[发明专利]一种电池表面焊接缺陷检测方法在审
申请号: | 202310058695.8 | 申请日: | 2023-01-16 |
公开(公告)号: | CN116309313A | 公开(公告)日: | 2023-06-23 |
发明(设计)人: | 杨亚涛;周云豪;杨延钊;李俊卿;何澐杰 | 申请(专利权)人: | 深圳大学;深圳市大德激光技术有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06V10/774;G06V10/82;G06V10/32;G06N3/0464 |
代理公司: | 深圳市精英专利事务所 44242 | 代理人: | 刘贻盛 |
地址: | 518000 广东省深*** | 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 电池 表面 焊接 缺陷 检测 方法 | ||
1.一种电池表面焊接缺陷检测方法,其特征在于,所述电池表面焊接缺陷检测方法包括:
获取激光焊接后的原始电池图像,且对获取的原始电池图像进行预处理,并对原始电池图像和预处理后的电池图像进行尺寸归一化处理,获得归一化电池图像;
使用labelimg对获得的归一化电池图像进行标注,并构成焊接缺陷数据集;
基于YOLOv5构建电池缺陷检测模型,并选取焊接缺陷数据集中的数据训练电池缺陷检测模型;
将训练好的电池缺陷检测模型置于工控机上,以实时检测电池极柱焊接图像,判定电池极柱焊接是否存在缺陷。
2.如权利要求1所述的电池表面焊接缺陷检测方法,其特征在于,所述选取焊接缺陷数据集中的数据训练电池缺陷检测模型,具体包括:
步骤a、采用6×6卷积核对选取的数据进行卷积处理,获得初始处理图像;
步骤b、将初始处理图像经四组包括CBS模块和C3模块的卷积模块进行处理,以获得初始特征图,其中,所述CBS模块包括依次串联的6×6卷积核、批量标准化和激活函数层;
步骤c、采用SENet结构对获得的初始特征图进行处理,以加强对目标区域的关注;
步骤d、选取部分经步骤c处理后的初始特征图进行卷积处理,获得第一特征图,且采用SPP结构对经步骤c处理后的另一部分初始特征图进行处理,以获得尺寸固定的第二特征图,再将第一特征图和第二特征图合并获得特征图像;
步骤e、将获得的特征图像经特征金字塔FPN-PAN结构进行处理;
步骤f、采用RepVGG结构对经步骤e处理后的特征图像进行处理;
步骤g、利用基于网格的瞄框在经步骤f处理后的不同尺度的特征图像上进行目标检测,直至损失函数收敛,结束训练,获得训练好的电池缺陷检测模型。
3.如权利要求2所述的电池表面焊接缺陷检测方法,其特征在于,所述步骤g中的损失函数为SIoU损失函数。
4.如权利要求1所述的电池表面焊接缺陷检测方法,其特征在于,所述对获取的原始电池图像进行预处理,具体包括:对获取的原始电池图像进行旋转、平移以及对比度加深。
5.如权利要求1所述的电池表面焊接缺陷检测方法,其特征在于,在所述对原始电池图像和预处理后的电池图像进行尺寸归一化处理,之后还包括:将获得的归一化电池图像分成训练集、验证集和测试集。
6.如权利要求5所述的电池表面焊接缺陷检测方法,其特征在于,所述将获得的归一化电池图像分成训练集、验证集和测试集,具体包括:按照8:1:1的比例随机将获得的归一化电池图像分成训练集、验证集和测试集。
7.如权利要求1所述的电池表面焊接缺陷检测方法,其特征在于,在所述判定电池极柱焊接是否存在缺陷,之后还包括:若发现电池极柱焊接存在缺陷,工控机发出指令通过剔除装置剔除存在缺陷的残次品。
8.如权利要求1所述的电池表面焊接缺陷检测方法,其特征在于,所述使用labelimg对获得的归一化电池图像进行标注,具体包括:使用labelimg通过矩形框对获得的归一化电池图像中的缺陷进行框选,并添加缺陷类型和缺陷位置信息。
9.如权利要求1所述的电池表面焊接缺陷检测方法,其特征在于,所述获取激光焊接后的原始电池图像,具体包括:在实际焊接现场中通过工业相机采集获取多张涵盖所有缺陷类别的原始电池图像。
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深圳大学;深圳市大德激光技术有限公司,未经深圳大学;深圳市大德激光技术有限公司许可,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/202310058695.8/1.html,转载请声明来源钻瓜专利网。