2018155600A (ja) * 2017-03-17 2018-10-04 東レエンジニアリング株式会社 外観検査装置
CN108732507A (zh) * 2018-05-21 2018-11-02 中国科学技术大学 一种基于电池温度场以及可见光图像的锂电池缺陷检测装置
KR20190089369A (ko) * 2018-01-22 2019-07-31 세메스 주식회사 이차 전지 검사 장치
CN111899256A (zh) * 2020-08-12 2020-11-06 南京工程学院 一种基于红外图像热点特征聚类分析的退役锂电池筛选方法
CN113610814A (zh) * 2021-08-10 2021-11-05 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、电子设备及存储介质
WO2022033794A1 (de) * 2020-08-11 2022-02-17 Lisa Dräxlmaier GmbH Batteriemanagementsystem zum klassifizieren eines batteriemoduls
CN114119464A (zh) * 2021-10-08 2022-03-01 厦门微亚智能科技有限公司 一种基于深度学习的锂电池电芯顶盖焊缝外观检测算法
CN114137417A (zh) * 2021-11-19 2022-03-04 北京理工大学 一种基于充电数据特征的电池内短路检测方法
WO2022250390A1 (ko) * 2021-05-26 2022-12-01 주식회사 엘지에너지솔루션 배터리 모니터링 장치 및 방법
CN116011998A (zh) * 2023-03-23 2023-04-25 深圳市杰成镍钴新能源科技有限公司 一种退役电池回收分类处理方法及装置
CN116129221A (zh) * 2023-01-16 2023-05-16 五邑大学 锂电池缺陷检测方法、系统及存储介质
CN116523923A (zh) * 2023-07-05 2023-08-01 加百裕(南通)电子有限公司 一种电池外壳缺陷识别方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115343623B (zh) * 2022-08-31 2023-06-16 中国长江三峡集团有限公司 一种电化学储能电池故障的在线检测方法及装置
CN116228652A (zh) * 2022-12-23 2023-06-06 湖北文理学院 一种基于三维点云曲率的管道焊缝表面缺陷检测方法
CN115880265A (zh) * 2022-12-27 2023-03-31 广东工业大学 融合磁光成像和红外热成像的焊接缺陷检测方法与系统
CN116168351B (zh) * 2023-04-26 2023-09-08 佰聆数据股份有限公司 电力设备巡检方法及装置
CN116309576B (zh) * 2023-05-19 2023-09-08 厦门微亚智能科技股份有限公司 一种锂电池焊缝缺陷检测方法、系统及存储介质

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2759382A1 (en) * 2010-12-02 2012-06-02 Research In Motion Limited System and method for detecting counterfeit and defective batteries using battery characteristic profiles
CA2787867A1 (en) * 2011-07-14 2013-01-14 Southwest Electronic Energy Corporation Short detection in battery cells
JP2013104770A (ja) * 2011-11-14 2013-05-30 Sharp Corp 配線検査方法および配線検査装置
JP2013167596A (ja) * 2012-02-17 2013-08-29 Honda Motor Co Ltd 欠陥検査装置、欠陥検査方法及びプログラム
JP2013205393A (ja) * 2012-03-29 2013-10-07 Sharp Corp 配線欠陥検出装置、配線欠陥検出方法、配線欠陥検出プログラムおよび配線欠陥検出プログラム記録媒体
CN102707213A (zh) * 2012-05-08 2012-10-03 常州天合光能有限公司 封装后电池片失效的检测方法
JP2018155600A (ja) * 2017-03-17 2018-10-04 東レエンジニアリング株式会社 外観検査装置
KR20190089369A (ko) * 2018-01-22 2019-07-31 세메스 주식회사 이차 전지 검사 장치
CN108732507A (zh) * 2018-05-21 2018-11-02 中国科学技术大学 一种基于电池温度场以及可见光图像的锂电池缺陷检测装置
WO2022033794A1 (de) * 2020-08-11 2022-02-17 Lisa Dräxlmaier GmbH Batteriemanagementsystem zum klassifizieren eines batteriemoduls
CN111899256A (zh) * 2020-08-12 2020-11-06 南京工程学院 一种基于红外图像热点特征聚类分析的退役锂电池筛选方法
WO2022250390A1 (ko) * 2021-05-26 2022-12-01 주식회사 엘지에너지솔루션 배터리 모니터링 장치 및 방법
CN113610814A (zh) * 2021-08-10 2021-11-05 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、电子设备及存储介质
CN114119464A (zh) * 2021-10-08 2022-03-01 厦门微亚智能科技有限公司 一种基于深度学习的锂电池电芯顶盖焊缝外观检测算法
CN114137417A (zh) * 2021-11-19 2022-03-04 北京理工大学 一种基于充电数据特征的电池内短路检测方法
CN116129221A (zh) * 2023-01-16 2023-05-16 五邑大学 锂电池缺陷检测方法、系统及存储介质
CN116011998A (zh) * 2023-03-23 2023-04-25 深圳市杰成镍钴新能源科技有限公司 一种退役电池回收分类处理方法及装置
CN116523923A (zh) * 2023-07-05 2023-08-01 加百裕(南通)电子有限公司 一种电池外壳缺陷识别方法

Also Published As

Publication number Publication date
CN116699428A (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
CN116699428B (zh) 退役电池的缺陷检测方法及装置
TWI557650B (zh) 用於識別材料中之缺陷之系統及方法
US7936926B2 (en) Apparatus, method, and program for face feature point detection
WO2021168733A1 (zh) 缺陷图像的缺陷检测方法、装置及计算机可读存储介质
CN106960208A (zh) 一种仪表液晶数字自动切分和识别的方法及系统
CN116168351B (zh) 电力设备巡检方法及装置
CN111242899A (zh) 基于图像的瑕疵检测方法及计算机可读存储介质
Tian et al. License plate detection in an open environment by density-based boundary clustering
CN115471476A (zh) 一种部件缺陷检测方法、装置、设备及介质
CN117392042A (zh) 缺陷检测方法、缺陷检测设备及存储介质
Zhang et al. An automatic defect detection method for TO56 semiconductor laser using deep convolutional neural network
CN113793322A (zh) 一种对磁性材料自动检测的方法、电子设备和存储介质
CN111738252A (zh) 图像中的文本行检测方法、装置及计算机系统
CN116067671B (zh) 一种用于测试车辆漆面质量的方法、系统及介质
CN113822836A (zh) 标记图像的方法
US9378428B2 (en) Incomplete patterns
CN112541899B (zh) 证件的残缺检测方法、装置、电子设备及计算机存储介质
Zhang et al. Research on image defect detection of silicon panel based on prewitt and canny operator
CN112798608B (zh) 手机摄像头支架内腔侧壁的光学检测装置及光学检测方法
CN114240924A (zh) 一种基于数字化技术的电网设备质量评估方法
CN114418951A (zh) 一种焊盘检测方法、装置、计算机设备及存储介质
Liu et al. Research on online defect detection method of solar cell component based on lightweight convolutional neural network
Ashraf et al. Efficient Pavement Crack Detection and Classification Using Custom YOLOv7 Model
CN105427295A (zh) 一种基于焊缝的图像识别方法和图像识别系统
CN116930262B (zh) 基于多端交互实现电力设备的缺陷检测方法及系统

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
GR01 Patent grant
GR01 Patent grant