[发明专利]一种方形铝壳电池包蓝膜后的外观检测方法

说明书

本发明公开了一种方形铝壳电池包蓝膜后的外观检测方法，包括以下步骤：S1：相机装置采集电池的外观图像，其中电池包覆有蓝膜；S2：将电池的外观图像输入深度学习网络模型进行缺陷检测，以得到缺陷参数；S3：将缺陷参数与预设的标准参数作对比判断，以得到电池的外观检测结果。通过上述方式，本发明实现对电池蓝膜外观的视觉检测，相比于现有人工检测方式，能够大大提高检测效率，节省人力时间，且避免由于人为主观因素而导致误检测、漏检测的情况发生。

技术领域

本发明涉及锂电池技术领域，具体为一种方形铝壳电池包蓝膜后的外观检测方法。

背景技术

方形铝壳电池在生产下线前需对铝壳包覆一层蓝膜，以起到绝缘、防水、美观等作用。其中，部分电池的蓝膜会出现气泡、凹点、褶皱、划痕等各种外观缺陷，影响电池的正常使用，因此需在方形铝壳电池包蓝膜后进行外观检测。

现有针对电池蓝膜外观的检测，通常为采用人工检测的方式，该人工检测方式需耗费较多的人力时间，检测效率低，且存在由于视觉疲劳等主观因素而出现误检测、漏检测的情况。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种方形铝壳电池包蓝膜后的外观检测方法，能够解决上述技术问题。

(二)技术方案

为解决上述技术问题，本发明提供如下技术方案：一种方形铝壳电池包蓝膜后的外观检测方法，包括以下步骤：

S1：相机装置采集电池的外观图像，其中电池包覆有蓝膜；

S2：将电池的外观图像输入深度学习网络模型进行缺陷检测，以得到缺陷参数；

S3：将缺陷参数与预设的标准参数作对比判断，以得到电池的外观检测结果。

优选的，电池的外观图像包括电池的大面外观图像、电池的小面外观图像、电池的底面外观图像以及电池的顶面外观图像。

优选的，电池的顶面设有极柱，顶面外观图像包括极柱图像。

优选的，相机装置为线扫相机。

优选的，步骤S2的缺陷检测具体为：利用深度学习网络模型对电池的外观图像进行缺陷的特征提取以及特征分类。

优选的，缺陷参数包括缺陷的分类、缺陷的规格大小以及缺陷的坐标位置。

优选的，缺陷的分类包括气泡、凹点、褶皱以及划痕。

优选的，步骤S3具体为将缺陷的规格大小与标准参数作对比判断，以得到电池的外观检测结果。

优选的，该方形铝壳电池包蓝膜后的外观检测方法还包括以下步骤：采集缺陷图像样本；对缺陷图像样本上的各个缺陷特征进行标注；将已标注的缺陷图像样本输入多个不同的待选择的深度学习网络模型进行模型训练；对比各个待选择的深度学习网络模型所输出的缺陷检测结果，以确定其中一个待选择的深度学习网络模型为步骤S2中所采用的深度学习网络模型。

优选的，在确定深度学习网络模型之后还包括：持续采集缺陷图像样本，以对深度学习网络模型进行模型迭代。

(三)有益效果

与现有技术相比，本发明提供了一种方形铝壳电池包蓝膜后的外观检测方法，具备以下有益效果：本发明通过相机装置采集电池的外观图像，进一步将电池的外观图像输入深度学习网络模型进行缺陷检测以得到缺陷参数，最后将缺陷参数与预设的标准参数作对比判断以得到电池的外观检测结果，实现对电池蓝膜外观的视觉检测，相比于现有人工检测方式，能够大大提高检测效率，节省人力时间，且避免由于人为主观因素而导致误检测、漏检测的情况发生。

附图说明