CN117689600A - 电芯检测方法、装置、设备、可读存储介质及程序产品 - Google Patents

电芯检测方法、装置、设备、可读存储介质及程序产品 Download PDF

Info

Publication number
CN117689600A
CN117689600A CN202210960992.7A CN202210960992A CN117689600A CN 117689600 A CN117689600 A CN 117689600A CN 202210960992 A CN202210960992 A CN 202210960992A CN 117689600 A CN117689600 A CN 117689600A
Authority
CN
China
Prior art keywords
image
battery cell
determining
target
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210960992.7A
Other languages
English (en)
Inventor
王冰泉
陈飞
江冠南
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.)
Contemporary Amperex Technology Co Ltd
Original Assignee
Contemporary Amperex 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 Contemporary Amperex Technology Co Ltd filed Critical Contemporary Amperex Technology Co Ltd
Priority to CN202210960992.7A priority Critical patent/CN117689600A/zh
Priority to EP23790539.3A priority patent/EP4350620A4/en
Priority to PCT/CN2023/084653 priority patent/WO2024032006A1/zh
Priority to US18/385,938 priority patent/US20240062381A1/en
Publication of CN117689600A publication Critical patent/CN117689600A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种电芯检测方法、装置、设备、可读存储介质及程序产品，该方法包括：获取第一图像，第一图像包括电芯所处的第一区域；根据第一区域，确定电芯的第一边缘线；基于第一图像中预设区域的各像素点对应的灰度值，确定电芯的检测结果，其中，检测结果用于指示电芯是否存在底托片，预设区域为距离第一边缘线预设范围内的区域。根据本申请实施例，可以根据底托片与电芯之间的位置关系，在第一图像中确定出电芯的第一边缘线后，根据第一边缘线附近的像素点的灰度值检测电芯是否存在底托片，实现了电芯检测过程的自动化，无需再进行人工检测，有效减少了人力耗费，提高了检测效率。

Description

电芯检测方法、装置、设备、可读存储介质及程序产品
技术领域
本申请涉及电芯检测技术领域，特别是涉及一种电芯检测方法、装置、设备、可读存储介质及程序产品。
背景技术
在电池的制造过程中，裸电芯在制造完成后通常需要包覆薄膜后再被装入硬质的壳体中以完成组装。为防止电芯与壳体直接接触，引发电芯短路，往往还需要在裸电芯包覆薄膜时在其底部加装底托片，以保证后续电芯的性能稳定性。
目前，要检测完成包覆薄膜工序的电芯是否存在底托片，往往需要采用人工检测的方式进行确定，导致电芯检测的效率较低，且人力耗费较大。
发明内容
本申请实施例提供一种电芯检测方法、装置、设备、可读存储介质及程序产品，以解决现有的电芯检测方法效率较低，人力耗费较大的技术问题。
第一方面，本申请实施例提供一种电芯检测方法，包括：
获取第一图像，第一图像包括电芯所处的第一区域；
根据第一区域，确定电芯的第一边缘线；
基于第一图像中预设区域的各像素点对应的灰度值，确定电芯的检测结果，其中，检测结果用于指示电芯是否存在底托片，预设区域为距离第一边缘线预设范围内的区域。
在本申请实施例中，由于底托片贴设于电芯上且尺寸往往小于电芯，因此可以根据底托片与电芯之间的位置关系，在第一图像中确定出电芯的第一边缘线后，根据第一边缘线附近的像素点的灰度值检测电芯是否存在底托片，实现了电芯检测过程的自动化，无需再进行人工检测，有效减少了人力耗费，提高了检测效率。
可选地，在一些实施例中，在获取第一图像之后，且在根据第一区域，确定电芯的第一边缘线之前，电芯检测方法还包括：
根据第一图像中各像素点对应的灰度值，确定灰度值大于或等于第一阈值的第一像素点；
将第一像素点的最小外接矩形确定为第一区域。
这样，可以直接基于第一图像中各像素点对应的灰度值，确定出电芯所处的第一区域，能够有效节约算力资源，提高识别第一区域的效率。
可选地，在一些实施例中，获取第一图像，包括：
获取初始图像；
对初始图像进行预处理，得到第一图像。
本实施例中，针对电芯外部往往存在胶带，其可能会对后续电芯是否存在底托片的检测造成干扰的情况，可以对获取到的初始图像进行预处理，以改善胶带对电芯检测的干扰，提高电芯检测结果的准确性。
可选地，在一些实施例中，对初始图像进行预处理，得到第一图像，包括：
对初始图像进行灰度处理，得到灰度图像；
调整灰度图像的对比度，得到第一图像。
本实施例可以通过灰度处理以及对比度调整，使得胶带部分的灰度值接近电芯部分的灰度值，从而改善胶带对电芯检测的干扰，提高电芯检测结果的准确性。
可选地，在一些实施例中，对初始图像进行预处理，得到第一图像，包括：
将初始图像拆分为三通道图像，三通道图像包括红色通道图像、绿色通道图像和蓝色通道图像；
将红色通道图像、绿色通道图像和蓝色通道图像中，满足预设干扰条件的任一通道图像确定为第一图像。
本实施例中，可以将初始图像拆分为三通道图像，选取三通道图像中干扰最小的单通道图像为第一图像，从而提高电芯检测结果的准确性。
可选地，在一些实施例中，基于第一图像中预设区域的各像素点对应的灰度值，确定电芯的检测结果，包括：
基于第一图像中预设区域的各像素点对应的灰度值，确定灰度值满足预设条件的目标像素点；
根据目标像素点，拟合得到目标边缘线；
根据目标边缘线的数量，确定电芯的检测结果。
本实施例可以通过筛选出灰度值满足预设条件的目标像素点，拟合得到目标边缘线，并根据目标边缘线的数量判断电芯是否存在底托片，其检测过程简单，有效节约了算力资源，提高了电芯检测的效率。
可选地，在一些实施例中，基于第一图像中预设区域的各像素点对应的灰度值，确定灰度值满足预设条件的目标像素点，包括：
将预设区域沿第一边缘线的延伸方向进行划分，得到N个子区域，每个子区域包括M个像素点，N、M为大于1的整数；
从每个子区域的M个像素点中确定目标像素点，目标像素点的灰度值与其相邻像素点的灰度值的差值大于或等于第二阈值。
这样，可以通过将预设区域划分为多个子区域，并根据每个子区域中像素点之间的灰度值差值来筛选目标像素点，能够更准确地确定目标像素点，从而可以更精准地拟合目标边缘线，从而进一步提高电芯检测结果的准确性。
可选地，在一些实施例中，根据目标像素点，拟合得到目标边缘线，包括：
获取目标像素点的像素坐标；
将像素坐标满足预设坐标条件的目标像素点确定为第二像素点；
在第二像素点的数量大于或等于预设数量阈值的情况下，将第二像素点拟合得到一条目标边缘线。
本实施例可以基于像素坐标，剔除目标像素点中的干扰项，以提高目标边缘线的拟合精度，进而提高电芯检测结果的准确性。
可选地，在一些实施例中，根据目标边缘线的数量，确定电芯的检测结果，包括：
在目标边缘线的数量为0的情况下，确定电芯不存在底托片。
这样，可以直接基于目标边缘线的数量判断电芯是否存在底托片，检测过程简单方便，算力消耗较少且效率较高。
可选地，在一些实施例中，在目标边缘线的数量为0的情况下，确定电芯不存在底托片，包括：
在目标边缘线的数量为0的情况下，将第一图像输入至模糊识别模型中，确定第一图像是否为模糊图像；
在第一图像不为模糊图像的情况下，确定电芯不存在底托片。
本实施例中，可以在目标边缘线的数量为0的情况下，确定第一图像是否为模糊图像，验证目标边缘线的数量的可靠性，进而提高电芯检测结果的准确性。
可选地，在一些实施例中，在目标边缘线的数量为0的情况下，将第一图像输入至模糊识别模型中，确定第一图像是否为模糊图像之后，电芯检测方法还包括：
在第一图像为模糊图像的情况下，重新获取第一图像。
在本实施例中，若检测到第一图像为模糊图像，则可以重新获取第一图像，然后基于重新获取到的清晰的第一图像识别目标边缘线，得到准确的目标边缘线的数量，可以保证电芯检测结果的准确性。
可选地，在一些实施例中，根据目标边缘线的数量，确定电芯的检测结果，包括：
在目标边缘线的数量为2的情况下，确定电芯存在底托片。
这样，可以直接基于目标边缘线的数量判断电芯是否存在底托片，检测过程简单方便，算力消耗较少且效率较高。
可选地，在一些实施例中，在目标边缘线的数量为2的情况下，确定电芯存在底托片，包括：
在目标边缘线的数量为2，且至少一条目标边缘线位于第一区域内的情况下，确定电芯存在底托片。
在本实施例中，可以结合目标边缘线的数量以及底托片与电芯之间的位置，共同确定电芯是否存在底托片，进一步确保电芯检测结果的准确性。
可选地，在一些实施例中，在第一图像包括电芯的第一端的情况下，根据目标边缘线的数量，确定电芯的检测结果，包括：
在目标边缘线的数量为1的情况下，获取第二图像，第二图像包括电芯的第二端，第二端与第一端相对；
在第二图像中的目标边缘线的数量为1的情况下，确定电芯不存在底托片。
本实施例中，通过检测电芯另一端图像中的目标边缘线数量，可以排除底托片错位从而检测不到底托片的情况，提高电芯检测结果的准确性。
可选地，在一些实施例中，在目标边缘线的数量为1的情况下，获取第二图像之后，方法还包括：
在第二图像中的目标边缘线的数量为2的情况下，确定电芯存在底托片。
本实施例中，可以检测电芯另一端图像中的目标边缘线数量，从而结合电芯两端的目标边缘线数量，可以更准确地确定电芯是否存在底托片。
第二方面，本申请实施例提供一种电芯检测装置，包括：
获取模块，用于获取第一图像，第一图像包括电芯的第一端所处的第一区域；
第一确定模块，用于根据第一区域，确定电芯的第一边缘线；
第二确定模块，用于基于第一图像中预设区域的各像素点对应的灰度值，确定电芯的检测结果，其中，检测结果用于指示电芯是否存在底托片，预设区域为距离第一边缘线预设范围内的区域。
第三方面，本申请实施例提供一种电子设备，设备包括：处理器以及存储有程序指令的存储器；处理器执行程序指令时实现第一方面的方法。
第四方面，本申请实施例提供一种可读存储介质，可读存储介质上存储有程序指令，程序指令被处理器执行时实现第一方面的方法。
第五方面，本申请实施例提供一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行第一方面的方法。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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，还可以根据附图获得其他的附图。
图1是本申请一个实施例提供的电芯检测方法的流程示意图；
图2是本申请实施例提供的电芯检测方法中第一区域的示意图；
图3是本申请实施例提供的电芯检测方法中对第一图像进行预处理的状态示意图；
图4a是本申请实施例提供的电芯检测方法中红色通道图像的示意图；
图4b是本申请实施例提供的电芯检测方法中绿色通道图像的示意图；
图4c是本申请实施例提供的电芯检测方法中蓝色通道图像的示意图；
图5是本申请实施例提供的电芯检测方法中子区域的示意图；
图6是本申请实施例提供的电芯检测方法中目标边缘线的示意图；
图7是本申请另一个实施例提供的电芯检测装置的结构示意图；
图8是本申请又一个实施例提供的电子设备的结构示意图。
在附图中，附图未必按照实际的比例绘制。
具体实施方式
下面结合附图和实施例对本申请的实施方式作进一步详细描述。以下实施例的详细描述和附图用于示例性地说明本申请的原理，但不能用来限制本申请的范围，即本申请不限于所描述的实施例。
在本申请的描述中，需要说明的是，除非另有说明，“多个”的含义是两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。“垂直”并不是严格意义上的垂直，而是在误差允许范围之内。“平行”并不是严格意义上的平行，而是在误差允许范围之内。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
本申请实施例提供一种电芯检测方法、装置、设备、可读存储介质及程序产品，以解决现有的电芯检测方法效率较低，人力耗费较大的技术问题。下面首先介绍本申请实施例提供的电芯检测方法。
请参阅图1，图1是本申请一个实施例提供的电芯检测方法的流程示意图，该电芯检测方法可以包括如下步骤：
步骤101，获取第一图像，第一图像包括电芯所处的第一区域；
步骤102，根据第一区域，确定电芯的第一边缘线；
步骤103，基于第一图像中预设区域的各像素点对应的灰度值，确定电芯的检测结果，其中，检测结果用于指示电芯是否存在底托片，预设区域为距离第一边缘线预设范围内的区域。
在本申请实施例中，可以获取第一图像，根据第一图像中电芯所处的第一区域，确定出电芯的第一边缘线，第一图像中距离第一边缘线在预设范围内的预设区域，然后基于预设区域的各像素点对应的灰度值，判断第一边缘线附近是否检测到底托片，进而可以确定电芯的检测结果，即该电芯是否存在底托片。这样，由于底托片贴设于电芯上且尺寸往往小于电芯，因此可以根据底托片与电芯之间的位置关系，在第一图像中确定出电芯的第一边缘线后，根据第一边缘线附近的像素点的灰度值检测电芯是否存在底托片，实现了电芯检测过程的自动化，无需再进行人工检测，有效减少了人力耗费，提高了检测效率。
在步骤101中，可以获取第一图像，其中第一图像可以是图像采集装置对电芯进行拍摄得到的图像，可以理解的是，第一图像中可以包括电芯的至少一端的拍摄内容。
获取到第一图像后，可以识别第一图像中电芯的第一区域。示例地，可以是将第一图像输入预先训练得到的目标检测网络中，通过特征检测、语义检测等方式识别出第一区域。还可以是基于第一图像中各像素点的灰度值，识别出电芯所属的点像素，进而确定第一图像中的第一区域。
在步骤102中，在识别出第一图像中电芯所处的第一区域后，可以确定电芯的第一边缘线，第一边缘线即可以用于表征电芯一端在第一图像中所处的位置。
在步骤103中，可以将第一图像中距离第一边缘线在预设范围内的区域确定为预设区域，预设范围可以根据实际情况进行设定，此处不作具体限定。其中预设区域即可以表示电芯一端附近的区域。
可以理解的是，薄膜通常包于电芯外部，而底托片贴设在电芯外部，且底托片的尺寸通常小于电芯。基于这样的位置关系，可以对预设区域进行检测，判断包覆有薄膜的电芯是否存在底托片。
示例地，可以是基于预设区域的各像素点对应的灰度值，确定电芯是否存在底托片。例如，可以根据实际情况，确定底托片区域对应的灰度值范围，通过确定预设区域中灰度值满足底托片区域对应的灰度值范围的像素点，再判断这些像素点的区域是否满足底托片的位置关系，如是否位于第一区域内，进而可以判断电芯是否存在底托片。
又例如，也可以是检测预设区域内是否存在目标边缘线，可以理解的是，该目标边缘线为区别于电芯的第一边缘线的其他边缘线，在存在目标边缘线的情况下，可以根据目标边缘线的位置判断电芯是否存在底托片。如由于底托片的尺寸通常小于电芯，在目标边缘线位于第一区域内时，则可以认为该目标边缘线为底托片的边缘线，则可以认为电芯存在底托片。
还例如，在检测到预设区域中存在目标边缘线的情况下，还可以根据目标边缘线的数量判断电芯是否存在底托片。如由于电芯外部通常存在底托片和薄膜，则在检测到预设区域中有两条目标边缘线时，则可以认为其中一条为薄膜的边缘线，另一条为底托片的边缘线，因此可以认为电芯存在底托片。
可选地，在一些实施例中，在步骤101之后，且在步骤102之前，电芯检测方法还可以包括如下步骤：
根据第一图像中各像素点对应的灰度值，确定灰度值大于或等于第一阈值的第一像素点；
将第一像素点的最小外接矩形确定为第一区域。
可以理解的是，如图2所示，电芯部分在第一图像中往往是最亮的区域(呈白色)，可以基于该特征，将第一图像中灰度值大于或等于第一阈值的第一像素点确定为电芯所属的像素点，再根据第一像素点所处的区域，作其最小外接矩形，可以将该最小外接矩形确定为电芯的第一区域201。可以理解的是，电芯的第一边缘线即可以为最小外接矩形的一边长。
这样，可以直接基于第一图像中各像素点对应的灰度值，确定出电芯所处的第一区域，能够有效节约算力资源，提高识别第一区域的效率。
可选地，在一些实施例中，上述步骤101可以包括如下步骤：
获取初始图像；
对初始图像进行预处理，得到第一图像。
可以理解的是，电芯包覆薄膜后，往往需要对电芯进行胶封以防止薄膜脱落，因此电芯外部往往存在胶带，其可能会对后续电芯是否存在底托片的检测造成干扰，导致电芯检测结果不准确。
基于此，可以先获取初始图像，然后对该初始图像进行通道拆分、灰度处理等预处理，得到第一图像，以改善胶带对电芯检测的干扰，提高电芯检测结果的准确性。
可选地，在一些实施例中，上述对初始图像进行预处理，得到第一图像，可以包括如下步骤：
对初始图像进行灰度处理，得到灰度图像；
调整灰度图像的对比度，得到第一图像。
在本实施例中，图像采集装置对电芯拍摄得到的初始图像可以为彩色图像，可以先将初始图像进行灰度处理，得到灰度图像。在灰色图像中，胶带部分通常会呈现出较暗区域，为了改善该区域对后续检测电芯是否存在底托片的干扰，如图3所示，可以增强灰度图像的对比度，使得灰度图像整体变亮，得到第一图像。使得第一图像中胶带部分可以接近电芯的亮度，从而改善了胶带区域的灰度值影响底托片检测的情况，提高了电芯检测结果的准确性。
调整灰度图像的对比度，示例地，可以是对第一图像中的每个像素点的灰度值按照预设的直线方程y＝kx+b进行计算，来达到调整对比度的效果。其中x为对比度调整前的灰度值，y为对比度调整后的灰度值，k、b为需要调整的参数，可以根据实际情况进行设定。
k值的调整可以直接影响到第一图像的灰度值，在k小于1时，可使各像素点的灰度值的差值变小，在k大于1时，则可增大各像素点之间的灰度值差值，达到对比度调整的效果。而b值的调整会影响第一图像的整体亮度，在b大于0时可以增加第一图像的整体亮度，在b小于0时则可以使第一图像整体变暗。
在计算中，每个像素点的灰度值范围可以为0-255，灰度值为0时该像素点呈现为黑色，灰度值越大该像素点越接近白色。在计算得到的y大于255时，将直接置为255。
在本实施例中，由于胶带部分较暗，其灰度值较小，为了使其与电芯部分的灰度值更接近，可以增大k值，使得胶带部分的灰度值与电芯部分的灰度值的差值可以减小。
可选地，在一些实施例中，上述对初始图像进行预处理，得到第一图像，还可以包括如下步骤：
将初始图像拆分为三通道图像，三通道图像包括红色通道图像、绿色通道图像和蓝色通道图像；
将红色通道图像、绿色通道图像和蓝色通道图像中，满足预设干扰条件的任一通道图像确定为第一图像。
在本实施例中，图像采集装置对电芯拍摄得到的初始图像可以为彩色图像，请参阅图4a、图4b和图4c，可以将彩色的初始图像拆分为三张单通道图像，得到红色通道图像、绿色通道图像和蓝色通道图像。然后可以满足预设干扰条件的一张单通道图像确定为第一图像。其中，预设干扰条件可以是基于胶带的颜色确定的。
例如，现有的电芯通常采用蓝胶来封装薄膜，因此，在蓝色通道下蓝胶部分的干扰最小，因此可以选取蓝色通道图像为第一图像，以提高电芯检测结果的准确性。
可选地，在一些实施例中，上述步骤103可以包括如下步骤：
基于第一图像中预设区域的各像素点对应的灰度值，确定灰度值满足预设条件的目标像素点；
根据目标像素点，拟合得到目标边缘线；
根据目标边缘线的数量，确定电芯的检测结果。
在本实施例中，可以确定出预设区域中灰度值满足预设条件的目标像素点，然后基于现有的直线拟合算法，对目标像素点进行拟合，得到目标边缘线，可以理解的是，拟合得到的目标边缘线的数量可以为0，可以为一条，也可以为多条。
其中，目标像素点的灰度值满足预设条件，可以是目标像素点的灰度值处于预设灰度值范围内，也可以是目标像素点的灰度值与其相邻像素点的灰度值的差值满足预设差值条件，如大于或等于某一阈值等，此处不作具体限定。
拟合得到目标边缘线后，可以根据目标边缘线的数量，判断电芯是否存在底托片，例如，若目标边缘线的数量为0，则可以认为电芯不存在底托片；若目标边缘线的数量为2，则可以认为电芯存在底托片。
本实施例可以通过筛选出灰度值满足预设条件的目标像素点，拟合得到目标边缘线，并根据目标边缘线的数量判断电芯是否存在底托片，其检测过程简单，有效节约了算力资源，提高了电芯检测的效率。
可选地，在一些实施例中，上述基于第一图像中预设区域的各像素点对应的灰度值，确定灰度值满足预设条件的目标像素点，可以包括如下步骤：
将预设区域沿第一边缘线的延伸方向进行划分，得到N个子区域，每个子区域包括M个像素点，N、M为大于1的整数；
从每个子区域的M个像素点中确定目标像素点，目标像素点的灰度值与其相邻像素点的灰度值的差值大于或等于第二阈值。
可以理解的是，边缘线的亮度往往与其附近区域的亮度存在差别，因此，可以根据像素点之间的灰度值差值确定出可能所属目标边缘线的目标像素点。
在本实施例中，如图5所示，可以将预设区域沿第一边缘线的延伸方向划分为多个子区域501，可以计算各子区域501中的每个像素点与其相邻像素点之间的灰度值差值，若差值大于或等于第二阈值，则可以认为该像素点为目标边缘线所属的目标像素点。
这样，可以通过将预设区域划分为多个子区域，并根据每个子区域中像素点之间的灰度值差值来筛选目标像素点，能够更准确地确定目标像素点，从而可以更精准地拟合目标边缘线，从而进一步提高电芯检测结果的准确性。
可选地，在一些实施例中，上述根据目标像素点，拟合得到目标边缘线，可以包括如下步骤：
获取目标像素点的像素坐标；
将像素坐标满足预设坐标条件的目标像素点确定为第二像素点；
在第二像素点的数量大于或等于预设数量阈值的情况下，将第二像素点拟合得到一条目标边缘线。
在本实施例中，可以获取目标像素点的坐标，并将像素坐标满足预设坐标条件的目标像素点确定为第二像素点。其中，预设坐标条件可以是基于第一边缘线确定的，例如，可以以第一边缘线为基础建立图像坐标系，图像坐标系中的Y轴可以与第一边缘线平行，换而言之，第一边缘线上的各像素点的X轴坐标相等。基于此，可以将X轴坐标的差值小于预设差值阈值的目标像素点，确定为一组第二像素点。
可以理解的是，目标像素点中可以包括一组第二像素点，也可以包括多组第二像素点。
如图6所示，在一组第二像素点的数量大于或等于预设数量阈值的情况下，可以将该组第二像素点拟合得到一条目标边缘线601。而某一组的第二像素点的数量若小于预设数量阈值，则可以认为像素点可能是干扰点，可以将其剔除，以提高目标边缘线的拟合精度，进而提高电芯检测的准确性。
本实施例可以基于像素坐标，剔除目标像素点中的干扰项，以提高目标边缘线的拟合精度，进而提高电芯检测结果的准确性。
可选地，在一些实施例中，上述根据目标边缘线的数量，确定电芯的检测结果，可以包括如下步骤：
在目标边缘线的数量为0的情况下，确定电芯不存在底托片。
在本实施例中，若目标边缘线的数量为0，则可以认为第一图像中不存在薄膜和底托片的边缘线，此时可以认为电芯不存在底托片。这样，可以直接基于目标边缘线的数量判断电芯是否存在底托片，检测过程简单方便，算力消耗较少且效率较高。
可选地，在一些实施例中，上述在目标边缘线的数量为0的情况下，确定电芯不存在底托片，可以包括如下步骤：
在目标边缘线的数量为0的情况下，将第一图像输入至模糊识别模型中，确定第一图像是否为模糊图像；
在第一图像不为模糊图像的情况下，确定电芯不存在底托片。
可以理解的是，电芯检测时可能存在图像采集装置拍摄的图像模糊，导致后续影响目标边缘线的识别的情况，为了进一步提高电芯检测结果的准确性，在本实施例中，可以在目标边缘线的数量为0的情况下，将第一图像输入至模糊识别模型中，其中模糊识别模型可以是基于多张模糊图像和多张清晰图像预先训练得到。
模糊识别模型可以用于检测输入的图像是否模糊，换而言之，可以通过将第一图像输入至模糊识别模型中，确定第一图像是否为模糊图像。
若第一图像不为模糊图像，则可以认为第一图像是清晰的，第一图像本身不会影响目标边缘线的识别，因此可以认为目标边缘线的数量为0的结果是可靠的，此时可以确定电芯不存在底托片。
可选地，在一些实施例中，上述在目标边缘线的数量为0的情况下，将第一图像输入至模糊识别模型中，确定第一图像是否为模糊图像之后，电芯检测方法还可以包括如下步骤：
在第一图像为模糊图像的情况下，重新获取第一图像。
在本实施例中，若检测到第一图像为模糊图像，则可以重新获取第一图像，然后基于重新获取到的清晰的第一图像识别目标边缘线，得到准确的目标边缘线的数量，可以保证电芯检测结果的准确性。
可选地，在一些实施例中，上述根据目标边缘线的数量，确定电芯的检测结果，可以包括如下步骤：
在目标边缘线的数量为2的情况下，确定电芯存在底托片。
可以理解的是，由于薄膜与底托片通常是采用相同材质制成，在区分二者时较为困难。本实施例可以直接基于目标边缘线的数量判断电芯是否存在底托片。
在本实施例，若检测到目标边缘线的数量为2，则可以认为其中一条为薄膜的边缘线，另一条为底托片的边缘线。换而言之，可以确定电芯存在底托片。这样，可以直接基于目标边缘线的数量判断电芯是否存在底托片，检测过程简单方便，算力消耗较少且效率较高。
可选地，在一些实施例中，上述在目标边缘线的数量为2的情况下，确定电芯存在底托片，可以包括如下步骤：
在目标边缘线的数量为2，且至少一条目标边缘线位于第一区域内的情况下，确定电芯存在底托片。
在本实施例中，除了目标边缘线的数量外，还可以结合底托片与电芯之间的位置，共同确定电芯是否存在底托片，进一步确保电芯检测结果的准确性。例如，在目标边缘线的数量为2，同时存在至少一条目标边缘线位于第一区域内的情况下，则可以认为目标边缘线中存在底托片对应的边缘线，此时可以确定电芯存在底托片。
可选地，在一些实施例中，在第一图像包括电芯的第一端的情况下，上述根据目标边缘线的数量，确定电芯的检测结果，可以包括如下步骤：
在目标边缘线的数量为1的情况下，获取第二图像，第二图像包括电芯的第二端，第二端与第一端相对；
在第二图像中的目标边缘线的数量为1的情况下，确定电芯不存在底托片。
在本实施例中，第一图像可以是图像采集装置对电芯的第一端拍摄的图像，在第一图像中的目标边缘线为1的情况下，可以认为存在两种情况：一是电芯不存在底托片，该目标边缘线为薄膜对应的边缘线；二是电芯存在底托片，但是底托片存在错位的情况，导致底托片的边缘线与薄膜的边缘线发生重合，从而仅检测到一条目标边缘线。
基于此，本实施例可以获取第二图像，其中第二图像为图像采集装置对电芯的第二端拍摄的图像，第一端与第二端相对。然后可以采用上文所言的检测方式，检测第二图像中的目标边缘线的数量。
若第二图像中的目标边缘线的数量也为1，则可以认为电芯确实不存在底托片，一条目标边缘线为薄膜对应的边缘线。
本实施例中，通过检测电芯另一端图像中的目标边缘线数量，可以排除底托片错位从而检测不到底托片的情况，提高电芯检测结果的准确性。
可选地，在一些实施例中，上述在目标边缘线的数量为1的情况下，获取第二图像之后，电芯检测方法还可以包括如下步骤：
在第二图像中的目标边缘线的数量为2的情况下，确定电芯存在底托片。
在本实施例中，若第二图像中的目标边缘线的数量为2，则可以认为电芯的底托片存在错位的情况，即电芯存在底托片。
本实施例中，可以检测电芯另一端图像中的目标边缘线数量，从而结合电芯两端的目标边缘线数量，可以更准确地确定电芯是否存在底托片。
基于上述实施例提供的电芯检测方法，本申请还提供了一种电芯检测装置的实施例。
图7示出了本申请另一个实施例提供的电芯检测装置的结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图7，电芯检测装置700可以包括：
获取模块701，用于获取第一图像，第一图像包括电芯所处的第一区域；
第一确定模块702，用于根据第一区域，确定电芯的第一边缘线；
第二确定模块703，用于基于第一图像中预设区域的各像素点对应的灰度值，确定电芯的检测结果，其中，检测结果用于指示电芯是否存在底托片，预设区域为距离第一边缘线预设范围内的区域。
在本申请实施例中，
可选地，在一些实施例中，电芯检测装置700还可以包括：
第三确定模块，用于根据第一图像中各像素点对应的灰度值，确定灰度值大于或等于第一阈值的第一像素点；
第四确定模块，用于将第一像素点的最小外接矩形确定为第一区域。
可选地，在一些实施例中，获取模块701可以包括：
获取单元，用于获取初始图像；
预处理单元，用于对初始图像进行预处理，得到第一图像。
可选地，在一些实施例中，预处理单元可以用于：
对初始图像进行灰度处理，得到灰度图像；
调整灰度图像的对比度，得到第一图像。
可选地，在一些实施例中，预处理单元还可以用于：
将初始图像拆分为三通道图像，三通道图像包括红色通道图像、绿色通道图像和蓝色通道图像；
将红色通道图像、绿色通道图像和蓝色通道图像中，满足预设干扰条件的任一通道图像确定为第一图像。
可选地，在一些实施例中，第二确定模块703可以包括：
第一确定单元，用于基于第一图像中预设区域的各像素点对应的灰度值，确定灰度值满足预设条件的目标像素点；
拟合单元，用于根据目标像素点，拟合得到目标边缘线；
第二确定单元，用于根据目标边缘线的数量，确定电芯的检测结果。
可选地，在一些实施例中，第一确定单元可以用于：
将预设区域沿第一边缘线的延伸方向进行划分，得到N个子区域，每个子区域包括M个像素点，N、M为大于1的整数；
从每个子区域的M个像素点中确定目标像素点，目标像素点的灰度值与其相邻像素点的灰度值的差值大于或等于第二阈值。
可选地，在一些实施例中，拟合单元可以用于：
获取目标像素点的像素坐标；
将像素坐标满足预设坐标条件的目标像素点确定为第二像素点；
在第二像素点的数量大于或等于预设数量阈值的情况下，将第二像素点拟合得到一条目标边缘线。
可选地，在一些实施例中，第二确定单元可以用于：
在目标边缘线的数量为0的情况下，确定电芯不存在底托片。
可选地，在一些实施例中，第二确定单元还可以用于：
在目标边缘线的数量为0的情况下，将第一图像输入至模糊识别模型中，确定第一图像是否为模糊图像；
在第一图像不为模糊图像的情况下，确定电芯不存在底托片。
可选地，在一些实施例中，获取模块70还可以用于：
在第一图像为模糊图像的情况下，重新获取第一图像。
可选地，在一些实施例中，第二确定单元可以用于：
在目标边缘线的数量为2的情况下，确定电芯存在底托片。
可选地，在一些实施例中，第二确定单元还可以用于：
在目标边缘线的数量为2，且至少一条目标边缘线位于第一区域内的情况下，确定电芯存在底托片。
可选地，在一些实施例中，获取模块701还可以用于：
在目标边缘线的数量为1的情况下，获取第二图像，其中，第一图像包括电芯的第一端，第二图像包括电芯的第二端，第二端与第一端相对；
第二确定单元还可以用于：
在第二图像中的目标边缘线的数量为1的情况下，确定电芯不存在底托片。
可选地，在一些实施例中，第二确定单元还可以用于：
在第二图像中的目标边缘线的数量为2的情况下，确定电芯存在底托片。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，与本申请方法实施例基于同一构思，是与上述电池极片对齐度检测方法对应的装置，上述方法实施例中所有实现方式均适用于该装置的实施例中，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图8示出了本申请又一个实施例提供的电子设备的硬件结构示意图。
电子设备可以包括处理器801以及存储有程序或指令的存储器802。处理器801执行程序时实现上述任意各个方法实施例中的步骤。
示例性的，程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器802中，并由处理器801执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列程序指令段，该指令段用于描述程序在设备中的执行过程。
具体地，上述处理器801可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器802可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器802可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器802可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器802可在综合网关容灾设备的内部或外部。在特定实施例中，存储器802是非易失性固态存储器。
存储器可包括只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器801通过读取并执行存储器802中存储的程序或指令，以实现上述实施例中的任意一种方法。
在一个示例中，电子设备还可包括通信接口803和总线804。其中，处理器801、存储器802、通信接口803通过总线804连接并完成相互间的通信。
通信接口803，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线804包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线804可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
另外，结合上述实施例中的方法，本申请实施例可提供一种可读存储介质来实现。该可读存储介质上存储有程序或指令；该程序或指令被处理器执行时实现上述实施例中的任意一种方法。该可读存储介质可以被如计算机等机器读取。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
本申请实施例提供一种计算机程序产品，该程序产品被存储在可读存储介质中，该程序产品被至少一个处理器执行以实现如上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网格被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序或指令实现。这些程序或指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
虽然已经参考优选实施例对本申请进行了描述，但在不脱离本申请的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件，尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本申请并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

Claims (19)

1.一种电芯检测方法，其特征在于，包括：
获取第一图像，所述第一图像包括电芯所处的第一区域；
根据所述第一区域，确定所述电芯的第一边缘线；
基于所述第一图像中预设区域的各像素点对应的灰度值，确定所述电芯的检测结果，其中，所述检测结果用于指示所述电芯是否存在底托片，所述预设区域为距离所述第一边缘线预设范围内的区域。
2.根据权利要求1所述的方法，其特征在于，在所述获取第一图像之后，且在所述根据所述第一区域，确定所述电芯的第一边缘线之前，所述方法还包括：
根据所述第一图像中各像素点对应的灰度值，确定灰度值大于或等于第一阈值的第一像素点；
将所述第一像素点的最小外接矩形确定为所述第一区域。
3.根据权利要求1或2所述的方法，其特征在于，所述获取第一图像，包括：
获取初始图像；
对所述初始图像进行预处理，得到第一图像。
4.根据权利要求3所述的方法，其特征在于，所述对所述初始图像进行预处理，得到第一图像，包括：
对所述初始图像进行灰度处理，得到灰度图像；
调整所述灰度图像的对比度，得到第一图像。
5.根据权利要求3所述的方法，其特征在于，所述对所述初始图像进行预处理，得到第一图像，包括：
将所述初始图像拆分为三通道图像，所述三通道图像包括红色通道图像、绿色通道图像和蓝色通道图像；
将所述红色通道图像、所述绿色通道图像和所述蓝色通道图像中，满足预设干扰条件的任一通道图像确定为第一图像。
6.根据权利要求1所述的方法，其特征在于，所述基于所述第一图像中预设区域的各像素点对应的灰度值，确定所述电芯的检测结果，包括：
基于所述第一图像中预设区域的各像素点对应的灰度值，确定灰度值满足预设条件的目标像素点；
根据所述目标像素点，拟合得到目标边缘线；
根据所述目标边缘线的数量，确定所述电芯的检测结果。
7.根据权利要求6所述的方法，其特征在于，所述基于所述第一图像中预设区域的各像素点对应的灰度值，确定灰度值满足预设条件的目标像素点，包括：
将所述预设区域沿所述第一边缘线的延伸方向进行划分，得到N个子区域，每个所述子区域包括M个像素点，N、M为大于1的整数；
从每个所述子区域的M个像素点中确定目标像素点，所述目标像素点的灰度值与其相邻像素点的灰度值的差值大于或等于第二阈值。
8.根据权利要求6所述的方法，其特征在于，所述根据所述目标像素点，拟合得到目标边缘线，包括：
获取所述目标像素点的像素坐标；
将所述像素坐标满足预设坐标条件的目标像素点确定为第二像素点；
在所述第二像素点的数量大于或等于预设数量阈值的情况下，将所述第二像素点拟合得到一条目标边缘线。
9.根据权利要求6所述的方法，其特征在于，所述根据所述目标边缘线的数量，确定所述电芯的检测结果，包括：
在所述目标边缘线的数量为0的情况下，确定所述电芯不存在所述底托片。
10.根据权利要求9所述的方法，其特征在于，所述在所述目标边缘线的数量为0的情况下，确定所述电芯不存在所述底托片，包括：
在所述目标边缘线的数量为0的情况下，将所述第一图像输入至模糊识别模型中，确定所述第一图像是否为模糊图像；
在所述第一图像不为模糊图像的情况下，确定所述电芯不存在所述底托片。
11.根据权利要求10所述的方法，其特征在于，所述在所述目标边缘线的数量为0的情况下，将所述第一图像输入至模糊识别模型中，确定所述第一图像是否为模糊图像之后，所述方法还包括：
在所述第一图像为模糊图像的情况下，重新获取所述第一图像。
12.根据权利要求6所述的方法，其特征在于，所述根据所述目标边缘线的数量，确定所述电芯的检测结果，包括：
在所述目标边缘线的数量为2的情况下，确定所述电芯存在所述底托片。
13.根据权利要求12所述的方法，其特征在于，所述在所述目标边缘线的数量为2的情况下，确定所述电芯存在所述底托片，包括：
在所述目标边缘线的数量为2，且至少一条所述目标边缘线位于所述第一区域内的情况下，确定所述电芯存在所述底托片。
14.根据权利要求6所述的方法，其特征在于，在所述第一图像包括所述电芯的第一端的情况下，所述根据所述目标边缘线的数量，确定所述电芯的检测结果，包括：
在所述目标边缘线的数量为1的情况下，获取第二图像，所述第二图像包括所述电芯的第二端，所述第二端与所述第一端相对；
在所述第二图像中的目标边缘线的数量为1的情况下，确定所述电芯不存在所述底托片。
15.根据权利要求14所述的方法，其特征在于，所述在所述目标边缘线的数量为1的情况下，获取第二图像之后，所述方法还包括：
在所述第二图像中的目标边缘线的数量为2的情况下，确定所述电芯存在所述底托片。
16.一种电芯检测装置，其特征在于，包括：
获取模块，用于获取第一图像，所述第一图像包括电芯的第一端所处的第一区域；
第一确定模块，用于根据所述第一区域，确定所述电芯的第一边缘线；
第二确定模块，用于基于所述第一图像中预设区域的各像素点对应的灰度值，确定所述电芯的检测结果，其中，所述检测结果用于指示所述电芯是否存在底托片，所述预设区域为距离所述第一边缘线预设范围内的区域。
17.一种电子设备，其特征在于，所述设备包括：处理器以及存储有程序指令的存储器；所述处理器执行所述程序指令时实现如权利要求1-15任意一项所述的方法。
18.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序指令，所述程序指令被处理器执行时实现如权利要求1-15任意一项所述的方法。
19.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-15任意一项所述的方法。
CN202210960992.7A 2022-08-11 2022-08-11 电芯检测方法、装置、设备、可读存储介质及程序产品 Pending CN117689600A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202210960992.7A CN117689600A (zh) 2022-08-11 2022-08-11 电芯检测方法、装置、设备、可读存储介质及程序产品
EP23790539.3A EP4350620A4 (en) 2022-08-11 2023-03-29 BATTERY CELL DETECTION METHOD AND APPARATUS, AND DEVICE, READABLE STORAGE MEDIUM, AND PROGRAM PRODUCT
PCT/CN2023/084653 WO2024032006A1 (zh) 2022-08-11 2023-03-29 电芯检测方法、装置、设备、可读存储介质及程序产品
US18/385,938 US20240062381A1 (en) 2022-08-11 2023-11-01 Cell detection method and apparatus, device, readable storage medium, and program product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210960992.7A CN117689600A (zh) 2022-08-11 2022-08-11 电芯检测方法、装置、设备、可读存储介质及程序产品

Publications (1)

Publication Number Publication Date
CN117689600A true CN117689600A (zh) 2024-03-12

Family

ID=88731247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210960992.7A Pending CN117689600A (zh) 2022-08-11 2022-08-11 电芯检测方法、装置、设备、可读存储介质及程序产品

Country Status (4)

Country Link
US (1) US20240062381A1 (zh)
EP (1) EP4350620A4 (zh)
CN (1) CN117689600A (zh)
WO (1) WO2024032006A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118314141A (zh) * 2024-06-07 2024-07-09 宁德时代新能源科技股份有限公司 检测方法、装置、存储介质及程序产品

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117974528B (zh) * 2024-04-02 2024-06-18 北京易优联科技有限公司 一种肾活检切片影像优化增强方法
CN118570240A (zh) * 2024-08-02 2024-08-30 浙江吉利控股集团有限公司 隔离物边缘线检测方法、装置、设备、介质及程序产品
CN118628984A (zh) * 2024-08-12 2024-09-10 神木市畜牧业发展中心 一种视觉辅助下奶绵羊数量清点方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN206489093U (zh) * 2017-02-27 2017-09-12 广西美声电子科技有限公司 一种电动汽车锂离子电池专用电芯检测装置
CN107941805A (zh) * 2017-12-01 2018-04-20 无锡先导智能装备股份有限公司 电芯质量检测方法
CN110517318B (zh) * 2019-08-28 2022-05-17 昆山国显光电有限公司 定位方法和装置、存储介质
CN111640131B (zh) * 2020-05-29 2021-05-18 广东利元亨智能装备股份有限公司 电芯涂胶检测方法、装置和电子设备
CN112907518B (zh) * 2021-01-29 2023-07-14 北京百度网讯科技有限公司 检测方法、装置、设备、存储介质及程序产品
CN113409296B (zh) * 2021-06-30 2022-09-20 广东利元亨智能装备股份有限公司 一种卷绕电芯的抽芯检测方法、电子设备及存储介质
CN113607742B (zh) * 2021-08-03 2022-11-15 广东利元亨智能装备股份有限公司 电芯极耳检测方法、装置、电子设备和存储介质
CN113989232B (zh) * 2021-10-28 2022-12-16 广东利元亨智能装备股份有限公司 电芯缺陷检测方法、装置、电子设备和存储介质
CN114354615B (zh) * 2021-12-03 2023-06-20 广州超音速自动化科技股份有限公司 一种电池电芯检测装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118314141A (zh) * 2024-06-07 2024-07-09 宁德时代新能源科技股份有限公司 检测方法、装置、存储介质及程序产品

Also Published As

Publication number Publication date
WO2024032006A1 (zh) 2024-02-15
EP4350620A4 (en) 2024-08-14
EP4350620A1 (en) 2024-04-10
US20240062381A1 (en) 2024-02-22

Similar Documents

Publication Publication Date Title
CN117689600A (zh) 电芯检测方法、装置、设备、可读存储介质及程序产品
US10684321B2 (en) Printed circuit board inspecting apparatus, method for detecting anomaly in solder paste and computer readable recording medium
CN111583223A (zh) 缺陷检测方法、装置、计算机设备及计算机可读存储介质
CN108896278A (zh) 一种滤光片丝印缺陷检测方法、装置及终端设备
CN111353485B (zh) 印章识别方法、装置、设备及介质
CN113030121B (zh) 用于电路板元器件的自动光学检测方法、系统、及设备
CN108918093B (zh) 一种滤光片镜面缺陷检测方法、装置及终端设备
CN111259908A (zh) 基于机器视觉的钢卷号识别方法、系统、设备及存储介质
WO2023097647A1 (zh) Ccd相机标定系统、方法、装置、计算设备及存储介质
CN114596294A (zh) 基于差值图像的电路元件缺失检测方法、电子设备及存储介质
CN112629828B (zh) 一种光学信息检测方法、装置及设备
CN109509165B (zh) 图像定位区域选取方法及装置
CN115222653B (zh) 测试方法和装置
CN111336938A (zh) 一种机器人及其物体距离检测方法和装置
CN115965574A (zh) 基于设计版图的扫描电子显微镜图像缺陷检测方法、装置
CN114708239A (zh) 胶宽检测方法、装置、电子设备及存储介质
CN108665439B (zh) 基板检测方法及终端设备
CN108776146B (zh) 丝印线条的检测方法及装置
US20240005474A1 (en) Diaphragm detection method, device and apparatus
CN113495301B (zh) 绑带检查方法、绑带检查装置、存储介质和系统
CN117689660B (zh) 基于机器视觉的保温杯温度质检方法
CN112686246B (zh) 一种车牌字符分割方法、装置、存储介质及终端设备
CN117974767B (zh) 一种连接器的目标区域定位方法
CN115100125A (zh) 数据处理方法、装置、设备、介质及产品
CN116525476A (zh) 显示面板的对位检测方法及系统、显示面板

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