[发明专利]电池检测方法、控制器和计算机可读存储介质在审

专利信息
申请号: 202211179769.5 申请日: 2022-09-27
公开(公告)号: CN115564719A 公开(公告)日: 2023-01-03
发明(设计)人: 不公告发明人 申请(专利权)人: 广东利元亨智能装备股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T7/13;G06T7/136;G06T7/187;G06T7/194
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 麦广林
地址: 516000 广东*** 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: 电池 检测 方法 控制器 计算机 可读 存储 介质
【说明书】:

本申请提供了一种电池检测方法、控制器和计算机可读存储介质,其中,电池检测方法包括如下步骤:获取电池图像,并对电池图像进行区域定位,确定目标区域图像,其中,该目标区域图像包括极耳区域图像和背景区域图像;然后,再基于分水岭算法从目标区域图像中分割极耳区域图像,得到背景区域图像;接着,再基于凸包检测算法对目标区域图像进行区域标记,得到极耳轮廓图像;最后,对背景区域图像和极耳轮廓图像进行比较,得到目标缺口。根据本申请实施例的技术方案,使用了分水岭算法将极耳与背景分割,再根据凸包检测算法检测到缺口,不但能够大大提高检测效率,而且还能够大大降低误检率。

技术领域

本申请属于电池制造技术领域,尤其涉及一种电池检测方法、控制器和计算机可读存储介质。

背景技术

在相关技术中,在电池的生产过程中,为了避免出现因极耳缺口而导致的短路起火风险,往往需要对电池进行检测以筛选掉存在极耳缺口的电池,而现有的用于检测缺口的图像处理方法,如《CN201510016568.7-一种锂电池单元缺陷检测方法》所公开的缺陷检测方法,其算法复杂,且对极耳的图像分割和边缘轮廓识别的处理速度和准确率差;由于其图像分割和边缘轮廓识别的处理速度和准确率差,因此,现有的图像处理方法难以准确快速地实现对极耳缺口的检测,从而大大影响了电池的生产质量。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本申请实施例提供了一种电池检测方法、控制器和计算机可读存储介质,不但能够大大提高检测效率,而且还能够大大降低误检率。

第一方面,本申请实施例提供了一种电池检测方法,包括:获取电池图像,对所述电池图像进行区域定位,确定目标区域图像,其中,所述目标区域图像包括极耳区域图像和背景区域图像;基于分水岭算法从所述目标区域图像中分割所述极耳区域图像,得到所述背景区域图像;基于凸包检测算法对所述目标区域图像进行区域标记,得到极耳轮廓图像;对所述背景区域图像和所述极耳轮廓图像进行比较,得到目标缺口。

在一些实施例中,所述获取电池图像,包括:通过CCD图像传感器对目标电池进行图像采集,得到与所述目标电池对应的电池图像。

在一些实施例中,所述对所述电池图像进行区域定位,确定目标区域图像,包括:对所述电池图像进行特征提取,得到图像特征信息;根据所述图像特征信息对所述电池图像进行定位裁切,得到目标区域图像。

在一些实施例中,所述基于分水岭算法从所述目标区域图像中分割所述极耳区域图像,得到所述背景区域图像,包括:对所述目标区域图像进行梯度运算,得到梯度图像;对所述梯度图像进行分水岭变换,得到多个集水盆图像,并确定多个所述集水盆图像之间的分水岭;基于所述分水岭从所述梯度图像中分割所述极耳区域图像,得到所述背景区域图像。

在一些实施例中,在所述得到梯度图像之后,所述电池检测方法还包括:获取目标阈值;基于所述目标阈值对所述梯度图像进行阈值处理,得到处理后的梯度图像,以对所述处理后的梯度图像进行分水岭变换。

在一些实施例中,所述基于凸包检测算法对所述目标区域图像进行区域标记,得到极耳轮廓图像,包括:对所述目标区域图像进行凸包检测,得到与极耳轮廓对应的凸包点;基于所述凸包点生成多个边界线,并对多个所述边界线进行组合,得到极耳轮廓图像。

在一些实施例中,所述凸包检测算法包括如下之一:增量式算法、包裹法、葛立恒扫描法、单调链、分治法、快包法。

在一些实施例中,所述对所述背景区域图像和所述极耳轮廓图像进行比较,得到目标缺口,包括:对所述极耳轮廓图像和所述背景区域图像进行图像做差,得到疑似缺口;对所述疑似缺口进行筛选处理,得到目标缺口。

第二方面,本申请实施例还提供了一种控制器,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行如上述第二方面所述的电池检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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利元亨智能装备股份有限公司,未经广东利元亨智能装备股份有限公司许可,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/202211179769.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top