CN115060731B - 一种方差算法检测负极膜片颗粒划痕露金属的方法 - Google Patents
一种方差算法检测负极膜片颗粒划痕露金属的方法 Download PDFInfo
- Publication number
- CN115060731B CN115060731B CN202210934534.6A CN202210934534A CN115060731B CN 115060731 B CN115060731 B CN 115060731B CN 202210934534 A CN202210934534 A CN 202210934534A CN 115060731 B CN115060731 B CN 115060731B
- Authority
- CN
- China
- Prior art keywords
- interest
- region
- target image
- pixels
- gray level
- 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.)
- Active
Links
- 239000002245 particle Substances 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000012528 membrane Substances 0.000 title claims abstract description 27
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 26
- 239000002184 metal Substances 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000001678 irradiating effect Effects 0.000 claims abstract description 5
- 238000006748 scratching Methods 0.000 claims description 2
- 230000002393 scratching effect Effects 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 10
- 239000011248 coating agent Substances 0.000 description 7
- 238000000576 coating method Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 239000011889 copper foil Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007888 film coating Substances 0.000 description 2
- 238000009501 film coating Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010952 in-situ formation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30136—Metal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种方差算法检测负极膜片颗粒划痕露金属的方法,包括以下步骤:S1:使用光源照射负极膜片,并对负极膜片的表面进行拍摄;S2:对步骤S1中拍摄到的图像进行灰度化处理得到目标图像;S3:标记目标图像中的感兴趣区域;S4:检测感兴趣区域中的整体像素的灰度等级的波动情况;S5:根据步骤S4中检测到的灰度等级的波动情况判断感兴趣区域是否为颗粒划痕,本发明公开一种方差算法检测负极膜片颗粒划痕露金属的方法,本发明能够有效的、在未导入深度学习AI模块的情况下检测负极膜片颗粒划痕。本发明属于核心算法建立模型的结果,在电池极片追求安全品质CTS,都是可靠有效的。且本方法简单易操作,耗时少,具有很高的经济价值。
Description
技术领域
本发明涉及锂电池生产领域,特别涉及一种方差算法检测负极膜片颗粒划痕露金属的方法。
背景技术
当前传统视觉瑕疵检测工具二值化阈值分割算法;在不使用图像预处理或者把空间域转换成频域进行分析时。很难对不规则的特征(邻域灰度波动、趋势、)进行有效的分析和判断。目前在锂电行业内负极膜片的“暗痕”和“颗粒划痕”就是比较难以区分的外观特征之一。其中,暗痕:泛指在涂布“削薄”区域在冷压、模切等工序引起的轻微凹凸变形,在CCD拍照视野呈现的是条状的暗条痕,其涂层厚度没有超规格。经在化成测试无析锂。颗粒划痕:是指浆料颗粒在涂布机挤压头唇口堵塞,造成膜片区域漏涂,但因烘箱中膜片表面的浆料流动导致划痕区域有碳粉聚集,未露金属铜箔。因此在CCD视野下整体特征显示为暗条痕。但是膜片涂层厚度有明显削减,有品质安全隐患。能有效的区分负极膜片的“暗痕”和“颗粒划痕”是在解决品质安全的前提下,保证备料工序制程的优率。
