[发明专利]一种锂电池外壳表面缺陷检测方法

说明书

本发明属于及锂电池外壳表面缺陷检测技术领域，尤其为一种锂电池外壳表面缺陷检测方法，S1：模板提取；S2：k‑means算法前景分离；S3：Sobel算子边缘检测；S4：初次提取目标的最小外接矩形；S5：将物体校正；S6：对右侧的阴影部分进行提取，并对其使用直方图均衡化；S7：再次提取目标的最小外接矩形；S8：对图片进行差分运算；S9：传统算法特征；S10：YOLOv5目标检测。本发明总体算法流程包括传统算法特征提取以及将传统算法特征融入到YOLO v5目标检测算法两大过程，本发明专利能充分利用手工特征特征提取方法用于算法中，有效解决少样本训练的问题，加快训练速度，提高精度。

技术领域

本发明涉及锂电池外壳表面缺陷检测技术领域，尤其涉及一种锂电池外壳表面缺陷检测方法。

背景技术

锂电池外壳表面缺陷检测，随着动力电池的迅猛发展，各大动力电池厂商均出现了供不应求的局面，加快自动化生产线的投入是目前的重点，但是随着产能快速增长的同时，对锂电池的安全生产和电池的使用安全性也提出了更大的挑战。在兼顾效率的同时，如何制造出更为安全可靠的锂电池，已经成为各大知名电池厂商的波切需求。

目前流行的方法是采用相机加深度学习算法的方式对电池外观进行检查，需要大量的缺陷样本对算法进行训练以自动学习特征提取。但在某些锂电池价格比较昂贵，且在制造时良率较高，需要人为制造缺陷，导致缺陷样本收集成本较高，因此很难收集到足够的缺陷样本来使用深度学习算法进行训练。

锂电池上有些缺陷比较容易识别，相比深度学习从大量缺陷样本进行学习自动特征提取，基于手工特征提取的传统图像处理算法就能对其进行很好处理。但是，存在某些缺陷比较复杂，难以识别，这时可以依赖深度学习算法，收集足够的相关缺陷样本进行训练，提高精度。因此，两者进行综合，开发出一种锂电池外壳表面缺陷检测方法，应用于锂电池外壳表面缺陷检测。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种锂电池外壳表面缺陷检测方法。

为了实现上述目的，本发明采用了如下技术方案：一种锂电池外壳表面缺陷检测方法，包括以下步骤：

S1：模板提取；

S2：k-means算法前景分离；

S3：Sobel算子边缘检测；

S4：初次提取目标的最小外接矩形；

S5：将物体校正；

S6：对右侧的阴影部分进行提取，并对其使用直方图均衡化；

S7：再次提取目标的最小外接矩形；

S8：对图片进行差分运算；

S9：传统算法特征；

S10：YOLOv5目标检测。

优选的，S1中模板提取的方法为：使用模板匹配算法在原始图像图A提取目标，得到大部分背景被消除的图B，使用函数为 cv2.matchTemplate，模板匹配算法：用T表示模板图像，I表示待匹配图像，用R表示匹配结果，公式如下所示，

优选的，S2中k-means算法前景分离的方法为：使用k-means 聚类算法提取显著前景并进行二值化处理：聚类个数为2，重复试验 k-means算法5次，每次随机选择初始中心，得到图C，使用函数为 cv2.kmeans。