CN117058411B - 电池棱边外形瑕疵识别方法、装置、介质和设备 - Google Patents
电池棱边外形瑕疵识别方法、装置、介质和设备 Download PDFInfo
- Publication number
- CN117058411B CN117058411B CN202311322697.XA CN202311322697A CN117058411B CN 117058411 B CN117058411 B CN 117058411B CN 202311322697 A CN202311322697 A CN 202311322697A CN 117058411 B CN117058411 B CN 117058411B
- Authority
- CN
- China
- Prior art keywords
- sub
- flaw
- edge
- height
- region
- 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 43
- 230000007547 defect Effects 0.000 claims abstract description 148
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 230000002950 deficient Effects 0.000 claims description 52
- 238000012545 processing Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000004069 differentiation Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Abstract
本申请提供一种电池棱边外形瑕疵识别方法、装置、介质和设备。该方法包括:获取待识别电池外形的高度图;将所述高度图中与所述电池的棱边部位对应的区域微分为多个子棱边图像;对每个子棱边图像进行独立的瑕疵识别,得到每个子棱边图像的瑕疵子区域以及所述瑕疵子区域的第一高度信息;将所有的瑕疵子区域映射到所述高度图中,对所述瑕疵子区域进行连通性分析,将存在连通性的瑕疵子区域合并为一个瑕疵区域;根据所述第一高度信息计算出所述瑕疵区域的第二高度信息;根据所述第二高度信息确定所述瑕疵区域是否存在外形瑕疵。本申请可提高电池棱边瑕疵识别的准确性。
Description
技术领域
本申请涉及瑕疵识别技术领域,尤其涉及一种电池棱边外形瑕疵识别方法、装置、介质和设备。
背景技术
电池按照外形划分可分为电池、圆柱形电池、袋型电池等。随着对产品质量要求的提高。电池在出厂前也需要进行外形瑕疵识别,以识别电池是否合格。传统的外形瑕疵识别中,通常只是重点留意电池的大面上的瑕疵,比如只留意到方形电池的6个面的瑕疵,圆柱形电池的上下表面和圆周面等,而经常忽略了每个大面连接处的棱边部位的瑕疵。
或者说在进行电池外形瑕疵识别的过程中,将各个面的棱边部位混合到所属的各个大面中一起进行识别,但由于棱边部位的表面通常与大面存在较大的差异,且位于大面的边缘,导致在瑕疵识别过程中,无法准确获得到棱边部位处是否存在瑕疵。从而最终会影响到电池是否合格的判定。
发明内容
本申请的目的在于提供一种电池棱边外形瑕疵识别方法、装置、介质和设备,以解决上述至少一种问题。
本申请第一方面,提供了一种电池棱边外形瑕疵识别方法,该方法包括:获取待识别电池外形的高度图;将高度图中与电池的棱边部位对应的区域微分为多个子棱边图像;对每个子棱边图像进行独立的瑕疵识别,得到每个子棱边图像的瑕疵子区域以及瑕疵子区域的第一高度信息;将所有的瑕疵子区域映射到高度图中,对瑕疵子区域进行连通性分析,将存在连通性的瑕疵子区域合并为一个瑕疵区域;根据第一高度信息计算出瑕疵区域的第二高度信息;根据第二高度信息确定瑕疵区域是否存在外形瑕疵。
在其中一个实施例中,连通性分析包括位置相接分析、相接部位特征一致性分析;子棱边图像包括第一子棱边图像和与第一子棱边图像相邻的第二子棱边图像,瑕疵子区域包括位于第一子棱边图像中的第一瑕疵子区域和位于第二子棱边图像中的第二瑕疵子区域;
对瑕疵子区域进行连通性分析,包括:当第一瑕疵子区域的瑕疵边界延伸至第一子棱边图像的第一长边的边缘,且第二瑕疵子区域的瑕疵边界延伸至第二子棱边图像的第二长边的边缘时,对第一瑕疵子区域和第二瑕疵子区域开展连通性分析。
在其中一个实施例中,子棱边图像的数量根据棱边外形区域的尺寸确定,子棱边图像的宽度小于预设的宽度阈值,和/或子棱边图像对应的第三高度与棱边外形区域的第四高度之间的差值小于预设的高度差阈值。
在其中一个实施例中,对每个子棱边图像进行独立的瑕疵识别,得到每个子棱边图像的瑕疵子区域以及瑕疵子区域的第一高度信息,包括:根据瑕疵子区域在高度图中所处的位置对瑕疵子区域进行膨胀,得到膨胀子区域;将膨胀子区域与瑕疵子区域作差处理得到对应的参考区域;基于参考区域计算出瑕疵子区域的第一高度信息。
在其中一个实施例中,根据瑕疵子区域在高度图中所处的位置对瑕疵子区域进行膨胀,得到膨胀子区域,包括:基于高度图对瑕疵区域进行初始膨胀,得到第一膨胀子区域;将第一膨胀子区域与子棱边图像求交,形成膨胀子区域。
在其中一个实施例中,第一高度信息包括瑕疵子区域的第一高度均值、第一高度极值;根据第一高度信息计算出瑕疵区域的第二高度信息,包括:根据瑕疵区域对应的每个第一高度信息的第一高度均值中计算出瑕疵区域的第二高度均值;根据瑕疵区域对应的每个第一高度信息的第一高度极值中计算出瑕疵区域的第二高度极值。
在其中一个实施例中,在根据第二高度信息确定瑕疵区域是否存在外形瑕疵之后,还包括:根据每个瑕疵区域、每个瑕疵子区域的外形瑕疵识别结果确定电池是否合格。
本申请第二方面,提供了一种电池棱边外形瑕疵识别装置,包括:
图像获取模块,用于获取待识别电池外形的高度图;
瑕疵特征计算模块,用于将所述高度图中与所述电池的棱边部位对应的区域微分为多个子棱边图像;对每个子棱边图像进行独立的瑕疵识别,得到每个子棱边图像的瑕疵子区域以及所述瑕疵子区域的第一高度信息;将所有的瑕疵子区域映射到所述高度图中,对所述瑕疵子区域进行连通性分析,将存在连通性的瑕疵子区域合并为一个瑕疵区域;根据所述第一高度信息计算出所述瑕疵区域的第二高度信息;
瑕疵确定模块,用于根据所述第二高度信息确定所述瑕疵区域是否存在外形瑕疵。
本申请第三方面,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上存储有可执行指令,所述可执行指令被处理器执行时使所述处理器执行本申请任一项实施例中所述的方法。
本申请第四方面,提供了一种电子设备,包括:一个或多个处理器;