而8K/16K线阵相机在拍摄膜片高速走带的情况下(≥60m/min);使用图像预处理方案或者把图像空间域转换到频域(傅里叶转换)进行分析时,耗时过长。这样势必会造成图像异步采集超时出错。
并且,待测产品缺陷粗糙或者呈凹陷状,光源通过漫反射到镜头后特征变暗,缺陷特征和涂布特征区别不明显,且铜箔在双层涂布有底涂的情况下是孤立不连续的点、且无法曝光。CCD现状无论是按“点状漏金属”来检测还是按亮痕来检测都会漏杀或过杀。
现有技术中,在使用二值化阈值分割算法离线仿真原图后,无法有效的区分“暗痕”和“颗粒划痕”特征。机理原因是二值化算法是比较简单的区分对比度的阈值分割算法。只能区分所谓的明和暗的对比度条件。使用梯度求导算法时,能解决部分“颗粒划痕”漏杀。但是在水平投影方向,“颗粒划痕”是无规则的明暗场特征;其主要的特征分别是在水平投影方向极性分别是(暗→明→暗、明→暗→明、明暗场同时存在)。而暗痕水平投影方向极性是(明→暗→明);在数学算法上梯度求导只能反映出在该图像区域内的灰度变化趋势。所有从机理上无法实现全部有效检测。
发明内容
本发明的目的在于提供一种方差算法检测负极膜片颗粒划痕露金属的方法,实现了准确有效地检测负极膜片颗粒划痕。
为了实现上述目的,本发明提供如下技术方案:一种方差算法检测负极膜片颗粒划痕露金属的方法,包括以下步骤:S1:使用光源照射负极膜片,并对所述负极膜片的表面进行拍摄;S2:对步骤S1中拍摄到的图像进行灰度化处理得到目标图像;S3:标记所述目标图像中的感兴趣区域;S4:检测所述感兴趣区域中的整体像素的灰度等级的波动情况;S5:根据步骤S4中检测到的灰度等级的波动情况判断所述感兴趣区域是否为颗粒划痕。
进一步地,步骤S3包括:S31:沿所述目标图像的宽度方向,计算所述目标图像中的每一列的像素的灰度等级的平均值;S32:计算所述目标图像的所有像素的灰度等级的平均值 ;S33:计算每一列的像素的灰度等级的平均值 与所有像素的灰度等级的平均值的差值A;S34:获取差值设定值,判断每一列的所述差值A是否大于所述差值设定值,将所述目标图像中所有所述差值A中大于所述差值设定值的列标记为疑似感兴趣区域;S35:计算所述疑似感兴趣区域内每个像素的灰度等级X1,判断所述疑似感兴趣区域内所有每个的灰度等级X1与所有像素的灰度等级的平均值 的差值B,获取所述差值B大于所述差值设定值的像素的数量N;S36:获取像素数量设定值,当数量N大于所述像素数量设定值时,将所述疑似感兴趣区域标记为所述感兴趣区域。
进一步地,步骤S4包括:S41:获取所述感兴趣区域内的每个像素点的灰度等级Xi;S42:获取所述感兴趣区域内所有所述像素点的灰度等级平均值 ;S43:计算灰度等级Xi与灰度等级平均值 的方差S;S44:获取方差设定值,并将方差S与所述方差设定值比较,从而获取所述感兴趣区域中的整体像素的灰度等级的波动情况。
进一步地,步骤S1中对所述负极膜片的表面进行拍摄的设备为16K线阵相机。
进一步地,所述16K线阵相机的像素精度为0.030mm/pix-0.038mm/pix。
进一步地,所述像素数量设定值为900-1100。
进一步地,所述差值设定值为12-16。
分析可知,本发明公开一种方差算法检测负极膜片颗粒划痕露金属的方法,本发明能够有效的、在未导入深度学习AI模块的情况下检测负极膜片颗粒划痕。本发明属于核心算法建立模型的结果,在电池极片追求安全品质CTS,都是可靠有效的。且本方法简单易操作,耗时少,具有很高的经济价值。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。其中:
图1本发明一实施例的流程图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。各个示例通过本发明的解释的方式提供而非限制本发明。实际上,本领域的技术人员将清楚,在不脱离本发明的范围或精神的情况下,可在本发明中进行修改和变型。例如,示为或描述为一个实施例的一部分的特征可用于另一个实施例,以产生又一个实施例。因此,所期望的是,本发明包含归入所附权利要求及其等同物的范围内的此类修改和变型。
在本发明的描述中,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作,因此不能理解为对本发明的限制。本发明中使用的术语“相连”、“连接”、“设置”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接;可以是直接相连,也可以通过中间部件间接相连;可以是有线电连接、无线电连接,也可以是无线通信信号连接,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
