CN117726574B - 聚合物锂离子电池生产用封装***及其方法 - Google Patents
聚合物锂离子电池生产用封装***及其方法 Download PDFInfo
- Publication number
- CN117726574B CN117726574B CN202311176108.1A CN202311176108A CN117726574B CN 117726574 B CN117726574 B CN 117726574B CN 202311176108 A CN202311176108 A CN 202311176108A CN 117726574 B CN117726574 B CN 117726574B
- Authority
- CN
- China
- Prior art keywords
- appearance
- edge sealing
- detection
- cell edge
- feature vector
- 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
- 238000004806 packaging method and process Methods 0.000 title claims abstract description 54
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 48
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 48
- 229920000642 polymer Polymers 0.000 title claims abstract description 46
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 38
- 238000007789 sealing Methods 0.000 claims abstract description 220
- 230000003993 interaction Effects 0.000 claims abstract description 98
- 238000001514 detection method Methods 0.000 claims abstract description 58
- 238000010219 correlation analysis Methods 0.000 claims abstract description 18
- 230000002452 interceptive effect Effects 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 98
- 238000009826 distribution Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 14
- 230000009977 dual effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000012098 association analyses Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 3
- 239000003792 electrolyte Substances 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000005022 packaging material Substances 0.000 description 5
- 239000005518 polymer electrolyte Substances 0.000 description 5
- 239000000306 component Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000005086 pumping Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000011179 visual inspection Methods 0.000 description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- 238000012858 packaging process Methods 0.000 description 3
- 239000010405 anode material Substances 0.000 description 2
- 239000011230 binding agent Substances 0.000 description 2
