CN111307818A - 一种锂电池极耳激光焊点视觉在线检测方法 - Google Patents

一种锂电池极耳激光焊点视觉在线检测方法 Download PDF

Info

Publication number
CN111307818A
CN111307818A CN202010114940.9A CN202010114940A CN111307818A CN 111307818 A CN111307818 A CN 111307818A CN 202010114940 A CN202010114940 A CN 202010114940A CN 111307818 A CN111307818 A CN 111307818A
Authority
CN
China
Prior art keywords
image
lug
tab
pcm
battery cell
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010114940.9A
Other languages
English (en)
Other versions
CN111307818B (zh
Inventor
陈忠
郝煜亚
谢声扬
张宪民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202010114940.9A priority Critical patent/CN111307818B/zh
Publication of CN111307818A publication Critical patent/CN111307818A/zh
Priority to PCT/CN2020/122843 priority patent/WO2021169335A1/zh
Application granted granted Critical
Publication of CN111307818B publication Critical patent/CN111307818B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Immunology (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Connection Of Batteries Or Terminals (AREA)

Abstract

本发明公开了一种锂电池极耳激光焊点视觉在线检测方法，包括：采集PCM极耳全局图像与电芯极耳全局图像；对全局图像进行划分，得到锂电池极耳局部图像；对极耳局部图像的对比度进行判断；依据判断的对比度结果采取相应方法从极耳局部图像得到极耳图像；依据判断的对比度采取相应方法进行PCM极耳图像的焊点检测；通过检测的PCM极耳图像中的焊点坐标和预先获取的标定信息，映射预估电芯极耳图像中的焊点坐标；在电芯极耳图像中，以得到的每一个映射预估焊点坐标为中心生成一个正方形ROI；在正方形ROI中进行焊点检测，得到实际的电芯极耳图像中的焊点坐标。本发明克服了传统视觉算法难以检测褶皱极耳焊点的问题，实现了检测准确性并满足在线检测的要求。