所附附图中示出了本发明的一个或多个示例。详细描述使用了数字和字母标记来指代附图中的特征。附图和描述中的相似或类似标记的已经用于指代本发明的相似或类似的部分。如本文所用的那样,用语“第一”、“第二”、“第三”以及“第四”等可互换地使用,以将一个构件与另一个区分开,且不旨在表示单独构件的位置或重要性。
如图1所示,根据本发明的实施例,提供了一种方差算法检测负极膜片颗粒划痕露金属的方法,包括以下步骤:
S1:使用光源照射负极膜片,并对负极膜片的表面进行拍摄;
在实际应用中,负极膜片是运动的,其运动速度可以≥60m/min,例如:60m/min、65m/min、70m/min、75m/min。光源和拍摄设备沿负极膜片的运动方向前后布置。
S2:对步骤S1中拍摄到的图像进行灰度化处理得到目标图像;
灰度化处理过程是一种将彩色图像转化为灰度图像的过程。在灰度图像中,每个像素有一个对应的灰度值,灰度范围为0-255。通过该步骤可以得到灰度图像中每个像素的灰度值(或称灰度等级)。
S3:标记目标图像中的感兴趣区域;
为提高检测效率,降低检测所需要的时间,对目标图像中的部分区域进行标记,标记为感兴趣区域,在后续的步骤中,仅对目标图像中的感兴趣区域进行处理。
具体地,步骤S3包括:
目标图像的宽度方向为与负极膜片运动方向相垂直的方向,即负极膜片的宽度方向。以目标图像中的一列为例进行说明。获取该一列的每一个像素的灰度等级,对各像素的灰度等级进行求和运算,将求和结果与该一列的像素总数做除法运算,即可得到该平均值。
S34:获取差值设定值,判断每一列的差值A是否大于差值设定值,将目标图像中所有差值A中大于差值设定值的列标记为疑似感兴趣区域;
S36:获取像素数量设定值,当数量N大于像素数量设定值时,将疑似感兴趣区域标记为感兴趣区域,
判断感兴趣区域能够对疑似颗粒划痕的区域进行预先判定,从而便于在后续步骤中对颗粒划痕进行准确判断;
S4:检测感兴趣区域中的整体像素的灰度等级的波动情况;
步骤S4包括:S41:获取感兴趣区域内的每个像素点的灰度等级Xi;S42:获取感兴趣区域内所有像素点的灰度等级平均值 ;S43:计算灰度等级Xi与灰度等级平均值 的方差S;S44:获取方差设定值,并将方差S与方差设定值比较,得到比较结果,从而可以根据比较结果获取感兴趣区域中的整体像素的灰度等级的波动情况,方差越大说明像素灰度等级明暗相间更明显;
S5:根据步骤S4中检测到的灰度等级的波动情况判断感兴趣区域是否为颗粒划痕,
当方差S大于方差设定值时,将感兴趣区域判断为颗粒划痕,方差S是衡量灰度等级(0~255)波动的大小。反应的是图像的高频部分。方差大则数据跳动剧烈、波动大,方差小则数据跳动缓慢、波动小。
根据感兴趣区域像素的灰度等级离散关系来实现检测效果,在判断检测结果时,若直接通过目标图像进行观察,当感兴趣区域的边缘的灰度等级相较于目标图像的其他区域的灰度等级较高,但感兴趣区域的中心的灰度等级相较于目标图像的其他区域的灰度等级较低,可以将感兴趣区域判断为颗粒划痕,若当感兴趣区域的边缘的灰度等级和感兴趣区域的中心的灰度等级均高于目标图像的其他区域的灰度等级,可以将感兴趣区域判断为暗痕(负极膜片生产时会产生暗痕,并非负极膜片的瑕疵)。
优选地,步骤S1中对负极膜片的表面进行拍摄的设备为16K线阵相机。
优选地,16K线阵相机的像素精度为0.030mm/pix-0.038mm/pix,像素精度可选为0.030mm/pix、0.032mm/pix、0.034mm/pix、0.036mm/pix和0.038mm/pix,优选为0.034mm/pix。
优选地,像素数量设定值为900-1100,设定值可选为900、950、1000、1050、1100,优选为1000,此处选择的像素数量与16K线阵相机的像素精度相关,当16K线阵相机的像素精度为0.030mm/pix-0.038mm/pix,像素数量设定值为900-1100能够有效的判断出目标区域是否存在较大的像素点的灰度的波动。
优选地,差值设定值为12-16,设定值可选为12、13、14、15、16,优选为16,设定的值越小提取的疑似感兴趣区域越敏感。
与现有技术相比,本发明的一种方差算法检测负极膜片颗粒划痕露金属的方法,本发明能够有效的、在未导入深度学习AI模块的情况下检测负极膜片颗粒划痕。本发明属于核心算法建立模型的结果,在电池极片追求安全品质CTS,都是可靠有效的。且本方法简单易操作,耗时少,具有很高的经济价值。
本发明实施例还提供了一种方差算法检测负极膜片颗粒划痕露金属的装置,该装置用于执行上述一实施例所提供的方差算法检测负极膜片颗粒划痕露金属的方法,其包括:获取模块、得到模块、标记模块、检测模块和判断模块。
