CN117351005B - 一种涂炭箔涂布缺陷检测方法和系统 - Google Patents
一种涂炭箔涂布缺陷检测方法和系统 Download PDFInfo
- Publication number
- CN117351005B CN117351005B CN202311631400.8A CN202311631400A CN117351005B CN 117351005 B CN117351005 B CN 117351005B CN 202311631400 A CN202311631400 A CN 202311631400A CN 117351005 B CN117351005 B CN 117351005B
- Authority
- CN
- China
- Prior art keywords
- carbon
- coated foil
- coated
- gray
- foil
- 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
- 239000011888 foil Substances 0.000 title claims abstract description 231
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 226
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 226
- 238000000034 method Methods 0.000 title claims abstract description 75
- 239000011248 coating agent Substances 0.000 title claims abstract description 46
- 238000000576 coating method Methods 0.000 title claims abstract description 46
- 230000007547 defect Effects 0.000 title claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000013499 data model Methods 0.000 claims abstract description 24
- 239000002904 solvent Substances 0.000 claims description 15
- 230000010365 information processing Effects 0.000 claims description 8
- 238000009795 derivation Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 239000003610 charcoal Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000006258 conductive agent Substances 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000007581 slurry coating method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种涂炭箔涂布缺陷检测方法和系统，属于涂炭箔检测技术领域，其中，方法包括获取涂炭箔烘烤前后的第一灰度图像和第二灰度图像；基于灰度图像得到灰度变化值；如果灰度变化值小于灰度变化阈值，则涂炭箔加工不合格；基于第二灰度图像，根据第一数据模型，确定涂炭箔的面密度；如果涂炭箔的面密度不在密度阈值范围内，则涂炭箔加工不合格；基于间隔灰度图像，根据第二数据模型，得到连续加工过程中灰度图像的灰度变化率；如果灰度变化率大于预设阈值，则涂炭箔加工合格。本申请多方面分析涂炭箔的烘烤效果，对整个生产过程进行持续性监控，检测覆盖面广，提高了检测的准确性和成品质量。
Description
技术领域
本发明涉及涂炭箔检测技术领域，具体涉及一种涂炭箔涂布缺陷检测方法和系统。
背景技术
涂炭箔主要应用于电池领域，尤其应用在高能量密度的锂离子电池。涂炭箔是在铝或者铜集流体上涂覆导电浆料涂层，用来降低电池阻抗，增强涂层粘结强度，减小粘结剂导电剂使用量，提高电池循环寿命，同时提高集流体的抗氧化能力的一种复合箔材。