Description

一种锂电池极耳激光焊点视觉在线检测方法
技术领域
本发明涉及锂电池自动化封装工艺中的激光焊点检测领域，尤其涉及 一种锂电池极耳激光焊点视觉在线检测方法。
背景技术
随着机器视觉技术的不断发展，视觉缺陷检测在工业领域应用越来越 广泛。目前，在手机等数码产品的锂电池自动化Pack封装工艺中普遍采用 了机器视觉方法对锂电池电芯极耳与PCM(电路保护模块)板极耳激光焊接 的焊点进行缺陷在线检测。然而，由于电芯极耳材质非常软且纤薄，所以 极易褶皱弯曲。而极耳的褶皱极易产生低对比度和局部阴影成像特征，极 耳弯曲倾斜又容易引起极耳图像产生整体阴影特征。因此电芯极耳的这种 图像特征严重影响传统视觉算法的焊点识别，造成识别不出焊点或识别焊 点数目遗漏或增加的问题，从而误判良品为不合格。针对这一问题，检测 设备厂商采用在视觉检测工位前加入一个碾压除皱工艺的方法，但这种方 法存在明显缺陷：降低了生产节拍，提高了生产成本，使用一段时间后除 皱效果会显著降低。
目前，锂电池电芯极耳与PCM板极耳焊点缺陷检测采用传统的视觉检 测算法，主要算法有：形状模板匹配、斑点分析、轮廓匹配等；预处理算 法通常有：灰度线性变换、腐蚀、膨胀等。而一旦图像有局部阴影或整体 图像出现低对比度特征，常常会造成这类匹配检测算法和斑点分析等焊点 检测方法失效。完善光源照明方案仍然难以普遍性地改善或解决极耳褶皱 和弯曲倾斜引起的图像质量劣化问题。所以传统视觉检测算法难以实现极耳褶皱和弯曲倾斜情况下的视觉焊点识别。
由于传统的视觉检测方法无法有效解决锂电池极耳褶皱引起的检测问 题，所以锂电池焊点人工目检法仍然被大量使用。但人工目检法存在效率 低和效果不稳定等缺点。因此，针对锂电池极耳褶皱和弯曲倾斜带来图像 质量劣化，提出有效的视觉焊点检测方法是十分重要的。
发明内容
本发明的目的在于克服现有技术的不足，提供一种锂电池极耳激光焊 点视觉在线检测方法。本发明克服了传统检测方法难以检测褶皱极耳焊点 的问题，同时满足了检测准确性和在线检测的要求。本发明依据极耳图像 对比度选择具体检测算法，并根据定位关系缩小检测ROI区域。
本发明的目的能够通过以下技术方案实现：
一种锂电池极耳激光焊点视觉在线检测方法，包括步骤：
采集PCM(电路保护模块)极耳全局图像与电芯极耳全局图像；
对PCM板极耳全局图像和电芯极耳全局图像进行划分，得到锂电池极 耳局部图像；
对得到的锂电池极耳局部图像的对比度进行判断；
依据判断的对比度结果采取相应方法从极耳局部图像中提取极耳ROI， 得到PCM极耳图像和电芯极耳图像；
依据判断的对比度采取相应方法进行PCM极耳图像的焊点检测；
通过检测的PCM极耳图像中的焊点坐标和预先获取的标定信息，映射 预估电芯极耳图像中的焊点坐标；
在电芯极耳图像中，以得到的每一个映射预估焊点坐标为中心生成一 个正方形ROI；
在正方形ROI中进行焊点检测，如果检测到焊点就对预估的焊点坐标 进行补偿，得到实际的电芯极耳图像中的焊点坐标。
具体地，所述采集PCM极耳全局图像与电芯极耳全局图像的步骤中， 采用2组圆顶光源和黑白工业相机模组对锂电池的电芯极耳与PCM板极 耳进行全局图像采集。
所述光源采用蓝光照明；两个工业相机对置安装，图像采集时锂电池 位于两个工业相机中间；两个相机分别采集PCM板极耳全局图像和电芯极 耳全局图像；所述极耳全局图像涵盖左、右2个极耳；两个工业相机模组 (相机与镜头)完全相同，视场重合区域需要完全覆盖左右极耳；综合相机曝 光时间和光源光强应该达到的成像效果是使得正常无褶皱极耳在图像中的 灰度值为255。
具体地，所述对PCM板极耳全局图像和电芯极耳全局图像进行划分的 步骤中，电芯极耳全局图像划分为电芯左极耳局部图像和电芯右极耳局部 图像；PCM极耳全局图像划分为PCM板左极耳局部图像和PCM板右极耳 局部图像。每个极耳局部图像均要求完整地包含该极耳轮廓，且极耳局部 图像应该涵盖全局图像中锂电池极耳因为锂电池装夹误差导致可能出现的 所有位置。
具体地，所述对得到的锂电池极耳局部图像的对比度进行判断的步骤 中，包括：
将极耳局部图像的灰度直方图统计结果划分为3区间：低灰度值区间、 中等灰度值区间、高灰度值区间；
极耳局部图像中在锂电池周围远离光源照射的背景区域的灰度处于低 灰度值区间，范围大约为0到20；极耳局部图像中极耳上的焊点、褶皱极 耳引起的局部阴影或者极耳弯曲倾斜造成的整体极耳阴影的灰度处于中等 灰度值区间，范围大约为30到80；极耳局部图像中无褶皱正常极耳的非 焊点区域灰度处于高灰度值区间，范围大约为200到255；
通过高灰度值区间像素和Sh与中等灰度值区间像素和Sm的比值δ，判 断极耳局部图像的对比度：
如果δ大于等于预设的常数const，则将极耳局部图像判断为正常对比 度，否则为低对比度；其中常数const通过对一个无褶皱正常极耳图像的高 灰度值区间像素数总和与中等灰度值区间像素数总和的商做参照，并且可 以在实时运行中不断累计求平均值来减小误差。
具体地，所述依据判断的对比度结果采取相应方法从极耳局部图像中 提取极耳ROI的步骤中，从极耳局部图像提取的极耳ROI需要满足：ROI 左边缘与极耳轮廓左边缘重合，ROI右边缘与极耳轮廓右边缘重合，ROI下 边缘与极耳轮廓下边缘重合。
具体地，所述依据判断的对比度结果采取相应方法从极耳局部图像中 提取极耳ROI的步骤中，包括：
对于正常对比度的极耳局部图像，采用OTSU算法进行阈值化，并在 二值图像中采用寻找最小外接矩形法，所有外接矩形中面积最大的矩形就 是极耳ROI；
对于低对比度的极耳局部图像，采用累加灰度像素数逼近法进行阈值 化，并在二值图像中采用寻找最小外接矩形法，所有外接矩形中面积最大 的矩形就是极耳ROI；
得到的极耳ROI即为极耳图像。
更进一步地，所述采用累加灰度像素逼近法进行阈值化，具体为：正 常情况下极耳在图像中是255灰度值，其像素总和在一个平均值T附近浮 动，极耳局部图像像素长度为l，低对比度极耳局部图像中每个灰度值对应 的像素数量为Ni，其中i表示灰度值，N表示像素数量，S表示从255灰 度开始按照递减1进行累加的像素和，当累加到S第一次大于T时停止累 加并得到灰度值n，灰度值为n时，如果S减T的差大于2l那么255减去 n就是阈值t，如果S减T的差小于等于2l那么256减n就是阈值t，以t 为参数进行阈值化操作。其中参数T通过预先对无褶皱电芯极耳正常图像 和无褶皱PCM极耳正常图像进行255灰度像素数量统计来获取，并且可 以在实时运行中进行不断累加求平均值更新T。