- 239000010406 cathode material Substances 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003292 glue Substances 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 239000011244 liquid electrolyte Substances 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 239000002985 plastic film Substances 0.000 description 2
- 229920006255 plastic film Polymers 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910001369 Brass Inorganic materials 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000010951 brass Substances 0.000 description 1
- 239000003575 carbonaceous material Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000006258 conductive agent Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000011889 copper foil Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000002788 crimping Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002687 intercalation Effects 0.000 description 1
- 238000009830 intercalation Methods 0.000 description 1
- 230000037427 ion transport Effects 0.000 description 1
- 229910003002 lithium salt Inorganic materials 0.000 description 1
- 159000000002 lithium salts Chemical class 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007773 negative electrode material Substances 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 239000007774 positive electrode material Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009257 reactivity Effects 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000009450 smart packaging Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Sealing Battery Cases Or Jackets (AREA)
Abstract
本发明公开了一种聚合物锂离子电池生产用封装***及其方法,其通过摄像头采集电芯封边外观图像;获取电芯封边外观参考图像;对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征的交互关联分析以得到检测‑参考电芯封边外观交互特征;以及,基于所述检测‑参考电芯封边外观交互特征,确定电芯封边外观是否符合预定标准。这样,可以降低人工检查的成本和人为错误的风险,且优化检测的效率和准确性,从而提高电池的安全性和可靠性。
Description
技术领域
本发明涉及智能化封装技术领域,尤其涉及一种聚合物锂离子电池生产用封装***及其方法。
背景技术
聚合物锂离子电池是一种高能量密度、轻量化的电池,广泛应用于移动电子设备、电动汽车和储能***等领域。在聚合物锂离子电池的生产过程中,电芯封装是一个关键环节,其质量直接影响电池的性能和安全性。
电芯封边外观是指电芯边缘周围的封边部分的外观特征,包括封边的平整度、密封性以及有无杂质等。良好的电芯封边外观能够确保电芯内部的材料不受外界环境的影响,并防止电解液泄漏或氧化等问题的发生。因此,对电芯封边外观进行准确、高效的检测和评估对于保证电池质量至关重要。
