[发明专利]一种锂电芯全自动在线无损检测方法在审
申请号: | 202210231878.0 | 申请日: | 2022-03-09 |
公开(公告)号: | CN114594114A | 公开(公告)日: | 2022-06-07 |
发明(设计)人: | 罗桂勤;张想;阳拼 | 申请(专利权)人: | 广东兆众自动化设备有限公司 |
主分类号: | G01N23/04 | 分类号: | G01N23/04;G06V10/40 |
代理公司: | 广东合方知识产权代理有限公司 44561 | 代理人: | 张建浩 |
地址: | 523000 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 锂电芯 全自动 在线 无损 检测 方法 | ||
1.一种锂电芯全自动在线无损检测方法,其特征在于,包括:
S1:将裸电芯放置于托盘上,取料夹爪将托盘夹持至来料输送线上;
S2:来料输送线将托盘输送至扫码工位并停止,扫码工位获取电池条码;
S3:获取电池条码后输送至检测装置上,其中检测装置包括微焦点应用动态探测器和微焦点X射线源;
S4:微焦点X射线源发射X射线,X射线穿透裸电芯第1个角或依次扫描剩余角,微焦点应用动态探测器获取图像数据进行本底矫正、增益矫正、缺陷矫正,而后再传输至工控机,进行算法流程;
S5:算法流程:
1、首先分析图像成像效果,并对其判断是否符合;
2、当正常状态时,将图像进行高斯滤波处理;
3、图像进行高斯滤波处理后获取相应像素值;
4、根据电池位置获取ROI区域位置,即利用mask掩模技术提取纯色背景图像ROI区域中的裸电芯阴极线段;
5、根据灰度均值和方差过滤异常阴极线段;
6、提取阴极线段方向梯度直方图,并初步定位阴极线段的端点;
7、提取阴极线段的SIFT特征并初步定位阳极线段的端点;
S6:根据S5中步骤6和7,抽取图像卷曲特征,多尺度识别结果,并融合ZF形态统计学,计算出结果。
2.如权利要求1所述的锂电芯全自动在线无损检测方法,其特征在于:在S5中,1、首先对样本图片进行滤波操作,以降低噪点;2.计算过滤后图片的梯度方向和梯度幅值,并生成梯度图;3.根据梯度图片的灰度特征进行二值化操作。
3.如权利要求1所述的锂电芯全自动在线无损检测方法,其特征在于:S5中步骤2中,
当图像正常时:1、成像模糊时,图像增强组件对图像进行图像增加处理;
2、成像过度曝光时,全局灰度减弱处理;
3、成像欠曝光时,增强全局对比度;
4、光照不均匀时,直方图均衡化处理。
4.如权利要求1所述的锂电芯全自动在线无损检测方法,其特征在于:所示S5步骤6和7中:
1.通过边缘提取,提取出阳极层间边缘;
2.通过梯度线性回归方法,剔除非伸出部分的阳极和阴极边缘;
3.基于2步剩下的边缘线条,通过KMEAN聚类分析计算出阳极的顶点。
5.如权利要求1所述的锂电芯全自动在线无损检测方法,其特征在于:所示S5步骤6和7中获取:①根据电池位置定位ROI区域位置;②区域位置根据电池位置定位ROI区域位置。
6.如权利要求5所述的锂电芯全自动在线无损检测方法,其特征在于:根据①和②,应用ZF几何形态学和统计学算法对阴阳极点位精确定位。
7.如权利要求6所述的锂电芯全自动在线无损检测方法,其特征在于:精确定位后,加载深度学习超高层卷积神经网络模型,并抽取图形卷积特征,从而获取图像卷曲特征。
8.如权利要求7所述的锂电芯全自动在线无损检测方法,其特征在于:生成最终结果,并根据结果训练已有神经网络模型,获取数据库。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东兆众自动化设备有限公司,未经广东兆众自动化设备有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210231878.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种塑料造粒用气动调节切粒装置
- 下一篇:一种自清洁陶瓷板的制备方法