阈值t的求解公式为：
Figure BDA0002391188540000051
Figure BDA0002391188540000052
具体地，所述依据判断的对比度采取相应方法进行PCM极耳图像的焊 点检测的步骤中，正常对比度的PCM极耳局部图像提取后获得正常对比度 的PCM极耳图像，低对比度的PCM极耳局部图像提取后获得低对比度的 PCM极耳图像。对于正常对比度的PCM极耳图像，采用斑点分析或霍夫 圆变换的方法进行焊点检测。
具体地，所述依据判断的对比度采取相应方法进行PCM极耳图像的焊 点检测的步骤中，对于低对比度的PCM极耳图像，焊点检测步骤包括：
对PCM极耳图像进行直方图均衡化处理；
采用Log-Gabor even滤波器进行滤波处理，处理后进行霍夫圆变换检 测圆；
改变Log-Gabor even滤波器的参数σ0，重复滤波处理和检测圆若干 次；
将每一次Log-Gabor even滤波后进行霍夫圆变换检测到的圆结果，累 计在一起进行筛选操作，最后保留真正的焊点。
更进一步地，所述将每一次Log-Gabor even滤波后进行霍夫圆变换检 测到的圆结果，累计在一起进行筛选操作的步骤中，包括：
从第一个圆开始循环遍历，合并圆心坐标距离小于ε的圆，新圆的圆 心坐标为所合并圆的圆心坐标的平均值，并标记合并圆的数量；
对所有圆按照圆心x坐标从小到大进行排列，如果相邻两个圆x坐标 距离小于εx，那么认为这两个圆x坐标是同一的；
统计同一x坐标下所有合并圆的数目和，如果和大于等于Cx，保留该 x坐标下的所有圆，反之则删去；
对上一步保留的所有圆按照圆心y坐标从小到大进行排列，如果相邻 两个圆y坐标距离小于εy，那么认为这两个圆y坐标是同一的；
统计同一y坐标下所有合并圆的数目和，如果和大于等于Cy，保留该 y坐标下的所有圆，反之则删去；
对上一步保留的所有圆按照圆心x坐标从小到大进行排列，如果相邻 两个圆x坐标距离小于εx，那么认为这两个圆x坐标是同一的；
统计同一x坐标下所有合并圆的数目和，如果这个和大于等于Cx′那 么就保留该x坐标下的所有圆，反之则删去；
其中Cx′>Cx。
具体地，所述通过检测的PCM极耳图像中的焊点坐标和预先获取的标 定信息，映射预估电芯极耳图像中的焊点坐标的步骤中，对PCM右极耳图 像和电芯左极耳图像的焊点坐标进行变换，变换公式如下：
Figure BDA0002391188540000071
其中，{BL}为电芯左极耳图像坐标系，{FR}为PCM右极耳图像坐标 系，坐标系原点均为图像左上角，向右为x正方向，向下为y正方向，Pij表示焊点坐标向量，其中i表示行、j表示列，PCM右极耳图像长w1，高 h1，电芯左极耳图像长w1’，高h1’，a、a′、b、b′是从txt文档中读取的预 先标定信息，a为PCM右极耳图像中焊点P标定距离图像左边缘的像素长 度，b是PCM右极耳图像中P标定距离图像底边缘的像素长度，a′为电芯左 极耳图像对应焊点P标定′距离图像右边缘的像素长度，b′为电芯左极耳图像 对应焊点P标定′距离图像底边缘的像素长度。
对PCM左极耳图像和电芯右极耳图像的焊点坐标进行变换，变换公式 如下：
Figure BDA0002391188540000072
其中，{BR}为电芯右极耳图像坐标系，{FL}为PCM左极耳图像坐标 系，坐标系原点均为图像左上角，向右为x正方向，向下为y正方向，Pmn表示焊点坐标向量，其中m表示行，n表示列，PCM左极耳图像长w2、高 h2、电芯右极耳图像长w2’、高h2’，c、c′、d、d′是从txt文档中读取的预 先标定信息，c为PCM左极耳图像中焊点P标定距离图像右边缘的像素长 度，d是PCM左极耳图像中P标定距离图像底边缘的像素长度，c′为电芯右 极耳图像对应焊点P标定′距离图像左边缘的像素长度，d′为电芯右极耳图像 对应焊点P标定′距离图像底边缘的像素长度。
更进一步地，在对PCM右极耳图像和电芯左极耳图像的焊点坐标进行 变换的过程中，预先标定信息的获取是通过额外的程序事先得到的，具体 为：
输入正常无褶皱极耳的PCM板极耳全局图像和电芯极耳全局图像；
通过对比度判断及极耳ROI提取，得到PCM右极耳图像和电芯左极 耳图像；
在PCM右极耳图像中指定一个焊点的位置(FRx,FRy)，求解a,b，计算公 式为：
Figure BDA0002391188540000081
在电芯左极耳图像中指定与PCM右极耳对应焊点的位置(BLx,BLy)，求 解a′,b′，计算公式为：
Figure RE-GDA0002488074920000082
将a、b、a′、b′的值保存在xml或txt文件中。
更进一步地，在对PCM左极耳图像和电芯右极耳图像的焊点坐标进行 变换的过程中，预先标定信息的获取是通过额外的程序事先得到的，具体 为：
输入正常无褶皱极耳的PCM板极耳全局图像和电芯极耳全局图像；
通过对比度判断及极耳ROI提取，得到PCM右极耳图像和电芯左极 耳图像；
在PCM左极耳图像中指定一个焊点的位置(FLx,FLy)，求解c,d，计算 公式为：
Figure BDA0002391188540000091
在电芯右极耳图像中指定与PCM左极耳对应焊点的位置(BRx,BRy)，求 解c′,d′，计算公式为：
Figure RE-GDA0002488074920000092
将c、d、c′、d′的值保存在xml或txt文件中。
所述从txt文件中读取的预先标定信息可以只使用a、b、a′、b′或只 使用c、d、c′、d′；只使用a、b、a′、b′时，用
Figure BDA0002391188540000093
代替
Figure BDA0002391188540000094
用
Figure BDA0002391188540000095
代替
Figure BDA0002391188540000096
只 使用c、d、c′、d′时，用
Figure BDA0002391188540000097
代替
Figure BDA0002391188540000098
用
Figure BDA0002391188540000099
代替
Figure BDA00023911885400000910
并且在实时运行中可以通 过重复记录a、b、a′、b′、c、d、c′、d′进行累加求平均值，从而减小 误差。