获取模块用于负极膜片的表面图像,该负极膜片有光源照射。得到模块用于对拍摄到的图像进行灰度化处理得到目标图像。标记模块用于标记目标图像中的感兴趣区域。检测模块用于检测感兴趣区域中的整体像素的灰度等级的波动情况。判断模块用于根据检测到的灰度等级的波动情况判断感兴趣区域是否为颗粒划痕。
需要说明的是:上述实施例提供的方差算法检测负极膜片颗粒划痕露金属的装置在检测负极膜片颗粒划痕露金属时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的方差算法检测负极膜片颗粒划痕露金属的装置与方差算法检测负极膜片颗粒划痕露金属的方法实施例属于同一构思,其具体实现过程详见方法实施例,此处不再一一赘述。
本发明一实施例提供了一种电子设备,其包括:存储器和处理器。处理器与存储器连接,被配置为基于存储在存储器中的指令,执行上述方差算法检测负极膜片颗粒划痕露金属的方法。处理器的数量可以为一个或多个,处理器可以是单核或多核。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器可以是下述的计算机可读介质的示例。
本发明一实施例提供了一种计算机可读存储介质,其上存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述方差算法检测负极膜片颗粒划痕露金属的方法。计算机可读存储介质包括:永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘-只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
结合上述实施例的内容,本发明实施例还提供了一种方差算法检测负极膜片颗粒划痕露金属的***,其包括:拍摄设备和检测装置。
拍摄设备可以为线阵相机,例如8K线阵相机、16K线阵相机。线阵相机的图像传感器以CCD(Charge Coupled Device,电荷耦合器件)为主。
检测装置为上述方差算法检测负极膜片颗粒划痕露金属的装置。
本发明的具体使用步骤如下:设置光源,光源发出的光照射在负极膜片上,并且在照射时需要保持光源位置不发生变动,通过16K线阵相机对负极膜片受到光源照射的一面进行拍摄,16K线阵相机一般与光源位置相对,即16K线阵相机与光源不在同一侧,16K线阵相机拍摄完毕后对拍摄到的图像进行分析;
在分析过程中,首先将图像灰度化处理,并设定程序参数,根据目前加工的负极膜片的结构性能和相关参数,预先确定方差设定值,找出图像中灰度值方差较大的部分,将这一部分标记为感兴趣区域,如果未找到感兴 趣区域,则将该负极膜片判定为合格产品,将感兴趣区域从整体的图像中分割出来后,通过计算机提取图像中所有像素点的灰阶数据并做集合计算出所有像素点的灰度平均值,求出感兴趣区域中每一个像素点的灰度和所有像素点的灰度平均值的方差,将测得的方差与方差设定值进行比较,根据比较的结果判断负极膜片上是否有颗粒划痕。
与现有技术相比,本发明的一种方差算法检测负极膜片颗粒划痕露金属的方法,本发明能够有效的、在未导入深度学习AI模块的情况下检测负极膜片颗粒划痕。本发明属于核心算法建立模型的结果,在电池极片追求安全品质CTS,都是可靠有效的。且本方法简单易操作,耗时少,具有很高的经济价值。
以上仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种方差算法检测负极膜片颗粒划痕露金属的方法,其特征在于,包括以下步骤:
S1:使用光源照射负极膜片,并对所述负极膜片的表面进行拍摄;
S2:对步骤S1中拍摄到的图像进行灰度化处理得到目标图像;
S3:标记所述目标图像中的感兴趣区域;
步骤S3包括:
S34:获取差值设定值,判断每一列的所述差值A是否大于所述差值设定值,将所述目标图像中所有所述差值A中大于所述差值设定值的列标记为疑似感兴趣区域;
S36:获取像素数量设定值,当数量N大于所述像素数量设定值时,将所述疑似感兴趣区域标记为所述感兴趣区域;
S4:检测所述感兴趣区域中的整体像素的灰度等级的波动情况;
步骤S4包括:
S41:获取所述感兴趣区域内的每个像素点的灰度等级Xi;
S44:获取方差设定值,并将方差S与所述方差设定值比较,从而获取所述感兴趣区域中的整体像素的灰度等级的波动情况;
S5:根据步骤S4中检测到的灰度等级的波动情况判断所述感兴趣区域是否为颗粒划痕;
当感兴趣区域的边缘的灰度等级相较于目标图像的其他区域的灰度等级高,但感兴趣区域的中心的灰度等级相较于目标图像的其他区域的灰度等级低,将感兴趣区域判断为颗粒划痕,若当感兴趣区域的边缘的灰度等级和感兴趣区域的中心的灰度等级均高于目标图像的其他区域的灰度等级,将感兴趣区域判断为暗痕。
2.根据权利要求1所述的一种方差算法检测负极膜片颗粒划痕露金属的方法,其特征在于,步骤S1中对所述负极膜片的表面进行拍摄的设备为16K线阵相机。
