[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

说明书

本发明属于计算机视觉领域，具体的说是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，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；通过锂电池模组侧面焊缝外观检测方法，更好地解决了因焊缝部分表面较为光滑容易产生反光从而影响焊缝成像质量，使得检测时易出现焊缝定位不准确或误判的问题，稳定生产情况下可达到过检≤0.5％，漏检0％，完全满足动力锂电池模组端侧板焊接后的焊缝检测要求。

技术领域

本发明涉及计算机视觉领域，具体是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。

背景技术

目前新能源汽车行业发展迅速，动力锂电池作为新能源汽车的心脏，其质量决定了整车的续航能力及安全性能。

目前行业内已有采用机器视觉对焊缝进行检测的相关应用，但大部分基于2D图像进行检测，该方法只能检测焊缝的长度和宽度，对于焊缝的高度则无法检测，而且产品使用2D相机进行成像时，因焊缝部分表面较为光滑容易产生反光从而影响焊缝成像质量，使得检测时易出现焊缝定位不准确或误判的问题；因此，针对上述问题提出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。

发明内容

为了弥补现有技术的不足，解决目前行业内已有采用机器视觉对焊缝进行检测的相关应用，但大部分基于2D图像进行检测，该方法只能检测焊缝的长度和宽度，对于焊缝的高度则无法检测，而且产品使用2D相机进行成像时，因焊缝部分表面较为光滑容易产生反光从而影响焊缝成像质量，使得检测时易出现焊缝定位不准确或误判的问题，本发明提出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。

本发明解决其技术问题所采用的技术方案是：本发明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，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，主要用于数据增强，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。

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(region of interest)，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。

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；