[发明专利]锂电池极耳焊点焊破检测方法及极耳焊接检测系统

说明书

本发明公开了锂电池极耳焊点焊破检测方法及极耳焊接检测系统，采用极耳焊接检测装置对极耳进行实时检测并建立极耳焊接数据库和分类模型，方法包括：数据获取、基础数据标注、生成分类模型和输出检测结果，将待检测的极耳进行实时检测，并将检测的数据输入到分类模型中进行比对分析，判定是否存在极耳焊点焊破并输出检测结果。通过该系统实施上述方法可快速检测极耳焊接的焊点是否出现焊破的缺陷问题，提高自动化和检测效率。

技术领域

本发明涉及焊接领域，尤其涉及锂电池极耳焊点焊破检测方法及极耳焊接检测系统。

背景技术

极耳，是锂离子聚合物电池产品的一种原材料。例如我们生活中用到的手机电池，蓝牙电池，笔记本电池等都需要用到极耳。电池是分正负极的，极耳就是从电芯中将正负极引出来的金属导电体，通俗的说电池正负两极的耳朵是在进行充放电时的接触点。这个接触点并不是我们看到的电池外表的那个铜片，而是电池内部的一种连接。极耳分为三种材料，电池的正极使用铝材料，负极使用镍材料，负极也有铜镀镍材料，它们都是由胶片和金属带两部分复合而成，广泛应用在人们日常电子设备中。

但是，现有的极耳焊点一般在实际生产过程中存在多种缺陷，如常出现的极耳焊点焊破的缺陷。工厂中一般采用人为检测，检测效率低且效果差；而常规的检测设备对极耳焊接缺陷适应性差。因此，锂电池领域急需一种针对极耳加工缺陷进行检测的设备，以提高缺陷检测的精准度和检测效率。

目前，对数据处理有多种算法可选，如精度高但对异常数值不敏感的k-临近(KNN)算法，复杂度不高输出结果易理解的决策树(Decision Tree)算法，缺少数据下依然有效并可处理多类别的朴素贝叶斯算法，计算代价不高分类精度不高的逻辑回归算法，计算代价小易于理解和实现的SVM(Support Vector Machines，SVM)支持向量机算法，以及无需输入准备训练速度快的随机森林算法。各种算法的适应性也不同，因此，需要结合实际应用环境进行适当选择。

发明内容

为了克服现有技术的不足，本发明的目的在于提供锂电池极耳焊点焊破检测方法。其能解决现有锂电池的极耳焊接时焊点焊破的检测问题。

本发明的目的采用以下技术方案实现：

锂电池极耳焊点焊破检测方法，采用极耳焊接检测装置对极耳进行实时检测并建立极耳焊接数据库和分类模型，方法包括：

基础数据获取，通过极耳焊接检测装置对带有不同的典型焊接缺陷和无缺陷的极耳进行初期的实时检测，获得所述极耳焊接图像的基础数据；

基础数据标注，对获得的极耳焊接图像的基础数据进行缺陷标注处理，获得极耳焊接图像的标注数据；

生成分类模型，采用分类器训练极耳焊接图像的基础数据，并将极耳焊接图像的标注数据作为输入参数进行学习分析，将标注的缺陷类别存入极耳焊接数据库，持续训练直至所述极耳焊接数据库达到实时检测的水平，形成分类模型；

输出检测结果，将待检测的极耳进行实时检测，并将检测的数据输入到分类模型中进行比对分析，判定是否存在极耳焊点焊破并输出检测结果。

优选的，所述实时检测包括如下步骤：

S1：通过视觉检测相机及同轴光源对到位的待检测极片进行拍照，获取焊接图片；

S2：图像处理，定位焊印区域，对获取的焊接图片进行图像处理，通过blob分析得到极耳的焊印区域；

S3：提取焊印，对焊接区域进行二阶微分处理及blob分析得到焊印；

S4：对焊印进行blob分析得到具体焊点；

S5：提取焊点区域内的图像信息，计算焊印区域、焊印及具体焊点的参数数据，并对所述参数数据进行归一化，保存归一化的参数数据得到基础数据。