3.根据权利要求2所述的一种方差算法检测负极膜片颗粒划痕露金属的方法,其特征在于,所述16K线阵相机的像素精度为0.030mm/pix-0.038mm/pix。
4.根据权利要求1所述的一种方差算法检测负极膜片颗粒划痕露金属的方法,其特征在于,所述像素数量设定值为900-1100。
5.根据权利要求1所述的一种方差算法检测负极膜片颗粒划痕露金属的方法,其特征在于,所述差值设定值为12-16。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210934534.6A CN115060731B (zh) | 2022-08-04 | 2022-08-04 | 一种方差算法检测负极膜片颗粒划痕露金属的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210934534.6A CN115060731B (zh) | 2022-08-04 | 2022-08-04 | 一种方差算法检测负极膜片颗粒划痕露金属的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115060731A CN115060731A (zh) | 2022-09-16 |
CN115060731B true CN115060731B (zh) | 2022-12-02 |
Family
ID=83207806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210934534.6A Active CN115060731B (zh) | 2022-08-04 | 2022-08-04 | 一种方差算法检测负极膜片颗粒划痕露金属的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115060731B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799921A (zh) * | 2009-02-10 | 2010-08-11 | 中国科学院计算技术研究所 | 一种光学遥感图像云检测方法 |
CN103995005A (zh) * | 2014-04-21 | 2014-08-20 | 江苏悦达农业发展有限公司 | 一种家禽胴体表面污染物在线检测与处理方法 |
CN106803244A (zh) * | 2016-11-24 | 2017-06-06 | 深圳市华汉伟业科技有限公司 | 缺陷识别方法及*** |
CN106820265A (zh) * | 2015-12-07 | 2017-06-13 | 深圳麦克韦尔股份有限公司 | 电子烟及其加热雾化控制方法 |
CN109490316A (zh) * | 2018-11-30 | 2019-03-19 | 熵智科技(深圳)有限公司 | 一种基于机器视觉的表面缺陷检测算法 |
CN109730360A (zh) * | 2019-01-21 | 2019-05-10 | 深圳麦克韦尔股份有限公司 | 电子雾化装置及其加热元件的控制方法 |
CN111968100A (zh) * | 2020-08-26 | 2020-11-20 | 南京原觉信息科技有限公司 | 机器视觉检测方法与*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100040836A1 (en) * | 2008-08-12 | 2010-02-18 | Shenping Li | Method for providing sub-surface marks in polymeric materials |
CN110514665A (zh) * | 2019-09-03 | 2019-11-29 | 博科视(苏州)技术有限公司 | 一种电子产品塑料外壳划痕缺陷的检测方法 |
-
2022
- 2022-08-04 CN CN202210934534.6A patent/CN115060731B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799921A (zh) * | 2009-02-10 | 2010-08-11 | 中国科学院计算技术研究所 | 一种光学遥感图像云检测方法 |
CN103995005A (zh) * | 2014-04-21 | 2014-08-20 | 江苏悦达农业发展有限公司 | 一种家禽胴体表面污染物在线检测与处理方法 |
CN106820265A (zh) * | 2015-12-07 | 2017-06-13 | 深圳麦克韦尔股份有限公司 | 电子烟及其加热雾化控制方法 |