具体地，所述在正方形ROI中进行焊点检测，得到实际的电芯极耳图 像中的焊点坐标的步骤中，采用斑点分析的方法对正方形ROI搜索焊点， 如果斑点分析搜索不到焊点，则对图像进行直方图均衡化处理，再使用霍 夫圆检测搜索焊点。通过正方形ROI内搜索结果对映射的电芯极耳焊点坐 标进行补偿公式如下(图像坐标系原点在左上角)：
Figure BDA00023911885400000911
其中J为实际的电芯极耳图像坐标系下焊点坐标，(xtemp,ytemp)为焊点在 正方形ROI图像坐标系{Square}中的坐标，l为正方形ROI的长度，如果 检测到多个圆就只用距离矩形中心最近的一个。其中ROI边长l为预设参 数，与图像采集机构安装位置和选型型号有关，l大概2倍焊点圆直径像素 长度
本发明相较于现有技术，具有以下的有益效果：
(1)本发明在不增加硬件成本的基础上，改善了传统算法对褶皱极耳 图像检测造成的良品误判不合格问题。
(2)本发明满足实际自动化生产的实时性要求。
附图说明
图1为一种锂电池极耳激光焊点视觉在线检测方法的流程图；
图2是本发明实施例中局部极耳图像对比度判断的流程图；
图3是本发明实施例中低对比度PCM极耳图像处理的流程图；
图4是本发明实施例中从PCM极耳图像的焊点坐标映射电芯极耳图 像焊点坐标步骤中获取标定信息的示意图；
图5是本发明实施例中锂电池极耳激光焊点视觉在线检测***的结构 示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实 施方式不限于此。
实施例
在本实施例中，提供一个锂电池极耳激光焊点视觉在线检测***，所 述***的结构如图5所示。在所述***中，锂电池113被上料机构112搬 运到视觉检测工位上，由夹具114固定保持锂电池，视觉检测工位有圆顶 光源106和108，工业相机107和110，光源控制器104，图像采集卡105， 运算处理与控制单元102，显示设备101；锂电池113放置好后，本发明的 视觉检测方法开始工作。
如图1所示为一种锂电池极耳激光焊点视觉在线检测方法的流程图， 包括步骤：
(1)采集PCM(电路保护模块)极耳全局图像与电芯极耳全局图像；
在本实施例中，采用2组圆顶光源106、108和工业相机107、110进 行采集。得到了尺寸为2592*1944的PCM极耳全局图像和电芯极耳全局 图像，每个全局图像中有左右2个极耳被拍摄到，在图像中没有褶皱的极 耳是高亮的，有存在褶皱的极耳有大部分阴影。
(2)划分全局图像，得到4个锂电池极耳局部图像；
所述电芯极耳全局图像划分为电芯左极耳局部图像和电芯右极耳局部 图像；所述PCM极耳全局图像划分为PCM板左极耳局部图像和PCM板 右极耳局部图像。
在本实施例中，在全局图像中设置左极耳的局部图像为起点(0,450)、 长800、宽600的矩形区域，右极耳局部图像为起点(1700,600)、长800,、 宽600的矩形区域。从而得到的PCM左极耳局部图像、PCM右极耳局部 图像、电芯左极耳局部图像和电芯右极耳局部图像的每个极耳轮廓都完全 处于局部图像内。
(3)判断得到的锂电池极耳局部图像的对比度；
如图2所示为判断得到的锂电池极耳局部图像的对比度的流程图，包 括步骤：
(3-1)将极耳局部图像的灰度直方图统计结果划分为3区间：低灰度 值区间、中等灰度值区间、高灰度值区间；
极耳局部图像中在锂电池周围远离光源照射的背景区域的灰度处于低 灰度值区间，范围大约为0到20；极耳局部图像中极耳上的焊点、褶皱极 耳引起的局部阴影或者极耳弯曲倾斜造成的整体极耳阴影的灰度处于中等 灰度值区间，范围大约为30到80；极耳局部图像中无褶皱正常极耳的非 焊点区域灰度处于高灰度值区间，范围大约为200到255；
(3-2)通过高灰度值区间像素和Sh与中等灰度值区间像素和Sm的比 值δ，判断极耳局部图像的对比度：
如果δ大于等于预设的常数const，则将极耳局部图像判断为正常对比 度，否则为低对比度；其中常数const通过对一个无褶皱正常极耳图像的高 灰度值区间像素数总和与中等灰度值区间像素数总和的商做参照，并且可 以在实时运行中不断累计求平均值来减小误差。
在本实施例中，取常数const为3，统计PCM左极耳局部图像的灰度 直方图，高亮灰度值区间像素数目和是中等灰度值区间像素数目和的10倍， 判断为正常对比度的极耳图像，PCM右极耳局部图像中高亮灰度值区间像 素数目和是中等灰度值区间像素数目和的1.5倍，判断为低对比度；类似 地，电芯左极耳判断为低对比度，电芯右极耳判断为正常对比度。
(4)依据判断的对比度结果采用相应方法从极耳局部图像中提取极耳 ROI，得到极耳图像；
从极耳局部图像提取的极耳ROI满足：ROI左边缘与极耳轮廓左边缘 重合，ROI右边缘与极耳轮廓右边缘重合，ROI下边缘与极耳轮廓下边缘 重合。
在本实施例中，通过对比度判断结果采用不同阈值参数进行阈值图像 分割提取极耳ROI；PCM左极耳局部图像是正常对比度所以采用OTSU阈 值进行二值化，提取二值化图像中面积最大连通域的最小外接矩形得到了 PCM左极耳图像；PCM右极耳图像为低对比度，采用从255灰度值开始累 加像素数量求和，当累加的和达到85000时，停止累加，此时的灰度为35， 所以对PCM右极耳局部图像进行阈值为35的二值化操作，同样在二值图 像中提取面积最大的外接矩形得到PCM右极耳图像；类似地，得到电芯左 极耳图像，电芯右极耳图像。
(5)依据判断的对比度采取相应方法进行PCM极耳图像的焊点检测；
在本实施例中，根据对比度不同采取不同的方法进行PCM极耳图像的 焊点检测：对PCM左极耳图像采用斑点分析的方法，检测到了全部6个焊 点；对于低对比度的PCM右极耳图像，焊点检测步骤如图3所示，包括：
(5-1)对PCM极耳图像进行直方图均衡化处理；
(5-2)采用Log-Gabor even滤波器进行滤波处理，处理后进行霍夫圆 变换检测圆；
(5-3)改变Log-Gabor even滤波器的参数σ0，重复步骤(5-2)10次， σ0的参数从0.01到0.10，；
(5-4)将每一次Log-Gabor even滤波后进行霍夫圆变换检测到的圆结 果，累计在一起进行3次基于不同方向重复次数的筛选操作：依次是x方 向、y方向、x方向，每次筛选的结果作为下一次筛选的输入，最后保留真 正的焊点。
Log-Gabor even滤波器表达式如下：
