[发明专利]基于深度学习的锂电池模组侧面焊缝外观检测方法及系统

权利要求书

1.基于深度学习的锂电池模组侧面焊缝外观检测方法，其特征在于：该方法步骤如下；

S0-0样本数据制作，包括样本收集、焊缝标注，收集各类型号的侧焊缝深度信息图并使用标注工具对图中焊缝位置进行标注生成掩膜图或文本文件；

S0-1预处理，用于数据增强，在0到360度角度范围内旋转掩模图及对应原图，或对原图进行图像增强或平滑处理，生成更多的数据样本；

S0-2模型训练，将制作并预处理后的样本输入网络中进行模型训练，得到可用于预测图片中焊缝位置并输出焊缝掩膜图像的模型；

其中，所述的基于深度学习的锂电池模组侧面焊缝外观检测方法，还包括焊缝定位，从图片中获取焊缝中线两侧预设范围的ROI，将该ROI传进S0-2训练得到的Model中进行预测，获取二值焊缝mask，其主要步骤包括：

S1-0 3D图获取，将客户端软件采集到的3D数据转换成含有深度信息的2D图像；

S1-1预处理，对含有深度信息的2D图像进行图像增强，突出焊缝轮廓特征；

S1-2焊缝ROI提取，通过方法获取端侧板切口作为焊缝中线所在位置，并以此中线两侧预设范围作为焊缝ROI；

S1-3通过S0-2训练得到的Model对ROI中的焊缝位置进行预测，获取焊缝mask并以二值图输出；

其中，所述的基于深度学习的锂电池模组侧面焊缝外观检测方法，还包括焊缝检测，所述动力锂电池模组侧边焊缝的检测项目主要包括端侧错位、侧板超端板、焊缝余高、下榻、爆孔、长度和宽度检测项，检测过程对应如下步骤：

S2-0端侧板位置检测，通过检测产品端板及侧板所在位置以判断是否存在侧板超端板，通过判断端板及侧板截面高度以判断是否存在端侧错位；

S2-1焊缝截面高度计算，通过S1-2所提取的含深度信息的焊缝ROI及S1-3所获取的二值焊缝mask，计算焊缝各截面高度信息，通过计算得到的焊缝高度进一步判断焊缝是否存在余高、下榻和爆孔缺陷；

S2-2焊缝长宽计算，通过S1-3所获取的二值焊缝mask计算焊缝长度及各截面宽度，以此判断焊缝的长度及宽度是否合格。

2.基于深度学习的锂电池模组侧面焊缝外观检测系统，该系统适用于权利要求1所述的基于深度学习的锂电池模组侧面焊缝外观检测方法，其特征在于：该系统包括防护模块、供电模块、测量模块、数据识别模块、中央处理器模块、数据存储模块、反馈模块、数字识别模块和图形处理模块，所述防护模块包括内有供电模块和测量模块，所述数据识别模块内包括有数字识别模块和图形处理模块，所述数据存储模块内包括有反馈模块。

3.根据权利要求2所述的基于深度学习的锂电池模组侧面焊缝外观检测系统，其特征在于：所述防护模块用于保护供电模块、测量模块、数据识别模块、中央处理器模块、数据存储模块、反馈模块、数字识别模块和图形处理模块避免出现物理损坏，供电模块对测量模块、数据识别模块、中央处理器模块、数据存储模块、反馈模块、数字识别模块和图形处理模块进行供电。

4.根据权利要求3所述的基于深度学习的锂电池模组侧面焊缝外观检测系统，其特征在于：所述测量模块获取锂电池模组侧面焊缝，之后转换为电信号输送给数据识别模块，数据识别模块通过数字识别模块和图形处理模块对电信号进行数值分析，之后将数值输送到中央处理器模块。

5.根据权利要求4所述的基于深度学习的锂电池模组侧面焊缝外观检测系统，其特征在于：所述中央处理器对数值进行分析处理，然后保存到数据存储模块内。

6.根据权利要求5所述的基于深度学习的锂电池模组侧面焊缝外观检测系统，其特征在于：所述反馈模块借助通过显示器对数据储存模块的数值进行图像和数字显示。