CN106803244A (zh) * | 2016-11-24 | 2017-06-06 | 深圳市华汉伟业科技有限公司 | 缺陷识别方法及*** |
CN109490316A (zh) * | 2018-11-30 | 2019-03-19 | 熵智科技(深圳)有限公司 | 一种基于机器视觉的表面缺陷检测算法 |
CN109730360A (zh) * | 2019-01-21 | 2019-05-10 | 深圳麦克韦尔股份有限公司 | 电子雾化装置及其加热元件的控制方法 |
CN111968100A (zh) * | 2020-08-26 | 2020-11-20 | 南京原觉信息科技有限公司 | 机器视觉检测方法与*** |
Non-Patent Citations (2)
Title |
---|
"基于机器视觉的IC缺陷检测的研究";刘文涛;《中国优秀硕士学位论文全文数据库》;20151215;第49-52页 * |
刘文涛."基于机器视觉的IC缺陷检测的研究".《中国优秀硕士学位论文全文数据库》.2015, * |
Also Published As
Publication number | Publication date |
---|---|
CN115060731A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325721A (zh) | 一种基于红外热成像的气体泄漏检测方法及*** | |
CN110400290B (zh) | 一种太阳能电池片色差的检测方法、装置及存储介质 | |
CN111105405B (zh) | 基于自适应深度学习的新能源锂电池表面缺陷检测方法 | |
CN113592845A (zh) | 一种电池涂布的缺陷检测方法及装置、存储介质 | |
CN109978839A (zh) | 晶圆低纹理缺陷的检测方法 | |
CN116559183B (zh) | 一种提高缺陷判定效率的方法及*** | |
CN102175700A (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN110443278B (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN117333489B (zh) | 一种薄膜破损检测装置及检测*** | |
CN112102141B (zh) | 水印的检测方法、装置、存储介质以及电子设备 | |
CN116664565A (zh) | 一种光伏太阳能电池片的隐裂检测方法及*** | |
CN104749801B (zh) | 高精度自动光学检测方法和*** | |
CN112419229A (zh) | 一种显示屏线状缺陷检测方法、装置及存储介质 | |
CN110766683A (zh) | 一种珍珠光洁度等级检测方法及*** | |
CN111507919B (zh) | 一种三维点云数据的去噪处理方法 | |
CN111127384A (zh) | 基于偏振成像的强反射工件视觉测量方法 | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
CN104794711B (zh) | 一种图像处理方法及装置 | |
CN115060731B (zh) | 一种方差算法检测负极膜片颗粒划痕露金属的方法 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
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 | |
CN117541585A (zh) | 一种锂电池极片露箔缺陷检测方法及装置 | |
CN110766675B (zh) | 太阳能电池板缺陷检测方法 |
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 | ||
CP02 | Change in the address of a patent holder |
Address after: No. 1, Chuneng Avenue, Lingang Economic Zone, Xiaogan City, Hubei Province, 430051 Patentee after: CORNEX NEW ENERGY Co.,Ltd. Address before: 430051 No. 1, Longyang Third Road, Hanyang District, Wuhan City, Hubei Province Patentee before: CORNEX NEW ENERGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |