[發明專利]一種基于深度學習的鋰電池膈膜缺陷視覺檢測方法

有效

• 申請號: 202111044890.2
• 申請日: 2021-09-07
• 公開（公告）號: CN113758932B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 盧盛林;賀珍真;曹玲;陳宏科;何翔
• 申請（專利權）人: 廣東奧普特科技股份有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88;G01N29/04;G01N29/44
• 代理公司: 北京冠和權律師事務所 11399
• 代理人: 陳彥朝

本發明提供一種基于深度學習的鋰電池隔膜缺陷視覺檢測方法，包括：通過預設的線陣相機，采集鋰電池隔膜的缺陷隔膜圖像，并通過所述缺陷隔膜圖像，對鋰電池膈膜的缺陷位置進行定位，確定缺陷位置；通過預設的超聲波探傷儀，對缺陷位置進行探測，并獲取探測數據；接收所述探測數據并傳輸至預設的深度學習網絡系統進行分析，生成缺陷隔膜的缺陷特征數據；基于預設的大數據中心，處理所述缺陷特征數據，并通過所述缺陷特征數據，搭建三維缺陷隔膜檢測模型；通過缺陷隔膜檢測模型，檢測鋰電池隔膜，并生成對應的缺陷統計記錄，本發明的目的在于快速檢測鋰電池隔膜缺陷，提升鋰電池品質。

技術領域

本發明涉及深度學習、膈膜缺陷視覺技術領域，特別涉及一種基于深度學習的鋰電池膈膜缺陷視覺系統。

背景技術

目前，鋰電池生產過程中，因為機械振動、物料殘次等因素的影響，焊接產品不可避免地存在多種不同類型的焊接缺陷，包括極耳翻折、極耳焊破、極片首層未焊、極片周邊碎屑、隔膜異物碎屑等缺陷。為確保電池品質，需要采用機器視覺檢測產品缺陷，由于產品極片形狀不穩定，極片碎屑細小、極片翻折、無規律。主要依賴于一些規則限制和一些人為設計特征的常規機器視覺檢測算法無能為力，無法適應缺陷的多樣性，不能滿足生產需求。

發明內容

本發明提供一種基于深度學習的鋰電池膈膜缺陷視覺系統，以解決上述問題。

實施例1：

根據圖1所示，本發明實施例提供了一種基于深度學習的鋰電池隔膜缺陷視覺檢測方法，其特征在于，包括：

通過預設的線陣相機，采集鋰電池隔膜的缺陷隔膜圖像，并通過所述缺陷隔膜圖像，對鋰電池膈膜的缺陷位置進行定位，確定缺陷位置；

通過預設的超聲波探傷儀，對缺陷位置進行探測，并獲取探測數據；

接收所述探測數據并傳輸至預設的深度學習網絡系統進行分析，生成缺陷隔膜的缺陷特征數據；

基于預設的大數據中心，處理所述缺陷特征數據，并通過所述缺陷特征數據，搭建三維缺陷隔膜檢測模型；

通過缺陷隔膜檢測模型，檢測所述鋰電池隔膜，并生成對應的缺陷統計記錄。

作為本技術方案的一種實施例，所述通過預設的線陣相機，采集鋰電池膈膜的缺陷隔膜圖像，并通過所述缺陷隔膜圖像，確定鋰電池膈膜的缺陷位置，包括以下步驟：

步驟1：通過預設的線陣相機和預設的LED線性聚光源，對鋰電池隔膜進行掃描，采集鋰電池隔膜的隔膜圖像；

步驟2：基于預設的AI隔膜質檢圖像系統，接收并識別鋰電池隔膜圖像是否出現缺陷，確定識別結果；

步驟3：當所述識別結果為隔膜圖像出現缺陷時，獲取鋰電池膈膜的缺陷隔膜圖像，并按照對應的比例縮放所述缺陷隔膜圖像，標定對應的鋰電池膈膜的缺陷位置；

步驟4：當所述識別結果為隔膜圖像未出現缺陷時，返回步驟1。

作為本技術方案的一種實施例，所述步驟3，包括：

步驟301：當所述識別結果為隔膜圖像出現缺陷時，通過AI隔膜質檢圖像系統，獲取缺陷隔膜圖像，按照對應的比例對所述缺陷隔膜圖像進行投影，確定缺陷隔膜模型；

步驟302：根據所述缺陷隔膜模型，對缺陷隔膜模型的缺陷位置進行貼標，確定缺陷定標位置；

步驟303：基于所述缺陷定標位置，計算鋰電池膈膜對應的缺陷位置的位置定位數據；

步驟304：根據所述位置定位數據，確定鋰電池膈膜缺陷位置。

作為本技術方案的一種實施例，所述步驟2，包括：