Figure BDA0002391188540000131
其中ω0是中心波长取值45,ω＝(ωx,ωy)T，σ0是决定带宽的参数，每次 滤波后进行霍夫圆变换检测圆，将所有圆结果累积在一起，按照以下步骤 进行筛选：
(5-4-1)从第一个圆开始循环遍历，合并圆心坐标距离小于3的圆， 新圆的圆心坐标为所合并圆的圆心坐标的平均值，并标记合并圆的数量；
(5-4-2)首先对所有圆按照圆心x坐标从小到大进行排列，如果相邻 两个圆x像素坐标距离小于6，那么认为这两个圆x坐标是同一的；
(5-4-3)统计同一x坐标下所有圆的数目和，如果这个数目大于等于 14那么就保留该x坐标下的所有圆，反之则删去；
(5-4-4)对上一步保留的所有圆按照圆心y坐标从小到大进行排列， 如果相邻两个圆y坐标距离小于5，那么认为这两个圆y坐标是同一的；
(5-4-5)统计同一y坐标下所有圆的数目和，如果这个数目大于等于 25那么就保留该y坐标下的所有圆，反之则删去；
(5-4-6)对上一步保留的所有圆按照圆心x坐标从小到大进行排列， 如果相邻两个圆x坐标距离小于5，那么认为这两个圆x坐标是同一的；
(5-4-7)统计同一x坐标下所有圆的数目和，如果这个数目大于等于 16那么就保留该x坐标下的所有圆，反之则删去。
完成筛选后得到PCM右极耳图像中全部6个焊点。
(6)通过检测的PCM极耳图像中的焊点坐标和预先获取的标定信息， 映射预估电芯极耳图像中的焊点坐标；
对PCM右极耳图像和电芯左极耳图像的焊点坐标进行变换，变换公式 如下：
Figure BDA0002391188540000151
其中，{BL}为电芯左极耳图像坐标系，{FR}为PCM右极耳图像坐标 系，坐标系原点均为图像左上角，向右为x正方向，向下为y正方向，Pij表示焊点坐标向量，其中i表示行、j表示列，PCM右极耳图像长w1，高 h1，电芯左极耳图像长w1’，高h1’，a、a′、b、b′是从txt文档中读取的预 先标定信息，a为PCM右极耳图像中焊点P标定距离图像左边缘的像素长 度，b是PCM右极耳图像中P标定距离图像底边缘的像素长度，a′为电芯左 极耳图像对应焊点P标定′距离图像右边缘的像素长度，b′为电芯左极耳图像 对应焊点P标定′距离图像底边缘的像素长度。
对PCM左极耳图像和电芯右极耳图像的焊点坐标进行变换，变换公式 如下：
Figure BDA0002391188540000152
其中，{BR}为电芯右极耳图像坐标系，{FL}为PCM左极耳图像坐标 系，坐标系原点均为图像左上角，向右为x正方向，向下为y正方向，Pmn表示焊点坐标向量，其中m表示行，n表示列，PCM左极耳图像长w2、高 h2、电芯右极耳图像长w2’、高h2’，c、c′、d、d′是从txt文档中读取的预 先标定信息，c为PCM左极耳图像中焊点P标定距离图像右边缘的像素长 度，d是PCM左极耳图像中P标定距离图像底边缘的像素长度，c′为电芯右 极耳图像对应焊点P标定′距离图像左边缘的像素长度，d′为电芯右极耳图像 对应焊点P标定′距离图像底边缘的像素长度。
在对PCM右极耳图像和电芯左极耳图像的焊点坐标进行变换的过程 中，预先标定信息的获取是通过额外的程序事先得到的，获取示意图如图 4所示，具体为：
(6-1-1)输入正常无褶皱极耳的PCM板极耳全局图像和电芯极耳全 局图像；
(6-1-2)通过步骤(2)-(5)得到PCM右极耳图像和电芯左极耳图 像；
(6-1-3)在PCM右极耳图像中指定一个焊点的位置(FRx,FRy)，求解a,b， 计算公式为：
Figure BDA0002391188540000161
(6-1-4)在电芯左极耳图像中指定与PCM右极耳图像对应焊点的位 置(BLx,BLy)，求解a′,b′，计算公式为：
Figure BDA0002391188540000162
(6-1-5)将a、b、a′、b′的值保存在xml或txt文件中。
在对PCM左极耳图像和电芯右极耳图像的焊点坐标进行变换的过程 中，预先标定信息的获取是通过额外的程序事先得到的，具体为：
(6-2-1)输入正常无褶皱极耳的PCM板极耳全局图像和电芯极耳全 局图像；
(6-2-2)通过步骤(2)-(5)得到PCM右极耳图像和电芯左极耳图 像；
(6-2-3)在PCM左极耳图像中指定一个焊点的位置(FLx,FLy)，求解c,d， 计算公式为：
Figure BDA0002391188540000171
(6-2-4)在电芯右极耳图像中指定与PCM左极耳图像对应焊点的位 置(BRx,BRy)，求解c′,d′，计算公式为：
Figure BDA0002391188540000172
(6-2-5)将c、d、c′、d′的值保存在xml或txt文件中。
现在得到了电芯左极耳图像中被映射过来的6个焊点的坐标，和电芯 右极耳图像中被映射过来的6个焊点的坐标。
(7)以得到的每一个映射预估焊点坐标为中心生成一个正方形ROI；
在本实施例中，正方形ROI边长为20个像素。
(8)在正方形ROI中进行焊点检测，如果检测到焊点就对预估的焊 点坐标进行补偿，得到实际的电芯极耳图像中的焊点坐标。
具体地，所述步骤(8)中，采用斑点分析的方法对正方形ROI搜索焊 点，如果斑点分析搜索不到焊点，则对图像进行直方图均衡化处理，再使 用霍夫圆检测搜索焊点。通过正方形ROI内搜索结果对映射的电芯极耳焊 点坐标进行补偿公式如下(图像坐标系原点在左上角)：
Figure BDA0002391188540000173
其中J为实际的电芯极耳图像坐标系下焊点坐标，(xtemp,ytemp)为焊点在 正方形ROI图像坐标系{Square}中的坐标，l为20，如果检测到多个圆就 只用距离矩形中心最近的一个。
完成了对所有PCM极耳图像与电芯极耳图像的焊点检测，根据检测结 果标记锂电池113焊点焊接是良品还是不良品。如果是良品，由下料机构 109搬运锂电池113到良品下料输送带103；如果是不良品，由下料机构 109搬运锂电池113到不良品下料输送带111。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上 述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改 变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明 的保护范围之内。

Claims (10)

1.一种锂电池极耳激光焊点视觉在线检测方法，其特征在于，包括步骤：
采集PCM极耳全局图像与电芯极耳全局图像；
对PCM板极耳全局图像和电芯极耳全局图像进行划分，得到锂电池极耳局部图像；
对得到的锂电池极耳局部图像的对比度进行判断；
依据判断的对比度结果采取相应方法从极耳局部图像中提取极耳ROI，得到PCM极耳图像和电芯极耳图像；
依据判断的对比度采取相应方法进行PCM极耳图像的焊点检测；
通过检测的PCM极耳图像中的焊点坐标和预先获取的标定信息，映射预估电芯极耳图像中的焊点坐标；
在电芯极耳图像中，以得到的每一个映射预估焊点坐标为中心生成一个正方形ROI；
在正方形ROI中进行焊点检测，如果检测到焊点就对预估的焊点坐标进行补偿，得到实际的电芯极耳图像中的焊点坐标。
2.根据权利要求1所述的方法，其特征在于，所述采集PCM极耳全局图像与电芯极耳全局图像的步骤中，采用2组圆顶光源和黑白工业相机模组对锂电池的电芯极耳与PCM板极耳进行全局图像采集；
所述光源采用蓝光照明；两个工业相机对置安装，图像采集时锂电池位于两个工业相机中间；两个相机分别采集PCM极耳全局图像和电芯极耳全局图像；所述极耳全局图像涵盖左、右2个极耳；两个工业相机模组完全相同，视场重合区域需要完全覆盖左右极耳；综合相机曝光时间和光源光强应该达到的成像效果是使得正常无褶皱极耳在图像中的灰度值为255。
3.根据权利要求1所述的方法，其特征在于，所述对PCM板极耳全局图像和电芯极耳全局图像进行划分的步骤中，电芯极耳全局图像划分为电芯左极耳局部图像和电芯右极耳局部图像；PCM极耳全局图像划分为PCM板左极耳局部图像和PCM板右极耳局部图像；每个极耳局部图像均要求完整地包含该极耳轮廓，且极耳局部图像应该涵盖全局图像中锂电池极耳因为锂电池装夹误差导致可能出现的所有位置。
4.根据权利要求1所述的方法，其特征在于，所述对得到的锂电池极耳局部图像的对比度进行判断的步骤中，包括：
将极耳局部图像的灰度直方图统计结果划分为3区间：低灰度值区间、中等灰度值区间、高灰度值区间；
通过高灰度值区间像素和Sh与中等灰度值区间像素和Sm的比值δ，判断极耳局部图像的对比度：
如果δ大于等于预设的常数const，则将极耳局部图像判断为正常对比度，否则为低对比度；其中常数const通过对一个无褶皱正常极耳图像的高灰度值区间像素数总和与中等灰度值区间像素数总和的商做参照，并且可以在实时运行中不断累计求平均值来减小误差。
5.根据权利要求1所述的方法，其特征在于，所述依据判断的对比度结果采取相应方法从极耳局部图像中提取极耳ROI的步骤中，从极耳局部图像提取的极耳ROI需要满足：ROI左边缘与极耳轮廓左边缘重合，ROI右边缘与极耳轮廓右边缘重合，ROI下边缘与极耳轮廓下边缘重合。
6.根据权利要求1所述的方法，其特征在于，所述依据判断的对比度结果采取相应方法从极耳局部图像中提取极耳ROI的步骤中，包括：
对于正常对比度的极耳局部图像，采用OTSU算法进行阈值化，并在二值图像中采用寻找最小外接矩形法，所有外接矩形中面积最大的矩形就是极耳ROI；
对于低对比度的极耳局部图像，采用累加灰度像素数逼近法进行阈值化，并在二值图像中采用寻找最小外接矩形法，所有外接矩形中面积最大的矩形就是极耳ROI；
得到的极耳ROI即为极耳图像；
采用累加灰度像素逼近法进行阈值化，阈值t求解公式为：
Figure FDA0002391188530000031
Figure FDA0002391188530000032
其中，正常情况下极耳在图像中是255灰度值，其像素总和在一个平均值T附近浮动，l为极耳局部图像像素长度，Ni为低对比度极耳局部图像中每个灰度值对应的像素数量，i表示灰度值；S表示从255灰度开始按照递减1进行累加的像素和，n表示当累加到S第一次大于T时得到的灰度值。
7.根据权利要求1所述的方法，其特征在于，所述依据判断的对比度采取相应方法进行PCM极耳图像的焊点检测的步骤中，对于低对比度的PCM极耳图像，焊点检测步骤包括：
对PCM极耳图像进行直方图均衡化处理；
采用Log-Gabor even滤波器进行滤波处理，处理后进行霍夫圆变换检测圆；
改变Log-Gabor even滤波器的参数σ0，重复滤波处理和检测圆若干次；
将每一次Log-Gabor even滤波后进行霍夫圆变换检测到的圆结果，累计在一起进行筛选操作，最后保留真正的焊点。
8.根据权利要求7所述的方法，其特征在于，所述将每一次Log-Gabor even滤波后进行霍夫圆变换检测到的圆结果，累计在一起进行筛选操作的步骤中，包括：
从第一个圆开始循环遍历，合并圆心坐标距离小于ε的圆，新圆的圆心坐标为所合并圆的圆心坐标的平均值，并标记合并圆的数量；
对所有圆按照圆心x坐标从小到大进行排列，如果相邻两个圆x坐标距离小于εx，那么认为这两个圆x坐标是同一的；
统计同一x坐标下所有合并圆的数目和，如果和大于等于Cx，保留该x坐标下的所有圆，反之则删去；
对上一步保留的所有圆按照圆心y坐标从小到大进行排列，如果相邻两个圆y坐标距离小于εy，那么认为这两个圆y坐标是同一的；
统计同一y坐标下所有合并圆的数目和，如果和大于等于Cy，保留该y坐标下的所有圆，反之则删去；
对上一步保留的所有圆按照圆心x坐标从小到大进行排列，如果相邻两个圆x坐标距离小于εx，那么认为这两个圆x坐标是同一的；
统计同一x坐标下所有合并圆的数目和，如果这个和大于等于Cx′那么就保留该x坐标下的所有圆，反之则删去；
其中Cx′>Cx。
9.根据权利要求1所述的方法，其特征在于，所述通过检测的PCM极耳图像中的焊点坐标和预先获取的标定信息，映射预估电芯极耳图像中的焊点坐标的步骤中，对PCM右极耳图像和电芯左极耳图像的焊点坐标进行变换，变换公式如下：
Figure FDA0002391188530000041
其中，{BL}为电芯左极耳图像坐标系，{FR}为PCM右极耳图像坐标系，坐标系原点均为图像左上角，向右为x正方向，向下为y正方向，Pij表示焊点坐标向量，其中i表示行、j表示列，PCM右极耳图像长w1，高h1，电芯左极耳图像长w1’，高h1’，a、a′、b、b′是从txt文档中读取的预先标定信息，a为PCM右极耳图像中焊点P标定距离图像左边缘的像素长度，b是PCM右极耳图像中P标定距离图像底边缘的像素长度，a′为电芯左极耳图像对应焊点P标定′距离图像右边缘的像素长度，b′为电芯左极耳图像对应焊点P标定′距离图像底边缘的像素长度；
对PCM左极耳图像和电芯右极耳图像的焊点坐标进行变换，变换公式如下：
Figure FDA0002391188530000051
其中，{BR}为电芯右极耳图像坐标系，{FL}为PCM左极耳图像坐标系，坐标系原点均为图像左上角，向右为x正方向，向下为y正方向，Pmn表示焊点坐标向量，其中m表示行，n表示列，PCM左极耳图像长w2、高h2、电芯右极耳图像长w2’、高h2’，c、c′、d、d′是从txt文档中读取的预先标定信息，c为PCM左极耳图像中焊点P标定距离图像右边缘的像素长度，d是PCM左极耳图像中P标定距离图像底边缘的像素长度，c′为电芯右极耳图像对应焊点P标定′距离图像左边缘的像素长度，d′为电芯右极耳图像对应焊点P标定′距离图像底边缘的像素长度；
在对PCM右极耳图像和电芯左极耳图像的焊点坐标进行变换的过程中，预先标定信息的获取是通过额外的程序事先得到的，具体为：
输入正常无褶皱极耳的PCM板极耳全局图像和电芯极耳全局图像；
通过对比度判断及ROI提取，得到PCM右极耳图像和电芯左极耳图像；
在PCM右极耳图像中指定一个焊点的位置(FRx,FRy)，求解a,b，计算公式为：
Figure FDA0002391188530000052
在电芯左极耳图像中指定与PCM右极耳图像对应焊点的位置(BLx,BLy)，求解a′,b′，计算公式为：
Figure FDA0002391188530000061
将a、b、a′、b′的值保存在xml或txt文件中；
在对PCM左极耳图像和电芯右极耳图像的焊点坐标进行变换的过程中，预先标定信息的获取是通过额外的程序事先得到的，具体为：
输入正常无褶皱极耳的PCM板极耳全局图像和电芯极耳全局图像；
通过对比度判断及ROI提取，得到PCM右极耳图像和电芯左极耳图像；
在PCM左极耳图像中指定一个焊点的位置(FLx,FLy)，求解c,d，计算公式为：
Figure FDA0002391188530000062
在电芯右极耳图像中指定与PCM左极耳图像对应焊点的位置(BRx,BRy)，求解c′,d′，计算公式为：
Figure FDA0002391188530000063
将c、d、c′、d′的值保存在xml或txt文件中。
10.根据权利要求1所述的方法，其特征在于，所述在正方形ROI中进行焊点检测，得到实际的电芯极耳图像中的焊点坐标的步骤中，采用斑点分析的方法对正方形ROI搜索焊点，如果斑点分析搜索不到焊点，则对图像进行直方图均衡化处理，再使用霍夫圆变换搜索焊点；通过正方形ROI内搜索结果对映射的电芯极耳焊点坐标进行补偿公式如下：
Figure FDA0002391188530000064
其中J为实际的电芯极耳图像坐标系下焊点坐标，(xtemp,ytemp)为焊点在矩形ROI图像坐标系{Square}中的坐标，l为矩形ROI的长度，如果检测到多个圆就只用距离矩形中心最近的一个。
CN202010114940.9A 2020-02-25 2020-02-25 一种锂电池极耳激光焊点视觉在线检测方法 Expired - Fee Related CN111307818B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010114940.9A CN111307818B (zh) 2020-02-25 2020-02-25 一种锂电池极耳激光焊点视觉在线检测方法
PCT/CN2020/122843 WO2021169335A1 (zh) 2020-02-25 2020-10-22 一种锂电池极耳激光焊点视觉在线检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010114940.9A CN111307818B (zh) 2020-02-25 2020-02-25 一种锂电池极耳激光焊点视觉在线检测方法