存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行本申请任一项实施例中所述的方法。
上述的电池棱边外形瑕疵识别方法、装置、介质和设备,通过将电池棱边外形微分为多个子棱边图像进行瑕疵识别,实现了对弧形曲面的电池棱边外形的瑕疵识别,通过对多个瑕疵子区域进行连通性分析,实现了将属于同一个瑕疵的多个瑕疵子区域进行合并,进而针对合并后的瑕疵区域进行瑕疵识别,提高了电池棱边瑕疵识别的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对本申请范围的限定。
图1为一个实施例中电池棱边外形瑕疵识别方法流程图;
图2A为一个实施例中方形电池的其中一个面A1的平面示意图;
图2B为一个实施例中包含了电池的棱边部位的高度图;
图2C为一个实施例中包含了电池的棱边部位的效果图;
图2D为一个实施例中针对图2B中的棱边部位进行了微分后的子棱边图像;
图2E为一个实施例中针对图2D或图2B中的图像进行瑕疵识别后得到的识别结果图像;
图2F为一个实施例中标注了瑕疵子区域的示意图;
图2G为一个实施例中合并了瑕疵子区域的示意图;
图2H为一个实施例中对棱边部位进行微分的示意图;
图3为一个实施例中标注了瑕疵子区域和膨胀子区域的示意图;
图4为一个实施例中电池棱边外形瑕疵识别装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请所使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
比如本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一高度信息称为第二高度信息,且类似地,可将第二高度信息称为第一高度信息。第一高度信息和第二高度信息两者都是高度信息,但其不是同一个高度信息。
再比如本申请所使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在一个实施例中,如图1所示,提供了一种电池棱边外形瑕疵识别方法,该方法包括:
步骤102:获取待识别电池外形的高度图。
在本实施例中,电子设备可以通过3D摄像头对待识别电池的外形进行拍摄,并对拍摄形成的3D数据进行处理,最终得到待识别电池的高度图。高度图可为三维点云数据,其可以体现出待识别电池各个区域的外形高度的信息。比如高度图中的每个像素值可以表示待识别电池对应位置的高度。可选地,该高度图还可以为基于该三维点云数据处理后的二维图像,该图像中的每个像素点所处的位置,即每个像素点的坐标对应待识别电池的对应位置,该像素点的像素值可以体现出对应位置的高度。比如处于图像中的第m行第n列的像素点可以对应于待测产品的某个局部部位,该像素点的RGB通道值或其它形式的通道值或灰度值等相应的数值可以对应于该局部部位的高度。
其中,该高度可以是电池棱边外形区域距离参考区域的高度,比如为距离摄像头所在平面的高度,或者为某个预设水平面的高度。
待识别电池为需要开展外形瑕疵识别的包含有曲面部位的电池,比如该电池从形状上划分可包括方形电池,圆柱形电池、圆环形电池、扁平电池等,从应用类型上可划分为包括太阳能电池、汽车电池、移动电源电池等。其中,方形电池、扁平电池圆环形电池等在各个面的连接位置处于曲面状态,即各个面相接的棱边部位处于倒角连接,处于曲面。举例来说,待识别电池可为一种应用于汽车或移动电源上的方形或圆柱形电池。该电池在各个面之间的连接处(即棱边)处于曲面连接,其具有一定的倒角,故而在棱边位置处为曲面。
在一个实施例中,系统可具备多个3D摄像头,不同的3D摄像头可以拍摄待识别电池的一个或多个部位。由多个3D摄像头分别对相应的部位的拍摄,从而实现对整个待识别电池的所有外形的拍摄,该外形包括各个棱边的图像。
举例来说,图2B示出了包含电池的某个棱边的高度图,该高度图可为进行了分辨率降低等处理后的高度图,图2C为与图2B相对应的3D效果图。其中,图2B和图2C中的灰色区域即为对应的电池表面区域,黑色区域为背景部分。
在一个实施例中,在步骤102包括:通过3D线激光扫描待测产品的表面,得到待测产品表面的3D数据;对3D数据进行滤波处理和分辨率降低处理;并对处理后的3D数据进行特征凸显处理,形成高度图。
上述的3D摄像头可为3D线激光扫描模块,通过扫描得到的3D数据通常数据量非常庞大,为了提高后续的瑕疵区域识别以及表面瑕疵识别的效率,可以对该3D数据进行滤波处理和分辨率降低处理。举例来说,根据该扫描得到的3D数据得到16位高度图,该3D数据中还包括干扰数据和无效数据。电子设备可通过滤波处理,比如采取中值滤波将其中的干扰数据和无效数据进行滤除。并对滤除后的16位高度图的分辨率进行降低处理,将其由16比特转换至8比特,从而可以减小数据量。最终形成了如图2B所示的图像。
针对降低了分辨率后的3D数据,采取对数变换和/或幂律变换,将3D数据进行灰度空间转换,以对其特征凸显,从而得到了基准面信息,为后续的瑕疵区域识别和表面瑕疵识别步骤提供了重要基础。
相应地,图2F即为在图2B的基础上映射出来的每个子棱边图像的瑕疵子区域的示意图,图2G即为在图2F的基础上合并了瑕疵子区域后的示意图。处理后形成的高度图可以更加明显地体现出瑕疵区域。以便于后续的瑕疵区域识别。
步骤104,将高度图中与电池的棱边部位对应的区域微分成多个子棱边图像。
以方形电池为例进行说明,方形电池的棱边部位为电池外形的水平平面与垂直平面相交的弧形曲面区域。具体地,电池外形包括前面、后面、左侧面、右侧面、底面、顶面6个平面,其中底面、顶面为水平平面,左侧面、右侧面、前面、后面为垂直平面,电池的棱边部位包括底面或顶面分别与左侧面、右侧面、前面、后面相交的弧形曲面区域。如图2A所示,其为方形电池的其中一个面A1的平面示意图,该图中的4个边处于倒角连接,其棱边部位(L1、L2、L3、L4)为曲面。
再如图2D所示,其即为针对图2B中的棱边部位进行了微分后的子棱边图像。其中的每个长条矩形部分即为对应微分后的子棱边部分。
在本实施例中,从高度图所体现的待识别电池外形的高度信息中可以确定电池的棱边部位。具体地,从高度图中提取电池相互连接的两个表面位置附近(比如方形电池的水平平面和垂直平面的连接位置附近)的多个电池边缘点,即电池边缘点的像素点,下文中图像中的点均指代该点的像素点。基于电池边缘点的高度及每个电池边缘点的所处的位置,即电池边缘点的坐标计算第一曲率值,判断第一曲率值是否大于0,第一曲率值大于0即表示该电池边缘点位于棱边部位,当第一曲率值等于0时,表明该第一曲率值对应的电池边缘点并非棱边部位,并将该电池边缘点剔除。
在一个实施例中,可以使用边缘提取算法,例如Canny边缘提取算法,来提取电池边缘点。
在提取电池的棱边部位后,将棱边部位划分为多个面积相同或不同的子棱边图像,每个子棱边图像的宽度相同或不同。具体地,如图2H所示,其可为某个(部分)棱边部位(L1、L2、L3、L4)被划分为了多个子棱边的截面示意图,棱边部位为一段表面为弧形曲面图像,将弧形曲面棱边部位上划定多个位置点,相邻位置点的距离均相同,相邻位置点连接的直线段即为子棱边图像的宽度D,子棱边图像的截面示意图即分别为直线所表示的a1a2、a2a3、a3a4、a4a5、a5a6、a6a7共6个。优选地,每个子棱边图像可以近似于平面图像。
在一个实施例中,在进行区域微分之前,进一步检测该高度图是否倾斜,若是,则对高度图进行方向矫正,使得矫正后的高度图不存在倾斜,并针对矫正后的高度图进行区域微分。这样所得到的每个微分后的子棱边图像均为一个长条形的矩形,可以提高后续的识别效率。
步骤106,对每个子棱边图像进行独立的瑕疵识别,得到每个子棱边图像的瑕疵子区域以及瑕疵子区域的第一高度信息。
在本实施例中,电池外形瑕疵主要包括凹陷、凸起、划痕、气泡、裂纹、褶皱等各种类型的瑕疵,这些瑕疵可位于电池棱边部位,也可以位于其他位置。不同类型的瑕疵具有不同的认定标准,不同类型的电池对棱边外形瑕疵的认定标准也不同。该认定标准通常涉及到瑕疵在电池棱边外形上所覆盖的面积、形状、在棱边外形上凸起或凹陷的深度等特征。以凹陷瑕疵为例,比如某个类型的电池针对棱边外形的凹陷瑕疵的定义是要求电池棱边外形上的凹陷区域的凹陷面积和/或平均凹陷深度和/或最大凹陷深度分别需要达到相应设定的数值才属于凹陷瑕疵。
其中,从每个子棱边图像所体现出的第一高度信息中可以识别哪些子棱边图像存在疑似瑕疵,进而将该疑似瑕疵的区域作为瑕疵子区域。该瑕疵子区域的边缘位置即为疑似瑕疵的边缘位置,该瑕疵子区域所覆盖的面积即为疑似瑕疵的表面面积。可选地,瑕疵子区域不包含子棱边图像中的非瑕疵区域(即正常子棱边图像表面)。
如图2F所示,其中的每个实线框内的区域即为在对应子棱边图像中识别出来的瑕疵子区域。将各个瑕疵子区域合成一起,即为图2E中对应的白色区域部分。
其中,第一高度信息包括瑕疵子区域相对于参考区域的第一高度均值、第一高度极值、第一高度极差值等其中的一种或多种。第一高度均值为瑕疵子区域内各个点距离参考区域的平均高度,第一高度极值为瑕疵子区域内的各个点距离参考区域的高度极大值与高度极小值,第一高度极值差为第一高度极大值与第一高度极小值之间的差值的绝对值。
其中,每个子棱边图像的瑕疵子区域对应一种类型的疑似瑕疵,疑似瑕疵表示可能是某种类型的表面瑕疵,但并非一定为表面瑕疵,需要进一步核实该表面瑕疵是否达到认定标准。
在本实施例中,每个子棱边图像所识别出来的瑕疵子区域可以为M个,表示该子棱边图像可能存在M个瑕疵,M可以为任意非负整数,当M为0时,表示初步判断该子棱边图像中不存在瑕疵。
在一个实施例中,可预先训练出相应的瑕疵识别模型,将子棱边图像导入该瑕疵识别模型中进行识别,输出瑕疵子区域以及对应的瑕疵类型。基于该瑕疵识别模型可以对子棱边图像的瑕疵子区域实现精准识别。该瑕疵识别模型可以为基于卷积神经网络模型所训练出来的模型。
举例来说,从某个子棱边图像中识别出瑕疵子区域M1与瑕疵子区域M2共两个疑似存在瑕疵的区域,其中,瑕疵子区域M1的瑕疵类型为气泡,瑕疵子区域M2的瑕疵类型为凹陷。
具体地,可预先建立产品的瑕疵子区域识别结果图像,将该瑕疵子区域结果图像输入至瑕疵识别模型中进行迭代训练,并得到训练好的瑕疵识别模型。其中,瑕疵子区域结果图像表示已知存在的瑕疵子区域和该瑕疵子区域所表示的瑕疵所属的瑕疵类型。
在本实施例中,该识别模型可为卷积神经网络模型,比如可为YOLO v5模型。其中,该模型的训练过程如下:首先根据上述的步骤准备子棱边图像的高度图的训练集和测试集,为每个子棱边图像的高度图标注瑕疵区域的边界框和对应的类别标签。
为YOLO v5模型设定相应的依赖以及网络配置参数,该参数包括输入图像的大小、类别数量、锚点框等。类别数量可根据瑕疵类型的数量来设定。将训练集和测试集中的子棱边图像的高度图以及标注的边界框转换为YOLO v5所需的格式,比如为COCO格式,其中包含图像路径、边界框坐标、类别等信息。
模型训练:使用训练集对YOLO v5模型进行训练。训练过程中,模型将逐渐调整自身参数以最小化预测结果与真实标签的差异。
模型评估:使用测试集评估训练好的YOLO v5模型性能。可以计算预测结果与真实标签之间的平均精度(mAP)等指标,在相应指标满足预设的要求时可完成模型训练。
利用训练好的YOLO v5模型,可将子棱边图像的高度图作为输入,来进行瑕疵区域识别,模型可输出一组边界框,每个边界框表示一个疑似瑕疵的区域以及该瑕疵的类型。
针对输出的边界框可进行后处理,比如采用非极大值抑制(NMS)等方法,去除重叠的边界框,从而得到更准确的瑕疵区域。比如上述图2E即为通过相应模型进行瑕疵识别后所输出来的识别结果图像。该图像为二值化图像,其中的三个白色区域即为对应的瑕疵区域。而具体对应到各个子棱边图像中,则各个瑕疵子区域即位于如图2F所示的实线框内的区域。
在一个实施例中,在获取待识别电池外形的高度图之后,在步骤106之前,还可进一步对该高度图进行二值化处理,得到模型二值图,并按照上述过程在该二值图中提取瑕疵区域,得到初始的瑕疵区域。
步骤106中,对每个子棱边图像进行独立的瑕疵识别,包括:对每个子棱边图像中与初始的瑕疵区域所对应的区域进行独立的瑕疵识别。
通过利用上述的初始的瑕疵区域来进行瑕疵识别,可以借助于二值图的初步识别结果再进行精确化地瑕疵区域识别,既减少了需要识别的范围,又可以提高瑕疵区域识别的准确性。
步骤108,将所有的瑕疵子区域映射到高度图中,对瑕疵子区域进行连通性分析,将存在连通性的瑕疵子区域合并为一个瑕疵区域。
在本实施例中,某个瑕疵可能穿过多个子棱边图像,即该瑕疵被划分到多个子棱边图像中,在识别时被识别为多个瑕疵子区域,因此需要将存在连通性的瑕疵子区域合并为一个瑕疵区域。
对于连通性分析,首先,判断瑕疵子区域是否与所在的子棱边图像的边缘接触,若接触,则该瑕疵子区域可能与其他瑕疵子区域存在连通性,若瑕疵子区域与所在的子棱边图像的两侧边缘均不接触或与侧边缘的最小距离超过预设的连通性距离阈值,则表明该瑕疵子区域仅在该子棱边图像上,则对于该瑕疵子区域不进行连通性分析。具体地,从子棱边图像的高度图中,遍历子棱边图像的边缘点,确定高度发生突变的边缘点,该高度发生突变的边缘点可能为瑕疵子区域与所在子棱边图像边缘的接触点,可以基于高度差阈值判断高度是否发生突变。
进一步地,在确定瑕疵子区域与子棱边图像的边缘接触后,确定与该子棱边图像接触的相邻子棱边图像,基于子棱边图像的边缘点的坐标位置确定与该子棱边图像接触的相邻子棱边图像。
举例来说,如果存在2个相邻的子棱边图像A与子棱边图像B,从左往后排序,子棱边图像A位于子棱边图像B的右边。从左上角开始按照从左向右,从上至下的顺序遍历子棱边图像A与子棱边图像B的高度图,分别提取子棱边图像A与子棱边图像B的两条边缘的边缘点,比对子棱边图像A与子棱边图像B的边缘点的坐标位置是否相同,若存在边缘点坐标位置均相同的两条边缘,则表示子棱边图像A与子棱边图像B存在接触,两者相邻。同样地,如果存在3个子棱边图像A、子棱边图像B、子棱边图像C,基于子棱边图像A、子棱边图像B、子棱边图像C的边缘点的坐标位置判断子棱边图像A、子棱边图像B、子棱边图像C是否互相接触。