涂炭箔上导电浆料涂层分布通常是将导电浆料涂敷在金属基材上，理论上，涂布速度越慢、烘烤温度越高，是可以达到完全烘干的。但是涂炭箔受限于生产的产量要求、金属基材薄的特点，烘烤也是有一定限度的。因此，涂层中可能会有部分原始浆料中残留的物质，如水、乙醇、溶解在浆料中的氨、二氧化碳等，这些物质对涂层的功能会有明显影响。同时，涂炭箔上导电浆料涂层分布的分散度直接决定成品电池的性能，因此要求涂炭箔面密度应处在一定预设范围内，防止涂层面密度存在较大跳动影响电池性能。
由于目前涂炭箔的生产通常为连续不停机生产，针对涂炭箔表面涂层主要采用的检测方法是在涂覆导电浆料并固化处理后抽样进行检测，或者仅抽取开机前和结束后的一段成品箔材进行涂层检测，无法对整个生产过程进行持续性监控，检测覆盖面有限，很容易造成检测结果的失真，从而影响成品质量。
因此，如何提供一种检测方法，使其能在生产过程中检测，提高检测准确性，操作方便简单，是本领域技术人员亟待解决的技术问题。
发明内容
为此，本发明提供一种涂炭箔涂布缺陷检测方法和系统，以解决现有技术中由于检测结果不准确而导致的影响成品质量的问题。
为了实现上述目的，本发明提供如下技术方案：
根据本发明的第一方面，提供了一种涂炭箔涂布缺陷检测方法，包括以下步骤：
步骤S1：拍摄涂炭箔烘烤前后的图片，获取涂炭箔烘烤前的第一灰度图像，获取涂炭箔烘烤后的第二灰度图像；
步骤S2：基于所述第一灰度图像得到第一灰度值，基于所述第二灰度图像得到第二灰度值，得到灰度变化值；
步骤S3：如果灰度变化值小于灰度变化阈值，则判断所述涂炭箔具有溶剂残留，所述涂炭箔加工不合格，否则，执行下一步；
步骤S4：基于涂炭箔烘烤后的第二灰度图像，根据第一数据模型，确定所述涂炭箔的面密度；
步骤S5：如果所述涂炭箔的面密度不在密度阈值范围内，则判断所述涂炭箔加工不合格，否则，执行下一步；
步骤S6：基于涂炭箔烘烤过程中的间隔灰度图像，根据第二数据模型，得到涂炭箔连续加工过程中灰度图像的灰度变化率；
步骤S7：如果所述灰度变化率大于预设阈值，则判断所述涂炭箔加工合格，否则，不合格。
进一步地，所述步骤S1中，获取涂炭箔烘烤前后的灰度图像，具体包括以下步骤：
步骤S101：基于涂炭箔烘烤前后的图片，获取第一原始图像和第二原始图像，标记所述第一原始图像和第二原始图像中涂覆的区域；
步骤S102：将所述第一原始图像和第二原始图像进行等份分割，分割为多个第一分散图像和第二分散图像，保留带有标记的第一分散图像和第二分散图像；
步骤S103：将带有标记的第一分散图像和第二分散图像沿其标记轨迹分割，分割得到多个第一涂覆图像和第二涂覆图像；
步骤S104：将多个第一涂覆图像重新整合，得到涂炭箔烘烤前的第一灰度图像；
步骤S105：将多个第二涂覆图像重新整合，得到涂炭箔烘烤后的第二灰度图像。
进一步地，所述步骤S4中，第一数据模型的建立方法为：
步骤S401：获取不同涂炭箔的重量和面积，得到面密度，建立第一数据集；
步骤S402：获取不同涂炭箔对应的灰度图像，得到灰度值，建立第二数据集；
步骤S403：通过学习模型，建立第一数据集和第二数据集的导出公式；
步骤S404：基于所述第一数据集和第二数据集的导出公式和涂炭箔烘烤后的第二灰度图像，得到涂炭箔的面密度。
进一步地，所述步骤S6中，第二数据模型的建立方法为：
步骤S601：在涂炭箔加工过程中，获取连续时间内涂炭箔的间隔灰度图像；
步骤S602：根据连续时间内涂炭箔的间隔灰度图像，得到连续时间的间隔灰度值；
步骤S603：根据连续时间的间隔灰度值，绘制间隔灰度值-时间曲线；
步骤S604：基于间隔灰度值-时间曲线，得到连续加工过程中灰度图像的灰度变化率。
进一步地，还包括基于所述灰度变化率小于预设阈值，所述涂炭箔加工不合格，确定所述涂炭箔的缺陷阶段，具体包括：
根据加工时间将所述涂炭箔分为不同的加工阶段；
基于间隔灰度值-时间曲线和加工阶段，将曲线分割为不同的加工曲线，获取不同加工曲线的曲线变化率；
比较不同加工曲线的曲线变化率与预设阈值，收集曲线变化率小于预设阈值的加工曲线；
基于收集的加工曲线，确定其对应的加工阶段，得到对应的缺陷阶段。
进一步地，所述学习模型的建立方法，包括：
建立不同涂炭箔的面密度的第一数据集；其中，ρi为第i个涂炭箔的面密度，i为涂炭箔的个数；
建立不同涂炭箔的灰度值的第二数据集；其中，gi为第i个涂炭箔的灰度值，i为涂炭箔的个数；
建立第一数据集对应第二数据集的预设权重；其中，di为第i个涂炭箔的面密度对应灰度值的预设权重，i为涂炭箔的个数；
所述第一数据集和第二数据集的导出公式为：
；
其中，ρi为第i个涂炭箔的面密度，gi为第i个涂炭箔的灰度值，di为第i个预设权重。
进一步地，所述加工阶段分为第一加工阶段、第二加工阶段和第三加工阶段，所述第一加工阶段为预加热升温阶段，所述第二加工阶段为平稳加热阶段，所述第三加工阶段为散热降温阶段。
根据本发明的第二方面，提供了一种涂炭箔涂布缺陷检测系统，用于实现上述任一项所述的涂炭箔涂布缺陷检测方法，包括：
图像获取单元，用于获取涂炭箔烘烤前的第一灰度图像，获取涂炭箔烘烤后的第二灰度图像；
图像处理单元，用于基于所述第一灰度图像得到第一灰度值，基于所述第二灰度图像得到第二灰度值，得到灰度变化值；
第一判断单元，用于判断所述涂炭箔是否具有溶剂残留；
第一信息处理单元，用于基于涂炭箔烘烤后的第二灰度图像，根据第一数据模型，确定所述涂炭箔的面密度；
第二判断单元，用于判断所述涂炭箔的面密度是否在密度阈值范围内；
第二信息处理单元，用于基于涂炭箔烘烤过程中的间隔灰度图像，根据第二数据模型，得到涂炭箔连续加工过程中灰度图像的灰度变化率；
第三判断单元，用于判断灰度变化率大于预设阈值。
本发明具有如下优点：
本申请通过拍摄涂炭箔烘烤前后的图片，获取涂炭箔烘烤前的第一灰度图像，获取涂炭箔烘烤后的第二灰度图像。基于第一灰度图像得到第一灰度值，基于第二灰度图像得到第二灰度值，得到灰度变化值。如果灰度变化值小于灰度变化阈值，则判断涂炭箔具有溶剂残留，涂炭箔加工不合格，否则，执行下一步。根据灰度变化值与灰度变化阈值的比较，能判断出涂炭箔的溶剂残留情况。
本申请基于涂炭箔烘烤后的第二灰度图像，根据第一数据模型，确定涂炭箔的面密度。如果涂炭箔的面密度不在密度阈值范围内，则判断涂炭箔加工不合格，否则，执行下一步。根据面密度与密度阈值范围的比较，能判断出涂炭箔的面密度情况。
本申请基于涂炭箔烘烤过程中的间隔灰度图像，根据第二数据模型，得到涂炭箔连续加工过程中灰度图像的灰度变化率。如果灰度变化率大于预设阈值，则判断涂炭箔加工合格，否则，不合格。根据灰度变化率与预设阈值的比较，能判断出涂炭箔在加工过程中的加工情况。
本申请通过多方面分析涂炭箔的烘烤效果，由烘烤后的溶剂残留和烘烤成型后的面密度方面，判断涂炭箔是否加工合格，提高了检测的准确性。本申请通过监控涂炭箔烘烤过程中的间隔灰度图像，对整个生产过程进行持续性监控，检测覆盖面广，提高了检测的准确性和成品质量。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明提供的一种涂炭箔涂布缺陷检测方法的流程图；
图2为本发明提供的检测方法中步骤S1的具体流程图；
图3为本发明提供的检测方法中步骤S4的具体流程图；
图4为本发明提供的检测方法中步骤S6的具体流程图；
图5为本发明提供的一种涂炭箔涂布缺陷检测系统的连接框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，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，本领域普通技术人员在没有做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。
根据本发明的第一方面，提供了一种涂炭箔涂布缺陷检测方法，如图1所示的，包括以下步骤：
步骤S1：拍摄涂炭箔烘烤前后的图片，获取涂炭箔烘烤前的第一灰度图像，获取涂炭箔烘烤后的第二灰度图像；
步骤S2：基于第一灰度图像得到第一灰度值，基于第二灰度图像得到第二灰度值，得到灰度变化值；
步骤S3：如果灰度变化值小于灰度变化阈值，则判断涂炭箔具有溶剂残留，涂炭箔加工不合格，否则，执行下一步；
步骤S4：基于涂炭箔烘烤后的第二灰度图像，根据第一数据模型，确定涂炭箔的面密度；
步骤S5：如果涂炭箔的面密度不在密度阈值范围内，则判断涂炭箔加工不合格，否则，执行下一步；
步骤S6：基于涂炭箔烘烤过程中的间隔灰度图像，根据第二数据模型，得到涂炭箔连续加工过程中灰度图像的灰度变化率；
步骤S7：如果灰度变化率大于预设阈值，则判断涂炭箔加工合格，否则，不合格。
本申请根据灰度变化值与灰度变化阈值的比较，能判断出涂炭箔的溶剂残留情况。根据面密度与密度阈值范围的比较，能判断出涂炭箔的面密度情况。根据灰度变化率与预设阈值的比较，能判断出涂炭箔在加工过程中的加工情况。
本申请通过多方面分析涂炭箔的烘烤效果，由烘烤后的溶剂残留和烘烤成型后的面密度方面，判断涂炭箔是否加工合格，提高了检测的准确性。本申请通过监控涂炭箔烘烤过程中的间隔灰度图像，对整个生产过程进行持续性监控，检测覆盖面广，提高了检测的准确性和成品质量。
如图2所示的，步骤S1中获取涂炭箔烘烤前后的灰度图像，具体包括以下步骤：
步骤S101：基于涂炭箔烘烤前后的图片，获取第一原始图像和第二原始图像，标记第一原始图像和第二原始图像中涂覆的区域；
步骤S102：将第一原始图像和第二原始图像进行等份分割，分割为多个第一分散图像和第二分散图像，保留带有标记的第一分散图像和第二分散图像；
步骤S103：将带有标记的第一分散图像和第二分散图像沿其标记轨迹分割，分割得到多个第一涂覆图像和第二涂覆图像；
步骤S104：将多个第一涂覆图像重新整合，得到涂炭箔烘烤前的第一灰度图像；
步骤S105：将多个第二涂覆图像重新整合，得到涂炭箔烘烤后的第二灰度图像。
根据生产需求，涂炭箔上涂布的形状各不相同，存在图形分散布置在，涂炭箔的可能。为了使获取的灰度图像上没有空白区域的存在，不会影响灰度图像的灰度值。通过上述过程的标记、等份分割和沿其标记轨迹分割，使涂覆图像重新整合。整合后的灰度图像完全为涂炭箔涂覆区域。
如果灰度图像上有溶剂残留，图像像素亮度较高。如果涂炭箔烘烤效果良好，则灰度图像上没有溶剂残留，图像像素亮度较暗。灰度变化值会存在较大的变化。设定灰度变化阈值，如果灰度变化值小于灰度变化阈值，则判断涂炭箔具有溶剂残留，涂炭箔加工不合格。
如图3所示的，步骤S4中第一数据模型的建立方法为：
步骤S401：获取不同涂炭箔的重量和面积，得到面密度，建立第一数据集；
步骤S402：获取不同涂炭箔对应的灰度图像，得到灰度值，建立第二数据集；
步骤S403：通过学习模型，建立第一数据集和第二数据集的导出公式；
步骤S404：基于第一数据集和第二数据集的导出公式和涂炭箔烘烤后的第二灰度图像，得到涂炭箔的面密度。
学习模型的建立方法，包括：
建立不同涂炭箔的面密度的第一数据集；其中，ρi为第i个涂炭箔的面密度，i为涂炭箔的个数；
建立不同涂炭箔的灰度值的第二数据集；其中，gi为第i个涂炭箔的灰度值，i为涂炭箔的个数；
建立第一数据集对应第二数据集的预设权重；其中，di为第i个涂炭箔的面密度对应灰度值的预设权重，i为涂炭箔的个数；
第一数据集和第二数据集的导出公式为：
；
其中，ρi为第i个涂炭箔的面密度，gi为第i个涂炭箔的灰度值，di为第i个预设权重。
通过学习模型的建立涂炭箔的面密度与涂炭箔的灰度值的关系，图像像素亮度较暗，表示涂炭箔烘烤效果更好，相应的地，其面密度会更大。根据导出公式和涂炭箔烘烤后的第二灰度图像，能得到涂炭箔烘烤后的面密度。设定密度阈值范围，如果涂炭箔的面密度不在密度阈值范围内，则判断涂炭箔加工不合格。
如图4所示的，步骤S6中第二数据模型的建立方法为：
步骤S601：在涂炭箔加工过程中，获取连续时间内涂炭箔的间隔灰度图像；
步骤S602：根据连续时间内涂炭箔的间隔灰度图像，得到连续时间的间隔灰度值；
步骤S603：根据连续时间的间隔灰度值，绘制间隔灰度值-时间曲线；
步骤S604：基于间隔灰度值-时间曲线，得到连续加工过程中灰度图像的灰度变化率。
在涂炭箔烘烤前的第一灰度图像和烘烤后的第二灰度图像之间具有多个间隔灰度图像。通过监测间隔灰度图像，能反应涂炭箔在加工过程中的加工效果。间隔灰度值-时间曲线上的曲线应为一条平稳地逐渐下降的曲线。通过灰度值-时间曲线的曲率得到续加工过程中灰度图像的灰度变化率，曲率越低，表面灰度变化值越大，则其烘烤效果越好。设定预设阈值，当灰度变化率大于预设阈值，则判断涂炭箔加工合格，否则，则不合格。
基于灰度变化率小于预设阈值，涂炭箔加工不合格，确定涂炭箔的缺陷阶段，具体包括：
根据加工时间将涂炭箔分为不同的加工阶段；
基于间隔灰度值-时间曲线和加工阶段，将曲线分割为不同的加工曲线，获取不同加工曲线的曲线变化率；
比较不同加工曲线的曲线变化率与预设阈值，收集曲线变化率小于预设阈值的加工曲线；
基于收集的加工曲线，确定其对应的加工阶段，得到对应的缺陷阶段。
加工阶段分为第一加工阶段、第二加工阶段和第三加工阶段，第一加工阶段为预加热升温阶段，第二加工阶段为平稳加热阶段，第三加工阶段为散热降温阶段。烘烤仪器按期加工阶段对涂炭箔进行加工烘烤，获取每个阶段的曲线，如果曲线处于平稳下降，则每条曲线的曲率应该大于预设阈值。如果某条曲线的曲率应该小于预设阈值，则表示在该阶段的加工过程存在缺陷。如第一加工阶段存在缺陷，第二加工阶段不存在缺陷，需要对第一加工阶段的烘烤温度进行提高，使烘烤仪器能快速进入第二加工阶段。
根据本发明的第二方面，提供了一种涂炭箔涂布缺陷检测系统，用于实现一种涂炭箔涂布缺陷检测方法，如图5所示的，包括：
图像获取单元，用于获取涂炭箔烘烤前的第一灰度图像，获取涂炭箔烘烤后的第二灰度图像；
图像处理单元，用于基于第一灰度图像得到第一灰度值，基于第二灰度图像得到第二灰度值，得到灰度变化值；
第一判断单元，用于判断涂炭箔是否具有溶剂残留；
第一信息处理单元，用于基于涂炭箔烘烤后的第二灰度图像，根据第一数据模型，确定涂炭箔的面密度；
第二判断单元，用于判断涂炭箔的面密度是否在密度阈值范围内；
第二信息处理单元，用于基于涂炭箔烘烤过程中的间隔灰度图像，根据第二数据模型，得到涂炭箔连续加工过程中灰度图像的灰度变化率；
第三判断单元，用于判断灰度变化率大于预设阈值。
本申请通过拍摄涂炭箔烘烤前后的图片，图像获取单元获取涂炭箔烘烤前的第一灰度图像，获取涂炭箔烘烤后的第二灰度图像。图像处理单元基于第一灰度图像得到第一灰度值，基于第二灰度图像得到第二灰度值，得到灰度变化值。如果灰度变化值小于灰度变化阈值，第一判断单元则判断涂炭箔具有溶剂残留，涂炭箔加工不合格，否则，执行下一步。
第一信息处理单元基于涂炭箔烘烤后的第二灰度图像，根据第一数据模型，确定涂炭箔的面密度。如果涂炭箔的面密度不在密度阈值范围内，第二判断单元则判断涂炭箔加工不合格，否则，执行下一步。第二信息处理单元基于涂炭箔烘烤过程中的间隔灰度图像，根据第二数据模型，得到涂炭箔连续加工过程中灰度图像的灰度变化率。如果灰度变化率大于预设阈值，第三判断单元则判断涂炭箔加工合格，否则，不合格。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (6)
1.一种涂炭箔涂布缺陷检测方法，其特征在于，包括以下步骤：
步骤S1：拍摄涂炭箔烘烤前后的图片，获取涂炭箔烘烤前的第一灰度图像，获取涂炭箔烘烤后的第二灰度图像；
步骤S2：基于所述第一灰度图像得到第一灰度值，基于所述第二灰度图像得到第二灰度值，得到灰度变化值；
步骤S3：如果灰度变化值小于灰度变化阈值，则判断所述涂炭箔具有溶剂残留，所述涂炭箔加工不合格，否则，执行下一步；
步骤S4：基于涂炭箔烘烤后的第二灰度图像，根据第一数据模型，确定所述涂炭箔的面密度；
步骤S5：如果所述涂炭箔的面密度不在密度阈值范围内，则判断所述涂炭箔加工不合格，否则，执行下一步；
步骤S6：基于涂炭箔烘烤过程中的间隔灰度图像，根据第二数据模型，得到涂炭箔连续加工过程中灰度图像的灰度变化率；
步骤S7：如果所述灰度变化率大于预设阈值，则判断所述涂炭箔加工合格，否则，不合格；
所述步骤S4中，第一数据模型的建立方法为：
步骤S401：获取不同涂炭箔的重量和面积，得到面密度，建立第一数据集；
步骤S402：获取不同涂炭箔对应的灰度图像，得到灰度值，建立第二数据集；
步骤S403：通过学习模型，建立第一数据集和第二数据集的导出公式；
步骤S404：基于所述第一数据集和第二数据集的导出公式和涂炭箔烘烤后的第二灰度图像，得到涂炭箔的面密度；
所述步骤S6中，第二数据模型的建立方法为：
步骤S601：在涂炭箔加工过程中，获取连续时间内涂炭箔的间隔灰度图像；
步骤S602：根据连续时间内涂炭箔的间隔灰度图像，得到连续时间的间隔灰度值；
步骤S603：根据连续时间的间隔灰度值，绘制间隔灰度值-时间曲线；
步骤S604：基于间隔灰度值-时间曲线，得到连续加工过程中灰度图像的灰度变化率。
2.如权利要求1所述的涂炭箔涂布缺陷检测方法，其特征在于，所述步骤S1中，获取涂炭箔烘烤前后的灰度图像，具体包括以下步骤：
步骤S101：基于涂炭箔烘烤前后的图片，获取第一原始图像和第二原始图像，标记所述第一原始图像和第二原始图像中涂覆的区域；
步骤S102：将所述第一原始图像和第二原始图像进行等份分割，分割为多个第一分散图像和第二分散图像，保留带有标记的第一分散图像和第二分散图像；
步骤S103：将带有标记的第一分散图像和第二分散图像沿其标记轨迹分割，分割得到多个第一涂覆图像和第二涂覆图像；
步骤S104：将多个第一涂覆图像重新整合，得到涂炭箔烘烤前的第一灰度图像；
步骤S105：将多个第二涂覆图像重新整合，得到涂炭箔烘烤后的第二灰度图像。
3.如权利要求1所述的涂炭箔涂布缺陷检测方法，其特征在于，还包括基于所述灰度变化率小于预设阈值，所述涂炭箔加工不合格，确定所述涂炭箔的缺陷阶段，具体包括：
根据加工时间将所述涂炭箔分为不同的加工阶段；
基于间隔灰度值-时间曲线和加工阶段，将曲线分割为不同的加工曲线，获取不同加工曲线的曲线变化率；
比较不同加工曲线的曲线变化率与预设阈值，收集曲线变化率小于预设阈值的加工曲线；
基于收集的加工曲线，确定其对应的加工阶段，得到对应的缺陷阶段。
4.如权利要求1所述的涂炭箔涂布缺陷检测方法，其特征在于，所述学习模型的建立方法，包括：
建立不同涂炭箔的面密度的第一数据集；其中，ρi为第i个涂炭箔的面密度，i为涂炭箔的个数；
建立不同涂炭箔的灰度值的第二数据集；其中，gi为第i个涂炭箔的灰度值，i为涂炭箔的个数；
建立第一数据集对应第二数据集的预设权重；其中，di为第i个涂炭箔的面密度对应灰度值的预设权重，i为涂炭箔的个数；
所述第一数据集和第二数据集的导出公式为：
ρi=di*gi；
其中，ρi为第i个涂炭箔的面密度，gi为第i个涂炭箔的灰度值，di为第i个预设权重。
5.如权利要求3所述的涂炭箔涂布缺陷检测方法，其特征在于，所述加工阶段分为第一加工阶段、第二加工阶段和第三加工阶段，所述第一加工阶段为预加热升温阶段，所述第二加工阶段为平稳加热阶段，所述第三加工阶段为散热降温阶段。
6.一种涂炭箔涂布缺陷检测系统，用于实现如权利要求1-5任一项所述的涂炭箔涂布缺陷检测方法，其特征在于，包括：
图像获取单元，用于获取涂炭箔烘烤前的第一灰度图像，获取涂炭箔烘烤后的第二灰度图像；
图像处理单元，用于基于所述第一灰度图像得到第一灰度值，基于所述第二灰度图像得到第二灰度值，得到灰度变化值；
第一判断单元，用于判断所述涂炭箔是否具有溶剂残留；
第一信息处理单元，用于基于涂炭箔烘烤后的第二灰度图像，根据第一数据模型，确定所述涂炭箔的面密度；
第二判断单元，用于判断所述涂炭箔的面密度是否在密度阈值范围内；
第二信息处理单元，用于基于涂炭箔烘烤过程中的间隔灰度图像，根据第二数据模型，得到涂炭箔连续加工过程中灰度图像的灰度变化率；
第三判断单元，用于判断灰度变化率大于预设阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311631400.8A CN117351005B (zh) | 2023-12-01 | 2023-12-01 | 一种涂炭箔涂布缺陷检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311631400.8A CN117351005B (zh) | 2023-12-01 | 2023-12-01 | 一种涂炭箔涂布缺陷检测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117351005A CN117351005A (zh) | 2024-01-05 |
| CN117351005B true CN117351005B (zh) | 2024-02-06 |
Family
ID=89371336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311631400.8A Active CN117351005B (zh) | 2023-12-01 | 2023-12-01 | 一种涂炭箔涂布缺陷检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117351005B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117571523B (zh) * | 2024-01-16 | 2024-03-29 | 山东天工岩土工程设备有限公司 | 一种基于盾构机的滚刀质量检测方法、设备及介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000044557A1 (en) * | 1999-01-28 | 2000-08-03 | Henkel Corporation | Surface treatment for magnesium alloys |
| CN103076329A (zh) * | 2012-11-21 | 2013-05-01 | 南京理工大学 | 一种基于主动加热的叶中含梗红外成像检测方法 |
| CN108734704A (zh) * | 2018-05-07 | 2018-11-02 | 西安工程大学 | 基于灰度方差归一化的输电导线断股检测技术 |
| CN108961335A (zh) * | 2018-07-11 | 2018-12-07 | 四川理工学院 | 一种橡胶中炭黑聚集体间距的测量方法 |
| CN109087288A (zh) * | 2018-07-20 | 2018-12-25 | 四川理工学院 | 一种炭黑在橡胶中分散性的测量方法 |
| CN211179561U (zh) * | 2019-05-24 | 2020-08-04 | 芜湖天弋能源科技有限公司 | 涂炭箔材印刷在线外观图像检测装置 |
| CN212048218U (zh) * | 2020-01-17 | 2020-12-01 | 中航锂电科技有限公司 | 一种极片缺陷识别设备 |
| CN112215830A (zh) * | 2020-10-21 | 2021-01-12 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种航天防热材料撞击损伤特征类型判读方法 |
| WO2021092595A1 (en) * | 2019-11-07 | 2021-05-14 | Essenlix Corporation | Improvements of lateral flow assay and vertical flow assay |
| KR20210118180A (ko) * | 2019-01-29 | 2021-09-29 | 오스람 옵토 세미컨덕터스 게엠베하 | μ-LED, μ-LED 조립체, 디스플레이 및 이를 위한 방법 |
| CN114796529A (zh) * | 2021-09-18 | 2022-07-29 | 中国科学院大学附属肿瘤医院 | 一种氧化铁纳米粒子在制备显影剂中的应用 |
| CN116563276A (zh) * | 2023-07-05 | 2023-08-08 | 菲特（天津）检测技术有限公司 | 一种化纤长丝在线缺陷检测方法及检测系统 |
-
2023
- 2023-12-01 CN CN202311631400.8A patent/CN117351005B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000044557A1 (en) * | 1999-01-28 | 2000-08-03 | Henkel Corporation | Surface treatment for magnesium alloys |
| CN103076329A (zh) * | 2012-11-21 | 2013-05-01 | 南京理工大学 | 一种基于主动加热的叶中含梗红外成像检测方法 |
| CN108734704A (zh) * | 2018-05-07 | 2018-11-02 | 西安工程大学 | 基于灰度方差归一化的输电导线断股检测技术 |
| CN108961335A (zh) * | 2018-07-11 | 2018-12-07 | 四川理工学院 | 一种橡胶中炭黑聚集体间距的测量方法 |
| CN109087288A (zh) * | 2018-07-20 | 2018-12-25 | 四川理工学院 | 一种炭黑在橡胶中分散性的测量方法 |
| KR20210118180A (ko) * | 2019-01-29 | 2021-09-29 | 오스람 옵토 세미컨덕터스 게엠베하 | μ-LED, μ-LED 조립체, 디스플레이 및 이를 위한 방법 |
| CN211179561U (zh) * | 2019-05-24 | 2020-08-04 | 芜湖天弋能源科技有限公司 | 涂炭箔材印刷在线外观图像检测装置 |
| WO2021092595A1 (en) * | 2019-11-07 | 2021-05-14 | Essenlix Corporation | Improvements of lateral flow assay and vertical flow assay |
| CN212048218U (zh) * | 2020-01-17 | 2020-12-01 | 中航锂电科技有限公司 | 一种极片缺陷识别设备 |
| CN112215830A (zh) * | 2020-10-21 | 2021-01-12 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种航天防热材料撞击损伤特征类型判读方法 |
| CN114796529A (zh) * | 2021-09-18 | 2022-07-29 | 中国科学院大学附属肿瘤医院 | 一种氧化铁纳米粒子在制备显影剂中的应用 |
| CN116563276A (zh) * | 2023-07-05 | 2023-08-08 | 菲特（天津）检测技术有限公司 | 一种化纤长丝在线缺陷检测方法及检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| Research Progress of Automated Visual Surface Defect Detection for Industrial Metal Planar Materials;Xiaoxin Fang等;《Sensors》;第20卷(第18期);5136 * |
| 采用红外透射显微镜测量碲锌镉材料非晶相缺陷的面密度;周昌鹤等;《2015年红外、遥感技术与应用研讨会暨交叉学科论坛论文集》;54-60 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117351005A (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117351005B (zh) | 一种涂炭箔涂布缺陷检测方法和系统 | |
| CN109598721B (zh) | 电池极片的缺陷检测方法、装置、检测设备和存储介质 | |
| CN117635604B (zh) | 一种建筑工程钢结构焊接质量检测方法 | |
| WO2018137324A1 (zh) | 基于系统参数相关系数的系统升级评估方法 | |
| CN108449712B (zh) | 一种基于Wi-Fi信号指纹信息的建筑物楼层确定方法 | |
| CN109584175B (zh) | 一种图像处理方法及装置 | |
| US11635743B2 (en) | Parameters suggestion system of solder paste screen printer including method, device employing method, and non-transitory storage | |
| US20240303800A1 (en) | Method for Analyzing an Electrode Layer of a Battery Storage Device, Method for Producing a Battery Storage Device, and Production Unit | |
| CN116523913B (zh) | 一种丝杆质量智能检测方法 | |
| CN117557806A (zh) | 硅棒生长视觉监测方法、装置、设备及存储介质 | |
| CN116223515B (zh) | 一种用于电路板测试过程的导电图形缺陷检测方法 | |
| CN114092397A (zh) | 一种基于图像处理的腐蚀铝箔孔洞面积和直径统计方法 | |
| CN111310402B (zh) | 一种基于面面平行的印刷电路板裸板缺陷检测方法 | |
| CN108613998B (zh) | 应用于pcb板的晶粒均匀性的评价方法及评价系统 | |
| CN116385390A (zh) | 贴胶质量检测方法、检测装置、电子设备和存储介质 | |
| CN115950250A (zh) | 隧道炉控制方法、系统、电子设备及存储介质 | |
| CN110633657A (zh) | 一种高炉崩料预测方法 | |
| CN110108239B (zh) | 极片质量信息获取方法、系统及设备 | |
| CN111179267A (zh) | 一种零件表面激光熔覆制造过程的质量监测方法 | |
| CN118333948A (zh) | 基于机器视觉的水性粘结剂生产质量检测方法 | |
| CN118037718B (zh) | 一种电器端子生产缺陷检测方法 | |
| CN117974632B (zh) | 一种基于分割大模型的锂电池ct阴阳极对齐度检测方法 | |
| CN113655791B (zh) | 一种基于线性ccd摄像头的车辆寻迹方法及系统 | |
| CN118513693B (zh) | 一种激光切割智能控制系统 | |
| CN114603417B (zh) | 一种pcb磨板方法、pcb返磨装置及pcb |
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 |