Publications (2)

Publication Number Publication Date
CN111307818A true CN111307818A (zh) 2020-06-19
CN111307818B CN111307818B (zh) 2021-07-20

Family

ID=71156802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010114940.9A Expired - Fee Related CN111307818B (zh) 2020-02-25 2020-02-25 一种锂电池极耳激光焊点视觉在线检测方法

Country Status (2)

Country Link
CN (1) CN111307818B (zh)
WO (1) WO2021169335A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111976151A (zh) * 2020-08-06 2020-11-24 漳浦金盛智能科技有限公司 一种平面口罩机
CN112184816A (zh) * 2020-09-28 2021-01-05 珠海博明视觉科技有限公司 一种基于电池极耳的锂电池柔性定位方法
CN112363069A (zh) * 2020-09-18 2021-02-12 万向一二三股份公司 一种锂离子电池极耳断裂检测方法
WO2021169335A1 (zh) * 2020-02-25 2021-09-02 华南理工大学 一种锂电池极耳激光焊点视觉在线检测方法
CN113469991A (zh) * 2021-07-15 2021-10-01 广东奥普特科技股份有限公司 一种锂电池极耳激光焊点视觉在线检测方法
CN113552133A (zh) * 2021-06-30 2021-10-26 广东利元亨智能装备股份有限公司 一种电芯裙边开裂检测方法及视觉检测装置
CN115825070A (zh) * 2022-08-10 2023-03-21 宁德时代新能源科技股份有限公司 电芯检测方法、装置、计算机设备和介质

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113744244B (zh) * 2021-09-03 2022-05-13 广东奥普特科技股份有限公司 测量锂电池极片边缘到极耳边缘距离的在线视觉检测***
CN114037657A (zh) * 2021-10-12 2022-02-11 上海电机学院 一种结合区域生长与环形校正的锂电池极耳缺陷检测方法
CN114549531B (zh) * 2022-04-26 2022-07-15 广州市易鸿智能装备有限公司 一种锂电池卷绕OverHang对中纠偏控制***及方法
CN117078580A (zh) * 2022-05-10 2023-11-17 广州镭晨智能装备科技有限公司 焊点检测方法、装置及计算机可读存储介质
CN115100600B (zh) * 2022-06-30 2024-05-31 苏州市新方纬电子有限公司 一种电池包的产线智能检测方法及***
CN115178909B (zh) * 2022-07-11 2023-10-27 苏州汇川控制技术有限公司 焊接质量的检测方法、装置、终端设备与介质
CN115829913B (zh) * 2022-08-10 2024-05-17 宁德时代新能源科技股份有限公司 裸电芯外观检测方法、装置、计算机设备和存储介质
CN115082504B (zh) * 2022-08-23 2022-11-11 菏泽学院 一种太阳能光伏板光斑识别方法
CN115360319B (zh) * 2022-09-20 2023-04-14 楚能新能源股份有限公司 一种多极耳电芯极片信息追溯方法
CN115841451B (zh) * 2022-09-27 2023-11-17 宁德时代新能源科技股份有限公司 检测极耳数量的方法和装置
CN115661040B (zh) * 2022-09-28 2023-07-14 广州市易鸿智能装备有限公司 一种锂电池电芯涂胶的检测方法及装置、电子设备
CN116008294B (zh) * 2022-12-13 2024-03-08 无锡微准科技有限公司 一种基于机器视觉的键帽表面颗粒缺陷检测方法
CN116596932B (zh) * 2023-07-18 2024-02-09 北京阿丘机器人科技有限公司 电池顶盖极柱外观检测方法、装置、设备及存储介质
CN117109447B (zh) * 2023-10-24 2024-01-05 钛玛科（北京）工业科技有限公司 自适应极耳宽度检测方法、装置及设备
CN117309889B (zh) * 2023-11-27 2024-05-14 宁德时代新能源科技股份有限公司 极片边缘检测装置及方法
CN117570852B (zh) * 2024-01-15 2024-03-26 钛玛科（北京）工业科技有限公司 极耳顶点坐标检测方法、装置及设备
CN117593309B (zh) * 2024-01-19 2024-03-19 常熟理工学院 基于立体重构的芯片焊点检测方法、***及存储介质
CN117718593B (zh) * 2024-02-01 2024-06-11 宁德时代新能源科技股份有限公司 极柱的焊接方法及焊接***
CN117723491B (zh) * 2024-02-07 2024-07-23 宁德时代新能源科技股份有限公司 电芯防爆阀的检测***及检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104439727A (zh) * 2014-11-20 2015-03-25 东莞市德尔能新能源科技有限公司 用于电池激光焊接的夹具
CN106825958A (zh) * 2017-03-16 2017-06-13 深圳市光大激光科技股份有限公司 一体化焊接拍摄结构及电芯自动焊接检测装置和方法
CN108280837A (zh) * 2018-01-25 2018-07-13 电子科技大学 基于变换的x射线图像中bga焊球轮廓提取方法
CN109187547A (zh) * 2018-07-23 2019-01-11 广州超音速自动化科技股份有限公司 锂电池极耳焊点焊破检测方法及极耳焊接检测***
CN109187546A (zh) * 2018-07-23 2019-01-11 广州超音速自动化科技股份有限公司 锂电池极耳糅合检测方法及极耳焊接检测***
CN110135521A (zh) * 2019-05-28 2019-08-16 陕西何止网络科技有限公司 基于卷积神经网络的极片极耳缺陷检测模型、检测方法及***
CN110910363A (zh) * 2019-11-15 2020-03-24 上海交通大学 基于机器视觉和深度学习的虚焊检测方法、***及介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05109858A (ja) * 1991-10-15 1993-04-30 Nec Corp Ｔａｂはんだ付け検査装置
CN103846538A (zh) * 2012-11-29 2014-06-11 上海航天设备制造总厂 图像识别装置及利用所述装置的电池阵焊接***
CN103487440B (zh) * 2013-08-28 2015-11-18 东莞市三瑞自动化科技有限公司 一种基于机器视觉的电池极耳检测方法及其检测***
KR101678662B1 (ko) * 2013-09-24 2016-11-22 주식회사 엘지화학 이차전지의 초음파 용접상태에 관한 비전측정 최적화방법 및 그 장치
CN108355981B (zh) * 2018-01-08 2020-03-17 西安交通大学 一种基于机器视觉的电池连接器质量检测方法
CN109142368A (zh) * 2018-07-23 2019-01-04 广州超音速自动化科技股份有限公司 锂电池极片打皱检测方法及极耳焊接检测***
CN111307818B (zh) * 2020-02-25 2021-07-20 华南理工大学 一种锂电池极耳激光焊点视觉在线检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104439727A (zh) * 2014-11-20 2015-03-25 东莞市德尔能新能源科技有限公司 用于电池激光焊接的夹具
CN106825958A (zh) * 2017-03-16 2017-06-13 深圳市光大激光科技股份有限公司 一体化焊接拍摄结构及电芯自动焊接检测装置和方法
CN108280837A (zh) * 2018-01-25 2018-07-13 电子科技大学 基于变换的x射线图像中bga焊球轮廓提取方法
CN109187547A (zh) * 2018-07-23 2019-01-11 广州超音速自动化科技股份有限公司 锂电池极耳焊点焊破检测方法及极耳焊接检测***
CN109187546A (zh) * 2018-07-23 2019-01-11 广州超音速自动化科技股份有限公司 锂电池极耳糅合检测方法及极耳焊接检测***
CN110135521A (zh) * 2019-05-28 2019-08-16 陕西何止网络科技有限公司 基于卷积神经网络的极片极耳缺陷检测模型、检测方法及***
CN110910363A (zh) * 2019-11-15 2020-03-24 上海交通大学 基于机器视觉和深度学习的虚焊检测方法、***及介质

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021169335A1 (zh) * 2020-02-25 2021-09-02 华南理工大学 一种锂电池极耳激光焊点视觉在线检测方法
CN111976151A (zh) * 2020-08-06 2020-11-24 漳浦金盛智能科技有限公司 一种平面口罩机
CN112363069A (zh) * 2020-09-18 2021-02-12 万向一二三股份公司 一种锂离子电池极耳断裂检测方法
CN112363069B (zh) * 2020-09-18 2023-07-07 万向一二三股份公司 一种锂离子电池极耳断裂检测方法
CN112184816A (zh) * 2020-09-28 2021-01-05 珠海博明视觉科技有限公司 一种基于电池极耳的锂电池柔性定位方法
CN112184816B (zh) * 2020-09-28 2024-03-22 珠海博明视觉科技有限公司 一种基于电池极耳的锂电池柔性定位方法
CN113552133A (zh) * 2021-06-30 2021-10-26 广东利元亨智能装备股份有限公司 一种电芯裙边开裂检测方法及视觉检测装置
CN113469991A (zh) * 2021-07-15 2021-10-01 广东奥普特科技股份有限公司 一种锂电池极耳激光焊点视觉在线检测方法
CN113469991B (zh) * 2021-07-15 2022-03-18 广东奥普特科技股份有限公司 一种锂电池极耳激光焊点视觉在线检测方法
CN115825070A (zh) * 2022-08-10 2023-03-21 宁德时代新能源科技股份有限公司 电芯检测方法、装置、计算机设备和介质

Also Published As

Publication number Publication date
WO2021169335A1 (zh) 2021-09-02
CN111307818B (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
CN111307818B (zh) 一种锂电池极耳激光焊点视觉在线检测方法
CN110717872B (zh) 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取***
CN110390677B (zh) 一种基于滑动自匹配的缺陷定位方法及***
CN116559183B (zh) 一种提高缺陷判定效率的方法及***
CN113834816A (zh) 基于机器视觉的光伏电池缺陷在线检测方法及***
CN115115644A (zh) 一种基于人工智能的车辆焊接缺陷检测方法
CN111915485B (zh) 一种特征点稀疏工件图像的快速拼接方法及***
US20110199491A1 (en) Calibration index determination device, calibration device, calibration performance evaluation device, system, method, and program
CN110567965A (zh) 一种智能手机玻璃盖板边缘视觉缺陷检测方法
CN114594114A (zh) 一种锂电芯全自动在线无损检测方法
CN116416268B (zh) 基于递归二分法的锂电池极片边缘位置检测方法及装置
CN117058411B (zh) 电池棱边外形瑕疵识别方法、装置、介质和设备
CN113705564A (zh) 一种指针式仪表识别读数方法
CN113129260A (zh) 一种锂电池电芯内部缺陷的自动检测方法及装置
CN116681677A (zh) 一种锂电池缺陷检测方法、装置及***
CN114881878B (zh) 深度图像增强方法、装置、设备及存储介质
CN114926417B (zh) 高密度柔性fpc表面弱划痕的显微成像检测方法及***
CN115984197A (zh) 基于标准pcb图像的缺陷检测方法及相关装置
CN115194323A (zh) 一种激光焊接机的定位焊接方法
CN115035071A (zh) 一种pad导光板黑点缺陷的视觉检测方法
CN114359414A (zh) 镜头脏污识别方法、装置、计算机设备及存储介质
CN114494142A (zh) 一种基于深度学习的移动终端中框缺陷检测方法及装置
CN112734671A (zh) 一种基于深度学习的车辆图像形变的修复方法
CN115060731B (zh) 一种方差算法检测负极膜片颗粒划痕露金属的方法
CN112132807B (zh) 一种基于颜色相似度分割的焊缝区域提取方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210720

CF01 Termination of patent right due to non-payment of annual fee