如图2F所示的位于第一个高度处的多个瑕疵子区域可最终被合并成一个瑕疵区域,位于第二个高度处的多个瑕疵子区域可最终被合并成一个瑕疵区域,位于第三个高度处的多个瑕疵子区域可最终被合并成一个瑕疵区域,这三个瑕疵区域分别对应于图2E中的三个白色区域。
在一个实施例中,由于摄像头精度的问题,可能导致实际互相接触的2个或多个子棱边图像的边缘点的坐标位置存在差异,当边缘点的坐标位置在距离阈值内,可判定边缘点所处的位置相同,具体地,距离阈值为不超过0.01cm的任意值。
进一步地,在确定与存在瑕疵子区域的子棱边图像相接触的相邻子棱边图像后,判断该相邻子棱边图像中是否存在瑕疵子区域,该瑕疵子区域即为相邻瑕疵子区域,若存在,进一步判断该相邻瑕疵子区域是否与相邻子棱边图像的边缘接触。具体地,可以通过判断相邻子棱边图像的边缘点的高度是否均一致,若存在高度发生突变的边缘点,则可确定相邻瑕疵子区域与相邻子棱边图像的边缘接触。
进一步地,判断子棱边图像及相邻子棱边图像的边缘点中,发生突变的边缘点的高度是否相同,子棱边图像及相邻子棱边图像的边缘点的位置坐标是否相同,若相同,则进一步判断子棱边图像的瑕疵子区域及相邻子棱边图像中相邻瑕疵子区域的瑕疵类型是否相同,在子棱边图像及相邻子棱边图像中,发生突变的边缘点的高度,子棱边图像及相邻子棱边图像边缘点的位置坐标相同,且瑕疵子区域与相邻瑕疵子区域的瑕疵类型均相同的情况下,将瑕疵子区域与相邻瑕疵子区域进行拼接。
在本实施例中,将多个瑕疵子区域合并为一个瑕疵区域进行识别,可以进一步提高电池棱边外形瑕疵识别的准确性。
举例来说,若瑕疵子区域M1与瑕疵子区域M2被当作单独的瑕疵区域进行识别时,由于其仅是某个瑕疵区域中的一部分,最终的识别结果可能是M1与M2不符合瑕疵的认定标准,即电池棱边外形不存在瑕疵,影响电池棱边外形瑕疵识别准确度,但当识别到M1与M2为一个瑕疵区域时,将其合并后可能识别出电池棱边外形存在瑕疵,提高电池棱边外形瑕疵识别准确度。
进一步地,在将存在连通性的瑕疵子区域合并为一个瑕疵区域时,可进一步识别某个瑕疵子区域中是否存在其他瑕疵子区域对其存在干扰,如果存在干扰,则对该多个瑕疵子区域进行矫正。比如存在两个同为裂纹的瑕疵子区域,两个瑕疵子区域均与一个凹陷类型的瑕疵子区域相接,则在将该两个同为裂纹的瑕疵子区域进行合并时,可以参考该两个瑕疵子区域的形状和尺寸等特征,和/或进一步结合凹陷类型的瑕疵子区域对其进行矫正,从而使得该两个瑕疵子区域类型被合并后显得更加的完整,基于该矫正后的瑕疵子区域对其进行电池棱边外形的瑕疵识别。
举例来说,存在瑕疵子区域M1、瑕疵子区域M2、瑕疵子区域M3、瑕疵子区域M4、瑕疵子区域M5,该5个瑕疵子区域均处于相接状态,该5个瑕疵子区域形成类似于“X”的形状,瑕疵子区域M5即“X”状中的交叉点,其属于凹陷类瑕疵,瑕疵子区域M1、瑕疵子区域M2、瑕疵子区域M3、瑕疵子区域M4即分别与该交叉点相连接的部分的“边”,其均为裂纹类瑕疵,在进一步将瑕疵子区域M1、瑕疵子区域M2、瑕疵子区域M3、瑕疵子区域M4进行合并时,由于瑕疵子区域M5的影响,可能导致合并后的第二高度整体小于第一高度,即合并后的瑕疵区域可能存在一个更深的凹陷,因此在合并时,将瑕疵子区域M1、瑕疵子区域M2、瑕疵子区域M3、瑕疵子区域M4分别与该交叉点相连接的部分的第一高度,加上瑕疵子区域M5的第一高度进行矫正。
步骤110,根据第一高度信息计算出瑕疵区域的第二高度信息。
在本实施例中,将存在连通性的瑕疵子区域进行合并后,获取多个瑕疵子区域的第一高度信息,将多个第一高度信息取并集得到第二高度信息。
具体地,将第一高度信息中的均值的最大值作为第二高度信息中的均值,第一高度信息中的极值的最大值与最小值作为第二高度信息中的极值,并基于第二高度信息中的极值计算第二高度信息的中的极差值。
步骤112,根据第二高度信息确定瑕疵区域是否存在外形瑕疵。
在本实施例中,电子设备预先设置了电池棱边外形瑕疵的认定标准信息,该认定标准信息包括相应外形瑕疵的瑕疵面积、瑕疵高度等其中的一种或多种。将存在连通性的瑕疵子区域进行合并,并得到第二高度信息后,可将该第二高度信息与对应类型的瑕疵的认定标准信息进行比对。如果比对结果为符合认定标准,则判定合并后的瑕疵子区域存在产品表面瑕疵。其中,认定标准信息可根据产品的厂家要求来制定,不同的产品通常其电池棱边外形瑕疵的识别标准不同,相同的产品,针对不同的厂家而言,其电池棱边外形瑕疵的认定标准可能也不一定相同。
进一步地,根据第二高度信息和合并后的瑕疵区域的尺寸信息来确定瑕疵区域是否存在外形瑕疵。合并后的瑕疵区域的尺寸面积可为各个被合并的瑕疵子区域的面积之和。举例来说,某个厂家对某个产品(比如某个方形电池)所设定的电池棱边外形瑕疵的认定标准信息中的瑕疵高度包括平均高度、高度极值、高度极差值等其中的一种或几种。比如划痕瑕疵要求的平均高度(即平均深度)为0.1mm~0.5mm以上、高度极值为1mm~2mm以上,高度超过0.3mm~0.8mm的区域占比整个瑕疵区域面积不小于10%~20%,当均满足这几个条件中的一个或多个时,判定比对结果为符合产品上的划痕的认定标准。
当判定不符合对应的认定标准时,可以再进行下一步识别来进一步判断是否存在外形瑕疵,或者可以直接判定不存在外形瑕疵。
相比较于直接对棱边外形的整个部分进行瑕疵识别,由于整个部分面积较大,其难以确保所计算出来的瑕疵区域的第二高度信息的准确性。而本申请中的电池棱边外形瑕疵识别方法,通过将电池棱边外形微分为多个子棱边图像进行瑕疵识别并计算第一高度信息,再通过对多个瑕疵子区域进行连通性分析,实现了将属于同一个瑕疵的多个瑕疵子区域进行合并,进而利用第一高度信息来计算合并后的瑕疵区域的第二高度信息,再利用第二高度信息确定合并后的瑕疵区域是否属于外形瑕疵。采用微分的方法可以确保计算出来的第一高度信息具有较高的准确性,进而可以保证合并后的瑕疵区域的第二高度信息的准确性,从而可以最终提高了电池棱边瑕疵识别的准确性。
在步骤104中,多个子棱边图像的数量根据棱边外形区域的尺寸确定,子棱边图像的宽度小于预设的宽度阈值,和/或子棱边图像对应的第三高度与棱边外形区域的第四高度之间的差值小于预设的高度差阈值。
在本实施例中,棱边外形区域即电池的棱边所在的部位,棱边外形区域的尺寸包括棱边外形区域的弧长、圆心角、棱边外形区域的面积。预设的宽度阈值可以根据子棱边图像的数量确定。具体地,棱边外形区域的弧长为L,子棱边图像数量为N个,则棱边外形区域上的位置点个数为N+1个,预设的宽度阈值可以为L/N,预设的高度差阈值为棱边部位上相邻两个位置点的高度差的1/2,举例来说,如图2H所示,a1,a2,a3,a4,a5,a6,a7均为棱边外形区域上的位置点,即子棱边的数量为6个,以子棱边图像a1a2为例,其宽度即为点a1和a2之间的距离,预设的高度差阈值即a1与a2距离参考区域的高度差的1/2。
以子棱边图像a1a2为例,其对应的棱边外形区域为弧线a1a2所表示的区域,两者各个部位的高度差值即为弧线a1a2中对应的部位到直线a1a2的距离。该距离的最大值小于预设的高度差阈值。
在一个实施例中,基于子棱边图像对应的第三高度,第三高度包括子棱边图像上每个点的高度,棱边外形区域的第四高度包括棱边部位图像上每个点的高度。上述的差值即为第三高度和对应位置的第四高度的差值。
在一个实施例中,可根据公式width=4n×lnx来确定子棱边图像的数量width。其中,n表示当前的棱边部位的圆弧占电池整个圆弧的比例,x为所拍摄的高度图中的图像宽度,单位可为mm。基于该公式可以简单快速且有效地确定合适的子棱边图像的数量。
在步骤108中,连通性分析包括位置相接分析、相接部位特征一致性分析,子棱边图像包括第一子棱边图像和与第一子棱边图像相邻的第二子棱边图像,瑕疵子区域包括位于第一子棱边图像中的第一瑕疵子区域和位于第二子棱边图像中的第二瑕疵子区域;对瑕疵子区域进行连通性分析,包括:当第一瑕疵子区域的瑕疵边界延伸至第一子棱边图像的第一长边的边缘,且第二瑕疵子区域的瑕疵边界延伸至第二子棱边图像的第二长边的边缘时,对第一瑕疵子区域和第二瑕疵子区域开展连通性分析。
在本实施例中,位置相接分析包括第一子棱边图像与第二子棱边图像的边缘是否接触,在步骤108中,已对确定子棱边图像与该子棱边图像接触的相邻子棱边图像的方法有相关的描述,在此处不再赘述。
在本实施例中,相接部位特征一致性分析包括第一瑕疵子区域与第二瑕疵子区域的瑕疵类型进行一致性分析。
在一个实施例中,基于第一瑕疵子区域以及第二瑕疵子区域的第一高度信息,判断第一瑕疵子区域与第二瑕疵子区域是否为同一瑕疵类型。
在一个实施例中,相接部位特征一致性分析还包括在判定第一瑕疵子区域与第二瑕疵子区域为同一瑕疵类型后,进一步根据第一瑕疵子区域与第二瑕疵子区域的形状及尺寸等特征来判定是否属于同一个瑕疵,若是,则将其合并为一个瑕疵区域。具体地,如果存在两个相接的均为划痕类型的瑕疵区域,该两个瑕疵区域在相接部位的划痕的深度、划痕方向等特征的差异度均非常大,则说明不具有一致性,可以判定该两个瑕疵类型不属于一个瑕疵区域,则认为该待合并的瑕疵区域为两个独立的瑕疵区域,从而不将其进行合并。如果在相接部位的划痕的深度、划痕方向等特征的对应的差异度小于相应的差异度阈值,比如两者的深度差小于预设的深度差阈值,两者的划痕方向角度差也小于预设的角度阈值,则可以判定其存在一致性,可以将其作为一个瑕疵区域。
在本实施例中,第一子棱边图像为与第一子棱边图像上下平行,长宽相等的平面,同样地,第二子棱边图像为与第二子棱边图像上下平行,长宽相等的平面,第一瑕疵子区域的瑕疵边界可能与第一子棱边图像的边缘接触,第二瑕疵子区域的瑕疵边界可能与第二子棱边图像的边缘接触。
具体地,某个瑕疵可能穿过多个子棱边图像的上方或下方,但瑕疵与子棱边图像的边缘所在的平面并未发生接触,此时需要在瑕疵所在的高度上,设置与子棱边图像上下平行,且长宽相等的平面,通过判断某个瑕疵与该平面的边缘是否接触来判断瑕疵是否穿过该子棱边图像,例如当瑕疵为凹陷、气泡、凸起等具有一定高度的瑕疵类型时,瑕疵可能穿过子棱边图像的边缘,即瑕疵与子棱边图像的边缘的接触点在该子棱边图像的上方或下方。
举例来说,存在第一瑕疵子区域M1,第二瑕疵子区域M2,基于第一瑕疵子区域M1以及第二瑕疵子区域M2的第一高度极值,分别在第一瑕疵子区域M1,第二瑕疵子区域M2设置与第一子棱边图像及第二子棱边图像上下平行、长宽相等的第一子棱边图像与第二子棱边图像,进一步地,遍历第一子棱边图像与第二子棱边图像的边缘点的位置坐标,确定第一瑕疵子区域与第二瑕疵子区域的瑕疵边界是否与第一子棱边图像与第二子棱边图像边缘点的位置坐标重合,当重合时,表示第一瑕疵子区域的瑕疵边界与第一子棱边图像的边缘接触,第二瑕疵子区域的瑕疵边界与第二子棱边图像的边缘接触,进而对第一瑕疵子区域与第二瑕疵子区域开展连通性分析。
在一个实施例中,步骤106包括:根据瑕疵子区域在高度图中所处的位置对瑕疵子区域进行膨胀,得到膨胀子区域;将膨胀子区域与瑕疵子区域作差处理得到对应的参考区域;基于参考区域计算出瑕疵子区域的第一高度信息。
在本实施例中,瑕疵子区域为疑似瑕疵的区域,在后续识别中,需要计算瑕疵子区域的第一高度信息,第一高度信息需要参考瑕疵子区域周边的区域,因此需要对瑕疵子区域进行膨胀处理,从而形成一个包括瑕疵子区域的膨胀子区域,膨胀子区域可以看作是对瑕疵子区域的扩充,用于提供更全面的瑕疵信息和更准确的形态特征。
可选地,可根据不同的疑似瑕疵的瑕疵类型,瑕疵子区域面积等其中的一种或几种来设置相应的膨胀系数,基于该膨胀系数对瑕疵子区域进行膨胀,形成膨胀子区域。不同的瑕疵类型对应的膨胀系数不同,不同的瑕疵子区域面积对应的膨胀系数也不同。
具体地,可以根据瑕疵子区域的尺寸和形状特征来确定膨胀系数。比如根据瑕疵子区域的直径、形状特征、边界框尺寸构建与膨胀系数之间的映射关系,基于该映射关系来确定相应的膨胀系数。其中,瑕疵子区域尺寸小的,其对应的膨胀系数较小,而尺寸大的瑕疵子区域对应的膨胀系数较大。
电子设备基于所确定的膨胀系数对瑕疵子区域进行膨胀,比如以圆形、椭圆形或矩形等形状对瑕疵子区域的边界进行扩张并增加其面积,形成膨胀子区域。
在本实施例中,多个瑕疵子区域进行膨胀得到的膨胀子区域互相不存在接触,也就是说,对于针对某个瑕疵子区域进行膨胀得到的膨胀子区域,其不存在除该瑕疵子区域外的其他瑕疵区域,即该膨胀子区域与其他瑕疵子区域之间不存在重叠。通过使得该膨胀子区域与其他瑕疵子区域不重叠,可以避免其他瑕疵子区域对该瑕疵子区域的高度信息计算的干扰,提高了高度信息计算的准确性。
可选的,针对膨胀子区域的确定,可以结合该瑕疵子区域与其他瑕疵子区域的位置关系,设置相应的膨胀系数,使得基于该膨胀系数得到的膨胀子区域不会包含其他瑕疵子区域或不与其他瑕疵子区域重叠。也可以在得到一个初始膨胀子区域之后,检测初始膨胀子区域是否与其他瑕疵子区域存在重叠,若存在,则去除重叠部分,将去除重叠部分之后的初始膨胀子区域作为最终的膨胀子区域。
为避免针对某个瑕疵子区域所形成的膨胀子区域与其他瑕疵子区域重叠,电子设备可以基于其他瑕疵子区域对该瑕疵子区域设置膨胀边界,并在该膨胀边界内进行膨胀,形成膨胀子区域。该膨胀边界与其他瑕疵子区域均不重叠,且膨胀边界不超过对应子棱边图像的边界。具体地,可以将高度图像中去除了其他瑕疵子区域的部分所形成的去除后的边界作为膨胀边界。
举例来说,如图3所示,其示出了一个实施例中的电池棱边外形的子棱边图像(部分)高度图像示意图。其中,针对该高度图像识别出了瑕疵子区域D和瑕疵子区域E,对瑕疵子区域D进行膨胀处理得到了呈矩形装的膨胀子区域D’,且该膨胀子区域D’中不存在瑕疵子区域E,也不与瑕疵子区域E存在重叠,同样的,对瑕疵子区域E进行膨胀处理得到了呈圆形的膨胀子区域E’,且该膨胀子区域E’中不存在瑕疵子区域D,也不与瑕疵子区域D存在重叠。
在本实施例中,膨胀处理包括如下步骤:
步骤a、二值化处理。将经过瑕疵识别模型输出的二值图像作为输入。在这个图像中,瑕疵区域被标记为1,非瑕疵区域标记为0。
步骤b、结构元素选择。选择一个适当的结构元素,比如为一个小的圆形或正方形。
步骤c、膨胀操作。对二值图像进行膨胀操作。将结构元素在图像上滑动,如果结构元素下的任何像素与原图像中的瑕疵像素相交,则将膨胀元素的中心位置的像素标记为1。
多次重复步骤 c,每次膨胀操作都会使瑕疵子区域扩大,直到得到所需要的膨胀结果。
步骤d、结果获取。得到经过膨胀处理后的图像。此图像中,瑕疵子区域的范围会扩大,瑕疵之间的空隙可能被填充。
步骤e、后处理。对膨胀后的图像进行后处理,包括进行连通区域分析,以去除不需要的小区域或孤立的像素点。
通过以上步骤,可以将经过瑕疵识别的二值图像进行膨胀处理,从而增大瑕疵子区域的范围,有助于更好地识别和定位瑕疵,特别是那些尺寸较小的瑕疵。
其中,膨胀的程度应根据实际需求进行调整,以获得最佳的结果。具体地,可以针对不同的瑕疵类型或者瑕疵区域的面积设置对应的膨胀系数,针对瑕疵子区域,可首先确定其所属的瑕疵类型和/或瑕疵面积,并基于该瑕疵类型和/或瑕疵面积来确定对应的膨胀系数,并基于该膨胀系数来对瑕疵子区域进行初始膨胀处理,将处理膨胀处理后的区域作为初始膨胀子区域。
检测某个瑕疵子区域所形成的初始膨胀子区域是否与其他瑕疵子区域重叠,如果存在重叠,则可以对该膨胀系数进行修正,比如可以减小膨胀系数,并根据修正后的膨胀系数重新对该瑕疵子区域进行膨胀,以使得最终得到一个与其他瑕疵子区域不存在重叠区域的膨胀子区域。其中,该膨胀系数可以根据产生的重叠区域的位置和面积来进行修正。
在一个实施例中,当检测到存在重叠后,可直接去除重叠区域,并将去除了重叠区域后的初始膨胀子区域作为膨胀子区域。通过直接去除重叠区域,可以提高膨胀子区域计算的效率。
在本实施例中,参考区域为用于衡量瑕疵子区域的瑕疵高度的水平面,用于对瑕疵进行分析和定位。可将膨胀子区域的每个点的像素值与瑕疵子区域的每个点的像素值相减,得到参考区域的高度图,该参考区域中不包括瑕疵子区域。具体地,根据膨胀子区域的每个点的位置坐标确定与其对应的瑕疵子区域的每个点的位置坐标,再将对应的两个点的像素值相减。通过瑕疵子区域与参考区域进行对比,可以确定瑕疵子区域的凹凸性质以及相对位置。瑕疵子区域中的高度相对于参考区域的变化可以辅助确定瑕疵的形态特征和严重程度。
针对参考区域,可将其与高度图像进行拟合,得到相应的参考区域的参数信息,用于计算瑕疵子区域内的每个点相对于参考区域的高度信息。比如可以根据最小二乘法进行拟合。
针对高度图像中的参考区域,采用最小二乘法拟合的方法,得到参考区域的数学模型和参数。具体地,可以通过最小化参考区域内各个点到拟合曲面的距离平方和,来获得最佳的拟合结果。得到的参考区域的参数信息将包括参考区域的形状、方程或参数等描述,这些参数信息可以被用来进行后续的瑕疵分析和识别。参考区域的参数信息的获取对于精确的瑕疵定位和尺寸计算具有重要作用,从而提高瑕疵识别的准确性和可靠性。
在本实施例中,高度指电池棱边外形区域中的瑕疵子区域中的各个点到参考区域的高度。可获取瑕疵子区域内所有点的坐标,计算各个点到基准面的距离,该距离即为高度。具体地,可以使用参考区域的参数来计算瑕疵子区域内每个点相对于参考区域的高度。
在步骤106中,根据瑕疵子区域在高度图中所处的位置对瑕疵子区域进行膨胀,得到膨胀子区域包括:基于高度图对瑕疵区域进行初始膨胀,得到第一膨胀子区域;将第一膨胀子区域与子棱边图像求交,形成膨胀子区域。
在一个实施例中,根据设定的膨胀系数对瑕疵子区域进行膨胀,得到第一膨胀子区域,检测第一膨胀子区域是否与子棱边图像的边界接触,若存在接触,则在第一膨胀子区域与子棱边图像的边界的接触部分,以子棱边图像的边界作为第一膨胀子区域的边界,形成膨胀子区域,避免第一膨胀子区域的超出子棱边图像的区域。
在一个实施例中,可以按照膨胀系数n=e^(min(x,y)/z)来确定膨胀系数,其中,x和y分别为瑕疵区域的宽度和长度,z为预设的参数。当瑕疵区域不为规则的矩形时,该宽度可为最高点至最低点之间的高度差值,长度可为瑕疵区域中,位于最左点和最右点之间的长度差值。z的大小可为固定大小,也可以根据瑕疵类型、待测产品的特征等所自适应确定的数值,比如z值可为1/375。
在一个实施例中,电子设备可将子棱边图像的边界部分设置为第一膨胀子区域的膨胀边界。
在一个实施例中,基于参考区域计算出瑕疵子区域的第一高度信息,包括:基于参考区域计算出初始高度信息,当存在与参考区域相接的瑕疵子区域时,根据相接的瑕疵子区域对初始高度信息进行矫正,形成第一高度信息。
其中,当检测到其他某个瑕疵子区域和参考区域之间的最小距离小于预设的距离阈值时,可判定两者相接。该距离阈值可为任意设置的合适的数值。通过进行高度信息矫正,从而可以提高高度信息计算的准确性,为后续瑕疵区域的识别准确性提供了保障。
在一个实施例中,在步骤112之后,还包括根据每个瑕疵区域、每个瑕疵子区域的外形瑕疵识别结果确定电池是否合格。
本实施例中,在得到每个瑕疵子区域,以及多个瑕疵子区域合并形成的瑕疵区域的外形瑕疵识别结果后,可统计电池棱边外形的瑕疵类型及每个瑕疵类型下的瑕疵数量,当瑕疵数量和/或瑕疵类型符合预先设定的不合格判定条件时,则判定其属于不合格的电池。
其中,不合格判定条件可以包括电池棱边外形的瑕疵数量、电池棱边外形瑕疵的尺寸、电池棱边外形瑕疵的类型等其中的一种或多种,比如可以为当电池棱边外形的瑕疵数量的总量超过预设的第一数量阈值时,则说明电池不合格,或者当某个类型的任意一个电池棱边外形瑕疵的尺寸超过预设的尺寸规格时,则说明电池不合格,或者当某种类型的电池棱边外形瑕疵的数量超过对应的第二数量阈值时,也说明电池不合格。
本发明的另一方面,提出了一种电池棱边外形瑕疵识别装置,如图4所示,其包括:
图像获取模块402,用于获取待识别电池外形的高度图。
瑕疵特征计算模块404,用于将高度图中与电池的棱边部位对应的区域微分为多个子棱边图像;对每个子棱边图像进行独立的瑕疵识别,得到每个子棱边图像的瑕疵子区域以及瑕疵子区域的第一高度信息;将所有的瑕疵子区域映射到高度图中,对瑕疵子区域进行连通性分析,将存在连通性的瑕疵子区域合并为一个瑕疵区域;根据第一高度信息计算出瑕疵区域的第二高度信息。
瑕疵确定模块406,用于根据第二高度信息确定瑕疵区域是否存在外形瑕疵。
在一个实施例中,连通性分析包括位置相接分析、相接部位特征一致性分析;子棱边图像包括第一子棱边图像和与第一子棱边图像相邻的第二子棱边图像,瑕疵子区域包括位于第一子棱边图像中的第一瑕疵子区域和位于第二子棱边图像中的第二瑕疵子区域。
瑕疵特征计算模块404还用于当第一瑕疵子区域的瑕疵边界延伸至第一子棱边图像的第一长边的边缘,且第二瑕疵子区域的瑕疵边界延伸至第二子棱边图像的第二长边的边缘时,对第一瑕疵子区域和第二瑕疵子区域开展连通性分析。
在一个实施例中,子棱边图像的数量根据棱边外形区域的尺寸确定,子棱边图像的宽度小于预设的宽度阈值,和/或
子棱边图像对应的第三高度与棱边外形区域的第四高度之间的差值小于预设的高度差阈值。
在一个实施例中,瑕疵特征计算模块404还用于根据瑕疵子区域在高度图中所处的位置对瑕疵子区域进行膨胀,得到膨胀子区域;将膨胀子区域与瑕疵子区域作差处理得到对应的参考区域;基于参考区域计算出瑕疵子区域的第一高度信息。
在一个实施例中,瑕疵特征计算模块404还用于基于高度图对瑕疵区域进行初始膨胀,得到第一膨胀子区域;将第一膨胀子区域与子棱边图像求交,形成膨胀子区域。
在一个实施例中,第一高度信息包括瑕疵子区域的第一高度均值、第一高度极值。
在一个实施例中,瑕疵特征计算模块404还用于根据瑕疵区域对应的每个第一高度信息的第一高度均值中计算出瑕疵区域的第二高度均值;根据瑕疵区域对应的每个第一高度信息的第一高度极值中计算出瑕疵区域的第二高度极值。
在一个实施例中,瑕疵确定模块406还用于根据每个瑕疵区域、每个瑕疵子区域的外形瑕疵识别结果确定电池是否合格。
在一个实施例中,图像获取模块402还用于通过3D线激光扫描待测产品的表面,得到待测产品表面的3D数据;对3D数据进行滤波处理和分辨率降低处理;并对处理后的3D数据进行特征凸显处理,形成高度图。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述各方法实施例中的步骤。
在一个实施例中,还提供了一种电子设备,包括一个或多个处理器;存储器,存储器中存储有一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行上述各方法实施例中的步骤。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在上面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。公开于该背景技术部分的信息仅仅旨在加深对本申请的总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
Claims (10)
1.一种电池棱边外形瑕疵识别方法,其特征在于,所述方法包括:
获取待识别电池外形的高度图,所述电池外形中包括曲面外形的棱边部位;
将所述高度图中与所述电池的棱边部位对应的区域微分为多个子棱边图像,每个所述子棱边图像为长条形的平面图像;
对每个子棱边图像进行独立的瑕疵识别,得到每个子棱边图像的瑕疵子区域以及所述瑕疵子区域的第一高度信息;
将所有的瑕疵子区域映射到所述高度图中,对所述瑕疵子区域进行连通性分析,将存在连通性的瑕疵子区域合并为一个瑕疵区域;
根据所述第一高度信息计算出所述瑕疵区域的第二高度信息;
根据所述第二高度信息确定所述瑕疵区域是否存在外形瑕疵,所述外形瑕疵为所述棱边部位上的外形瑕疵。
2.根据权利要求1所述的方法,其特征在于,所述连通性分析包括位置相接分析、相接部位特征一致性分析;所述子棱边图像包括第一子棱边图像和与所述第一子棱边图像相邻的第二子棱边图像,所述瑕疵子区域包括位于所述第一子棱边图像中的第一瑕疵子区域和位于所述第二子棱边图像中的第二瑕疵子区域;
所述对所述瑕疵子区域进行连通性分析,包括:当所述第一瑕疵子区域的瑕疵边界延伸至所述第一子棱边图像的第一长边的边缘,且所述第二瑕疵子区域的瑕疵边界延伸至所述第二子棱边图像的第二长边的边缘时,对所述第一瑕疵子区域和所述第二瑕疵子区域开展连通性分析。
3.根据权利要求1所述的方法,其特征在于,所述子棱边图像的数量根据棱边外形区域的尺寸确定,所述子棱边图像的宽度小于预设的宽度阈值,和/或
所述子棱边图像对应的第三高度与所述棱边外形区域的第四高度之间的差值小于预设的高度差阈值。
4.根据权利要求1所述的方法,其特征在于,所述对每个子棱边图像进行独立的瑕疵识别,得到每个子棱边图像的瑕疵子区域以及所述瑕疵子区域的第一高度信息,包括:
根据所述瑕疵子区域在所述高度图中所处的位置对所述瑕疵子区域进行膨胀,得到膨胀子区域;
将所述膨胀子区域与所述瑕疵子区域作差处理得到对应的参考区域;
基于所述参考区域计算出所述瑕疵子区域的第一高度信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述瑕疵子区域在所述高度图中所处的位置对所述瑕疵子区域进行膨胀,得到膨胀子区域,包括:
基于所述高度图对所述瑕疵区域进行初始膨胀,得到第一膨胀子区域;
将所述第一膨胀子区域与所述子棱边图像求交,形成所述膨胀子区域。
6.根据权利要求1所述的方法,其特征在于,所述第一高度信息包括所述瑕疵子区域的第一高度均值、第一高度极值;
所述根据所述第一高度信息计算出所述瑕疵区域的第二高度信息,包括:
根据所述瑕疵区域对应的每个第一高度信息的第一高度均值中计算出所述瑕疵区域的第二高度均值;
根据所述瑕疵区域对应的每个第一高度信息的第一高度极值中计算出所述瑕疵区域的第二高度极值。
7.根据权利要求1至6中任一项所述的方法,其特征在于,在所述根据所述第二高度信息确定所述瑕疵区域是否存在外形瑕疵之后,还包括:
根据每个瑕疵区域、每个瑕疵子区域的外形瑕疵识别结果确定所述电池是否合格。
8.一种电池棱边外形瑕疵识别装置,其特征在于,所述装置包括:
图像获取模块,用于获取待识别电池外形的高度图,所述电池外形中包括曲面外形的棱边部位;
瑕疵特征计算模块,用于将所述高度图中与所述电池的棱边部位对应的区域微分为多个子棱边图像,每个所述子棱边图像为长条形的平面图像;对每个子棱边图像进行独立的瑕疵识别,得到每个子棱边图像的瑕疵子区域以及所述瑕疵子区域的第一高度信息;将所有的瑕疵子区域映射到所述高度图中,对所述瑕疵子区域进行连通性分析,将存在连通性的瑕疵子区域合并为一个瑕疵区域;根据所述第一高度信息计算出所述瑕疵区域的第二高度信息;
瑕疵确定模块,用于根据所述第二高度信息确定所述瑕疵区域是否存在外形瑕疵,所述外形瑕疵为所述棱边部位上的外形瑕疵。
9.一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上存储有可执行指令,所述可执行指令被处理器执行时使所述处理器执行如权利要求1至7中任一项所述的方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311322697.XA CN117058411B (zh) | 2023-10-13 | 2023-10-13 | 电池棱边外形瑕疵识别方法、装置、介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311322697.XA CN117058411B (zh) | 2023-10-13 | 2023-10-13 | 电池棱边外形瑕疵识别方法、装置、介质和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117058411A CN117058411A (zh) | 2023-11-14 |
CN117058411B true CN117058411B (zh) | 2024-04-09 |
Family
ID=88654054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311322697.XA Active CN117058411B (zh) | 2023-10-13 | 2023-10-13 | 电池棱边外形瑕疵识别方法、装置、介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117058411B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117760971A (zh) * | 2024-02-21 | 2024-03-26 | 宁德时代新能源科技股份有限公司 | 电池单体的壳体的检测系统和方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021082923A1 (zh) * | 2019-10-28 | 2021-05-06 | 上海悦易网络信息技术有限公司 | 一种电子设备屏幕区域瑕疵检测方法与设备 |
CN114693673A (zh) * | 2022-04-24 | 2022-07-01 | 睿云奇智(重庆)科技有限公司 | 玻璃检测的方法、装置、电子设备及计算机可读存储介质 |
CN115880228A (zh) * | 2022-11-15 | 2023-03-31 | 凌云光技术股份有限公司 | 多缺陷合并方法、装置、计算机设备及存储介质 |
CN116703803A (zh) * | 2022-02-25 | 2023-09-05 | 蔡司科技(苏州)有限公司 | 用于检测电池极片边缘的毛刺的方法、设备和系统 |
-
2023
- 2023-10-13 CN CN202311322697.XA patent/CN117058411B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021082923A1 (zh) * | 2019-10-28 | 2021-05-06 | 上海悦易网络信息技术有限公司 | 一种电子设备屏幕区域瑕疵检测方法与设备 |
CN116703803A (zh) * | 2022-02-25 | 2023-09-05 | 蔡司科技(苏州)有限公司 | 用于检测电池极片边缘的毛刺的方法、设备和系统 |
CN114693673A (zh) * | 2022-04-24 | 2022-07-01 | 睿云奇智(重庆)科技有限公司 | 玻璃检测的方法、装置、电子设备及计算机可读存储介质 |
CN115880228A (zh) * | 2022-11-15 | 2023-03-31 | 凌云光技术股份有限公司 | 多缺陷合并方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于体积特征的织物瑕疵检测方法;李锋;李文青;;网络安全技术与应用(07);第56-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117058411A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021213223A1 (zh) | 焊缝质量检测方法、装置、系统及电子设备 | |
CN107543828B (zh) | 一种工件表面缺陷检测方法及系统 | |
US20110069892A1 (en) | Method of comparing similarity of 3d visual objects | |
CN107239742B (zh) | 一种仪表指针刻度值计算方法 | |
CN109632808B (zh) | 棱边缺陷检测方法、装置、电子设备及存储介质 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN107356213B (zh) | 滤光片同心度测量方法及终端设备 | |
CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
CN113160161B (zh) | 目标边缘处缺陷的检测方法和装置 | |
CN115147370A (zh) | 一种电池顶盖焊接缺陷检测方法、装置、介质及电子设备 | |
CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
CN111861979A (zh) | 一种定位方法、设备及计算机可读存储介质 | |
CN110660072A (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
JP5123244B2 (ja) | 形状欠損検査装置、形状モデリング装置および形状欠損検査プログラム | |
CN115439840A (zh) | 一种航空件槽区识别方法、装置、设备及介质 | |
KR102242996B1 (ko) | 자동차 사출제품의 비정형 불량 검출 방법 | |
CN105354816A (zh) | 一种电子元件定位方法及装置 | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN117011290B (zh) | 缺陷诊断方法、系统及计算机设备 | |
CN116258838B (zh) | 一种用于管片模具合模系统的智能视觉引导方法 | |
CN114862816A (zh) | 毛刺检测方法、系统和计算机可读存储介质 | |
CN115761257A (zh) | 基于计算机视觉技术的零部件角度检测方法及装置 | |
CN117078665B (zh) | 产品表面缺陷检测方法、装置、存储介质和电子设备 | |
CN117495846B (zh) | 图像检测方法、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 |