然而,传统的电芯封边外观检测方案通常依赖于人工目视检查,操作人员需要凭借经验和主观判断来评估电芯封边的质量。由于人工目视检查需要耗费大量的时间和人力资源,特别是在大规模生产中,效率往往较低,这限制了电池生产过程的速度和产能。并且,传统方案容易受到检测人员主观性的影响,造成错误的判断和漏检,导致检测结果的一致性和可靠性较差。
此外,随着电池技术的发展,对电芯封边外观的要求也越来越严格。传统的检测方案往往难以满足复杂的封边外观评估需求,无法有效应对多样化的电芯封边外观缺陷。
因此,期望一种优化的聚合物锂离子电池生产用封装***。
发明内容
本发明实施例提供一种聚合物锂离子电池生产用封装***及其方法,其通过摄像头采集电芯封边外观图像;获取电芯封边外观参考图像;对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征的交互关联分析以得到检测-参考电芯封边外观交互特征;以及,基于所述检测-参考电芯封边外观交互特征,确定电芯封边外观是否符合预定标准。这样,可以降低人工检查的成本和人为错误的风险,且优化检测的效率和准确性,从而提高电池的安全性和可靠性。
本发明实施例还提供了一种聚合物锂离子电池生产用封装方法,其包括:通过摄像头采集电芯封边外观图像;获取电芯封边外观参考图像;对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征的交互关联分析以得到检测-参考电芯封边外观交互特征;以及基于所述检测-参考电芯封边外观交互特征,确定电芯封边外观是否符合预定标准。
本发明实施例还提供了一种聚合物锂离子电池生产用封装***,其包括:外观图像采集模块,用于通过摄像头采集电芯封边外观图像;参考图像获取模块,用于获取电芯封边外观参考图像;交互关联分析模块,用于对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征的交互关联分析以得到检测-参考电芯封边外观交互特征;以及电芯封边外观判断模块,用于基于所述检测-参考电芯封边外观交互特征,确定电芯封边外观是否符合预定标准。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
在附图中:图1为本发明实施例中提供的一种聚合物锂离子电池生产用封装方法的流程图。
图2为本发明实施例中提供的一种聚合物锂离子电池生产用封装方法的***架构的示意图。
图3为本发明实施例中提供的一种聚合物锂离子电池生产用封装方法中步骤130的子步骤的流程图。
图4为本发明实施例中提供的一种聚合物锂离子电池生产用封装***的框图。
图5为本发明实施例中提供的一种聚合物锂离子电池生产用封装方法的应用场景图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
除非另有说明,本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的,不是旨在限制本申请的范围。
在本申请实施例记载中,需要说明的是,除非另有说明和限定,术语“连接”应做广义理解,例如,可以是电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,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。
需要说明的是,本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。
应可以理解,聚合物锂离子电池是一种使用聚合物电解质的锂离子电池,是一种高能量密度、轻量化的电池技术,广泛应用于移动电子设备、电动汽车、储能***等领域。
聚合物锂离子电池相比传统的液体电解质锂离子电池具有以下优势:1.高能量密度:聚合物电解质具有较高的离子导电性能,可以实现更高的能量密度,使电池在相同体积或重量下存储更多的能量。
2.轻量化:由于聚合物电解质的使用,聚合物锂离子电池相对于传统电池更轻便,适用于对重量要求较高的应用场景。
3.安全性提升:聚合物电解质相对于液体电解质更稳定,具有较高的热稳定性和耐化学反应性,能够降低电池发生热失控或泄漏的风险。
4.灵活性:聚合物电解质可以采用薄膜形式制备,使得电池可以灵活设计成各种形状和尺寸,适应不同的应用需求。
聚合物锂离子电池的制造过程包括正负极材料的制备、电解质的制备、电芯的封装等环节。其中,电芯封装是一个关键环节,涉及到电芯的密封性和安全性,直接影响电池的性能和可靠性。
随着电池技术的不断发展,聚合物锂离子电池在能量密度、安全性和可靠性等方面都有持续的改进和创新,为电动汽车、便携式电子设备以及可再生能源储存等领域的发展提供了重要支持。
电芯封装是指将正负极材料、电解质和其他组件组装在一起,并通过封装材料将其密封成一个完整的电池单元的过程。电芯封装是聚合物锂离子电池生产中的关键环节,其质量直接影响电池的性能、安全性和寿命。
电芯封装包括以下几个主要步骤:首先,极片制备,正极和负极是电芯的核心组成部分。正极通常由锂离子嵌入材料、导电剂和粘结剂组成,负极通常由碳材料和粘结剂组成。正负极材料经过混合、涂覆、干燥等工艺制备成极片。然后,电解液注入,电解液是电芯中的重要组成部分,提供离子传输的介质。电解液通常由溶剂、锂盐和添加剂组成。在封装过程中,需要将电解液注入到正负极片之间的间隙中,确保正负极之间有良好的离子传输通道。接着,封装组装,在电解液注入后,正负极片叠放在一起,并通过封装材料将其密封在一起。封装材料通常是一种聚合物材料,如聚丙烯薄膜或铝塑膜。通过热封或胶封的方式,将正负极片和电解液包裹在封装材料中,形成一个密封的电芯结构。然后,引线连接,电芯封装后,需要通过引线将电芯连接到外部电路。引线通常由铜箔或铝箔制成,通过焊接或压接的方式与电芯连接。最后,电芯测试,完成封装后,需要对电芯进行各项测试,包括电压测试、容量测试、内阻测试等,以确保电芯的性能符合要求。
电芯封装的质量对电池的性能和安全性有重要影响。一个良好的电芯封装具有密封性,封装材料需要具备良好的密封性,确保电芯内部的正负极和电解液不会泄漏出来,防止电解液的挥发和氧化,从而保证电池的稳定性和寿命。具有一致性,电芯封装过程中需要保证每个电芯单元的封装质量一致,以确保电池组装后的性能一致性和可靠性。具有安全性,电芯封装需要考虑到电池的安全性,防止外界物质的进入和电芯内部的短路、过热等问题,避免电池发生热失控或***等安全事故。还具有耐久性,电芯封装材料需要具备良好的耐久性,能够在长时间使用和多次充放电循环中保持稳定的封装性能。
进一步地,电芯封边外观是指电芯封装过程中,电芯外部边缘的外观质量。电芯封边外观的良好与否直接关系到电池的性能和安全性。
一个优质的电芯封边外观应该具备以下特点:无明显的裂纹或破损:电芯封边应该是完整、平滑的,没有明显的裂纹、断裂或破损。这些问题可能导致电芯的密封性下降,进而影响电池的安全性和寿命;均匀的封边宽度:电芯封边的宽度应该是均匀的,没有明显的不规则或过宽/过窄的区域。均匀的封边宽度可以确保电芯的密封性和结构稳定性;无异物或污染物:电芯封边外观应该没有附着在表面的异物、污染物或杂质。这些物质可能对电芯的性能和安全性产生负面影响;无过度挤压或松弛:电芯封边应该没有过度挤压或松弛的现象。过度挤压可能导致电芯内部部件的损坏或变形,而松弛则可能导致电芯的密封性下降。
电芯封边外观的良好质量是确保电池性能和安全性的重要因素之一,因此在电芯制造过程中需要严格控制和监测电芯封边的质量。为了评估电芯封边外观质量,通常采用目视检查或使用摄像头和数据处理算法进行自动评估。自动评估技术可以提高检测效率和准确性,并降低人工成本和主观性带来的影响。
因此,本申请的技术构思为通过摄像头采集电芯封边外观图像,并在后端引入数据处理和分析算法来进行所述电芯封边外观图像和电芯封边外观参考图像的分析和特征交互关联比对来自动评估电芯封边外观质量是否符合预定标准,通过这样的方式,可以降低人工检查的成本和人为错误的风险,且优化检测的效率和准确性,从而提高电池的安全性和可靠性。
在本发明的一个实施例中,图1为本发明实施例中提供的一种聚合物锂离子电池生产用封装方法的流程图。图2为本发明实施例中提供的一种聚合物锂离子电池生产用封装方法的***架构的示意图。如图1和图2所示,根据本发明实施例的聚合物锂离子电池生产用封装方法,包括:110,通过摄像头采集电芯封边外观图像;120,获取电芯封边外观参考图像;130,对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征的交互关联分析以得到检测-参考电芯封边外观交互特征;以及,140,基于所述检测-参考电芯封边外观交互特征,确定电芯封边外观是否符合预定标准。
其中,在所述步骤110中,确保摄像头的位置和角度适当,以获取清晰、准确的电芯封边外观图像。摄像头的分辨率和对焦设置也需要适当调整,以获得高质量的图像。通过摄像头采集电芯封边外观图像,实现了自动化的数据采集过程,提高了检测效率和准确性。同时,摄像头采集的图像可以作为后续分析和判断的依据。
在所述步骤120中,选择具有良好封边外观的电芯作为参考样本,并在适当的条件下进行图像采集。参考图像应该具有代表性,涵盖了预期的良好封边外观特征。获取电芯封边外观参考图像可以作为标准,用于与后续采集的电芯封边外观图像进行比较和分析。提供了一个参考基准,用于评估电芯封边外观是否符合预定标准。
在所述步骤130中,通过图像处理和分析算法,提取电芯封边外观图像和参考图像的特征,并进行交互关联分析。常见的特征包括边缘形状、颜色、纹理等。通过图像特征的交互关联分析,可以量化地比较电芯封边外观图像与参考图像之间的差异。这有助于确定电芯封边外观的质量,判断是否符合预定标准。
在所述步骤140中,根据交互特征的分析结果,设定判定规则或阈值,以确定电芯封边外观是否符合预定标准。可以使用机器学习算法或规则引擎进行判定。通过基于交互特征的分析结果,确定电芯封边外观是否符合预定标准,实现自动化的检测和判断过程。这提高了检测的准确性和一致性,同时降低了人工检查的成本和主观性带来的影响。
聚合物锂离子电池生产中的封装方法通过摄像头采集电芯封边外观图像,并与参考图像进行交互关联分析,最终确定电芯封边外观是否符合预定标准。这种方法提高了检测效率、准确性和一致性,降低了人工成本,并确保了电芯封边外观的质量,从而提高了电池的性能和安全性。
具体地,在所述步骤110和所述步骤120中,通过摄像头采集电芯封边外观图像;以及,获取电芯封边外观参考图像。在本申请的技术方案中,首先,获取由摄像头采集的电芯封边外观图像,并且,获取电芯封边外观参考图像。通过摄像头采集电芯封边外观图像,实现了自动化的数据采集过程。相比于传统的人工目视检查,摄像头可以快速、准确地获取大量的电芯封边外观图像,这提高了检测效率,节省了时间和人力成本。
获取电芯封边外观参考图像是为了建立一个标准,用于与后续采集的电芯封边外观图像进行比较和分析,参考图像应选择具有良好封边外观的电芯样本,并在适当的条件下进行图像采集。这些参考图像代表了预期的良好封边外观特征。通过对采集的电芯封边外观图像和参考图像进行图像处理和分析,可以提取出各种特征,如边缘形状、颜色、纹理等。然后,这些特征可以与参考图像的特征进行交互关联分析。这样可以量化地评估电芯封边外观与预定标准的符合程度。
基于图像特征的交互关联分析,可以确定电芯封边外观是否符合预定标准。通过比较采集的电芯封边外观图像与参考图像,可以得到检测-参考电芯封边外观交互特征。根据这些特征,可以进行判断和决策,确定电芯封边外观是否达到预定标准。通过摄像头采集电芯封边外观图像和获取电芯封边外观参考图像,可以实现自动化的数据采集和比较分析,从而确定电芯封边外观是否符合预定标准,提高了检测的效率和准确性。
具体地,在所述步骤130中,图3为本发明实施例中提供的一种聚合物锂离子电池生产用封装方法中步骤130的子步骤的流程图,如图3所示,对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征的交互关联分析以得到检测-参考电芯封边外观交互特征,包括:131,通过双重检测网络对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征提取以得到电芯封边外观检测特征向量和电芯封边外观参考特征向量;以及,132,对所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量进行特征交互融合以得到检测-参考电芯封边外观交互特征向量作为所述检测-参考电芯封边外观交互特征。
其中,所述双重检测网络为包含第一图像编码器和第二图像编码器的双重检测网络,且所述第一图像编码器和所述第二图像编码器具有相同的网络结构。
首先,通过双重检测网络,可以对电芯封边外观图像和电芯封边外观参考图像进行图像特征提取,这些网络通常是经过训练的深度学习模型,能够自动学习和提取图像中的关键特征。通过提取的特征,可以将图像转换为具有辨别能力的特征向量,分别得到电芯封边外观检测特征向量和电芯封边外观参考特征向量。
然后,在得到电芯封边外观检测特征向量和电芯封边外观参考特征向量后,进行特征交互融合。将两个特征向量进行融合,以获取更全面、综合的信息。融合的方法可以是简单的向量拼接、加权求和,或者使用更复杂的融合策略,如特征融合网络。通过特征交互融合,得到检测-参考电芯封边外观交互特征向量,包含了来自检测特征和参考特征的相关信息。
应可以理解,通过双重检测网络进行图像特征提取,可以从电芯封边外观图像和电芯封边外观参考图像中提取出丰富、有区别力的特征,这有助于准确地描述电芯封边外观的特征。特征交互融合能够将检测特征和参考特征结合起来,综合利用它们的信息,提高了对电芯封边外观的判别能力和准确性。通过得到检测-参考电芯封边外观交互特征向量,可以更全面地评估电芯封边外观与预定标准的符合程度,有助于更准确地判断电芯封边外观的质量,提高生产过程中的品质控制水平。
对于所述步骤131,使用在图像的隐含特征提取方面具有优异表现的卷积神经网络模型来分别进行所述电芯封边外观图像和所述电芯封边外观参考图像的特征挖掘。特别地,考虑到在实际进行电芯封边外观质量检测时,由于在图像源域端的两个图像中有关于电芯封边的外观质量特征差异不明显。因此,为了能够进一步提高对于电芯封边外观质量检测的精度,在本申请的技术方案中,进一步将所述电芯封边外观图像和所述电芯封边外观参考图像通过包含第一图像编码器和第二图像编码器的双重检测网络以得到电芯封边外观检测特征向量和电芯封边外观参考特征向量。特别地,这里,所述第一图像编码器和所述第二图像编码器具有相同的网络结构,以此来捕捉到两者图像在图像源域端差异不明显的特征信息,从而更为准确地进行所述电芯封边的外观质量检测。
对于所述步骤132,对所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量进行特征交互融合以得到检测-参考电芯封边外观交互特征向量作为所述检测-参考电芯封边外观交互特征,包括:使用特征间注意力交互层对所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量进行注意力机制的特征交互以得到所述检测-参考电芯封边外观交互特征向量。
进一步地,使用特征间注意力交互层对所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量进行注意力机制的特征交互以得到检测-参考电芯封边外观交互特征向量,以此来捕捉电芯封边外观检测质量特征和电芯封边外观参考质量特征之间的关联和相互影响。应可以理解,由于传统的注意力机制的目标是学习一个注意力权重矩阵,将较大的权重赋予重要的特征,较小的权重赋予次要的特征,从而选择出对当前任务目标更关键的信息。这种方式更侧重于对各个特征的重要性进行加权,而忽略了特征之间的依赖关系。而所述特征间注意交互层能够通过基于注意力机制的特征交互,可以捕捉到所述电芯封边外观检测质量特征和所述电芯封边外观参考质量特征之间的相关性和相互影响,可以学习到不同特征之间的依赖关系,并根据这些依赖关系对特征进行交互和整合,从而得到检测-参考电芯封边外观交互特征向量,以有利于更为精准地进行电芯封边外观是否符合预定标准的检测评估。
具体地,在所述步骤140中,基于所述检测-参考电芯封边外观交互特征,确定电芯封边外观是否符合预定标准,包括:对所述检测-参考电芯封边外观交互特征向量进行基于概率密度特征模仿范式的分布增益以得到优化检测-参考电芯封边外观交互特征向量;以及,将所述优化检测-参考电芯封边外观交互特征向量通过分类器以得到分类结果,所述分类结果用于表示电芯封边外观是否符合预定标准。
特别地,特别地,在本申请的技术方案中,使用特征间注意力层来进行所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量之间的基于注意力的特征交互时,可以提取所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量之间的依赖关系特征。这样,相对于所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量各自表达的局部邻域关联特征作为前景对象特征,在进行基于注意力的特征交互的依赖关系特征提取时,也会引入与所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量各自表达的局部邻域关联特征分布干涉相关的背景分布噪声,并且,所述检测-参考电芯封边外观交互特征向量也具有所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量各自的时域空间和交互空间下的分级的特征表达,由此,期望基于所述检测-参考电芯封边外观交互特征向量的分布特性来增强其表达效果。
因此,本申请对所述检测-参考电芯封边外观交互特征向量进行基于概率密度特征模仿范式的分布增益。
具体地,对所述检测-参考电芯封边外观交互特征向量进行基于概率密度特征模仿范式的分布增益以得到优化检测-参考电芯封边外观交互特征向量,包括:
以如下分布增益公式对所述检测-参考电芯封边外观交互特征向量进行基于概率密度特征模仿范式的分布增益以得到优化检测-参考电芯封边外观交互特征向量;其中,所述分布增益公式为:其中,/>是所述检测-参考电芯封边外观交互特征向量的长度,/>是所述检测-参考电芯封边外观交互特征向/>的第/>个位置的特征值,/>表示所述检测-参考电芯封边外观交互特征向量/>的二范数的平方,且/>是加权超参数,/>是所述优化检测-参考电芯封边外观交互特征向量的第/>个位置的特征值。
这里,基于标准柯西分布对于自然高斯分布在概率密度上的特征模仿范式,所述基于概率密度特征模仿范式的分布增益可以将特征尺度作为模仿掩码,在高维特征空间内区分前景对象特征和背景分布噪声,从而基于高维特征的空间分级语义来对高维空间进行特征空间映射的语义认知的分布软匹配,来获得高维特征分布的无约束的分布增益,提升所述检测-参考电芯封边外观交互特征向量基于特征分布特性的表达效果,也就提升了所述检测-参考电芯封边外观交互特征向量通过分类器得到的分类结果的准确性。这样,能够对于电芯封边外观质量进行智能化的检测评估,从而优化检测的效率和准确性,提高电池的安全性和可靠性。
继而,再将所述检测-参考电芯封边外观交互特征向量通过分类器以得到分类结果,所述分类结果用于表示电芯封边外观是否符合预定标准。也就是说,以所述电芯封边外观的检测质量特征和参考质量特征之间的交互关联特征信息来进行分类处理,从而基于电芯封边外观的实际质量特征和标准参考质量特征之间的差异关联性特征信息来自动进行电芯封边外观是否符合预定标准的评估,通过这样的方式,可以降低人工检查的成本和人为错误的风险,并且优化检测的效率和准确性,从而提高电池的安全性和可靠性。
综上,基于本发明实施例的聚合物锂离子电池生产用封装方法被阐明,通过摄像头采集电芯封边外观图像,并在后端引入数据处理和分析算法来进行所述电芯封边外观图像和电芯封边外观参考图像的分析和特征交互关联比对来自动评估电芯封边外观质量是否符合预定标准,通过这样的方式,可以降低人工检查的成本和人为错误的风险,且优化检测的效率和准确性,从而提高电池的安全性和可靠性。
在本申请的一个实施例中,提供一种圆柱自动二封线设备以实现聚合物锂离子电池生产用封装,其中,所述圆柱自动二封线设备的功能包括:人工上料、 电压测试、 刺破抽液封装、 精封、 精切、 自动收料。 设备各工位之间均由机械手自动完成取放料。
其中,所述的圆柱自动二封线设备工艺流程为:1.人工上料:(1)人手将电池放置到旋转四工位转盘治具内,治具为一出四/一出六,采用铝塑膜深坑的外形定位,不论单坑和双坑,产品在治具上的摆放必须是深坑向下,否则不兼容;(2)兼容不同规格尺寸的电池需更换调整定位治具;(3)上料需上满四个电池 (一出四)/六个电池(一出六)。
2.电压测试:(1)电压测试机构动作,对电池进行电压测试,仪器只对产品进行 OK与NG 判断,不对数据读取与保存;(2)电压测试机构复位,电池移送至下工位;( 电压测试仪:东崎DP4-PRTDV203 ) ;(3)不良品转回上料工位,由人工排除。
3.中转:(1)中转机械手抓取良品电池到中转治具上;(2)上料机械手吸取电池到下工位。
4.刺破、抽液、封装:(1)该工位为 4 工位结构,每组结构上有刺破、抽液、封装结构,由机械手取放料衔接完成;(腔体内的压板压力可调)(2)刺破结构为多把刀同时刺破,可实现电池的多点刺破;(3)抽液,该工位在抽真空值达到设定的负压值后,负压保持延时时间口设定,根据每款电池的实际要求设定不同的保压延时时间。负压值92-95Kpa,并保持10S 以上(真空源由客户提供,需满足设备使用要求):(抽真空及破真空快慢可调);(4)封装:封装方式为硬封,封头采用材质为黄铜 HT62,宽度 6.0mm,封印与电池主体之间的未封区 宽度0.5-2.0mm 可调,精度士0.3,热封时间可设定,封头温度可调(温度范围:常温~250土3C,实际温度设定以满足产品封口品质为准);(下封头可动,电池治具不动,避免封头长时间靠近电芯烫伤电芯,铝板隔板分布齿形状),防止刺刀上的电解液污染电池本体);(4.1)封头平行度: ≤10m;(4.2)封印厚度公差:10 m。
5.精封:(1)中转工位的电池移送到精封工位;(2)精封机构下封头上顶,上封头下压对电池进行精封:(2.1)精封封印时间可调;(2.2)温度可调(温度范围: 常温~250°土3C,实际温度设定以满足产品封口品质为准);(2.3)精封为硬封,封口宽度设计为 5~5.5mm,防止精封过程溢胶;(2.4)封印与电池主体之间的未封区宽度 0.5-2.0mm 可调,精度土0.3。
6.精切:(1)精封后的电池被移送至精切边工位;(2)上切刀下行切边,废料落入不锈钢收集箱内,切边精度土0.2mm,宽度>2.5mm。
7.自动收料:(1)机械手将电池从中转治具上抓取放入吸望盒内;(2)人工搬移吸塑盒:(吸塑盒外形尺寸需一样)。
图4为本发明实施例中提供的一种聚合物锂离子电池生产用封装***的框图。如图4所示,所述聚合物锂离子电池生产用封装***200,包括:外观图像采集模块210,用于通过摄像头采集电芯封边外观图像;参考图像获取模块220,用于获取电芯封边外观参考图像;交互关联分析模块230,用于对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征的交互关联分析以得到检测-参考电芯封边外观交互特征;以及,电芯封边外观判断模块240,用于基于所述检测-参考电芯封边外观交互特征,确定电芯封边外观是否符合预定标准。
具体地,在所述聚合物锂离子电池生产用封装***中,所述交互关联分析模块,包括:图像特征提取单元,用于通过双重检测网络对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征提取以得到电芯封边外观检测特征向量和电芯封边外观参考特征向量;以及,特征交互融合单元,用于对所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量进行特征交互融合以得到检测-参考电芯封边外观交互特征向量作为所述检测-参考电芯封边外观交互特征。
本领域技术人员可以理解,上述聚合物锂离子电池生产用封装***中的各个步骤的具体操作已经在上面参考图1到图3的聚合物锂离子电池生产用封装方法的描述中得到了详细介绍,并因此,将省略其重复描述。
如上所述,根据本发明实施例的聚合物锂离子电池生产用封装***200可以实现在各种终端设备中,例如用于聚合物锂离子电池生产用封装的服务器等。在一个示例中,根据本发明实施例的聚合物离子电池生产用封装***200可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如,该聚合物锂离子电池生产用封装***200可以是该终端设备的操作***中的一个软件模块,或者可以是针对于该终端设备所开发的一个应用程序;当然,该聚合物锂离子电池生产用封装***200同样可以是该终端设备的众多硬件模块之一。
替换地,在另一示例中,该聚合物锂离子电池生产用封装***200与该终端设备也可以是分立的设备,并且该聚合物锂离子电池生产用封装***200可以通过有线和/或无线网络连接到该终端设备,并且按照约定的数据格式来传输交互信息。
图5为本发明实施例中提供的一种聚合物锂离子电池生产用封装方法的应用场景图。如图5所示,在该应用场景中,首先,通过摄像头采集电芯封边外观图像(例如,如图5中所示意的C1);以及,获取电芯封边外观参考图像(例如,如图5中所示意的C2);然后,将获取的电芯封边外观图像和电芯封边外观参考图像输入至部署有聚合物锂离子电池生产用封装算法的服务器(例如,如图5中所示意的S)中,其中所述服务器能够基于聚合物锂离子电池生产用封装算法对所述电芯封边外观图像和所述电芯封边外观参考图像进行处理,以确定电芯封边外观是否符合预定标准。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种聚合物锂离子电池生产用封装方法,其特征在于,包括:通过摄像头采集电芯封边外观图像;获取电芯封边外观参考图像;对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征的交互关联分析以得到检测-参考电芯封边外观交互特征;以及基于所述检测-参考电芯封边外观交互特征,确定电芯封边外观是否符合预定标准;
其中,对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征的交互关联分析以得到检测-参考电芯封边外观交互特征,包括:通过双重检测网络对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征提取以得到电芯封边外观检测特征向量和电芯封边外观参考特征向量;以及对所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量进行特征交互融合以得到检测-参考电芯封边外观交互特征向量作为所述检测-参考电芯封边外观交互特征;
其中,基于所述检测-参考电芯封边外观交互特征,确定电芯封边外观是否符合预定标准,包括:对所述检测-参考电芯封边外观交互特征向量进行基于概率密度特征模仿范式的分布增益以得到优化检测-参考电芯封边外观交互特征向量;以及将所述优化检测-参考电芯封边外观交互特征向量通过分类器以得到分类结果,所述分类结果用于表示电芯封边外观是否符合预定标准;
其中,对所述检测-参考电芯封边外观交互特征向量进行基于概率密度特征模仿范式的分布增益以得到优化检测-参考电芯封边外观交互特征向量,包括:以如下分布增益公式对所述检测-参考电芯封边外观交互特征向量进行基于概率密度特征模仿范式的分布增益以得到优化检测-参考电芯封边外观交互特征向量;其中,所述分布增益公式为:
,
其中,是所述检测-参考电芯封边外观交互特征向量的长度,/>是所述检测-参考电芯封边外观交互特征向量/>的第/>个位置的特征值,/>表示所述检测-参考电芯封边外观交互特征向量/>的二范数的平方,且/>是加权超参数,/>是所述优化检测-参考电芯封边外观交互特征向量的第/>个位置的特征值。
2.根据权利要求1所述的聚合物锂离子电池生产用封装方法,其特征在于,所述双重检测网络为包含第一图像编码器和第二图像编码器的双重检测网络,且所述第一图像编码器和所述第二图像编码器具有相同的网络结构。
3.根据权利要求2所述的聚合物锂离子电池生产用封装方法,其特征在于,对所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量进行特征交互融合以得到检测-参考电芯封边外观交互特征向量作为所述检测-参考电芯封边外观交互特征,包括:使用特征间注意力交互层对所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量进行注意力机制的特征交互以得到所述检测-参考电芯封边外观交互特征向量。
4.根据权利要求3所述的聚合物锂离子电池生产用封装方法,其特征在于,将所述优化检测-参考电芯封边外观交互特征向量通过分类器以得到分类结果,所述分类结果用于表示电芯封边外观是否符合预定标准,包括:使用所述分类器的多个全连接层对所述优化检测-参考电芯封边外观交互特征向量进行全连接编码以得到编码分类特征向量;以及将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
5.一种聚合物锂离子电池生产用封装***,其特征在于,包括:外观图像采集模块,用于通过摄像头采集电芯封边外观图像;参考图像获取模块,用于获取电芯封边外观参考图像;交互关联分析模块,用于对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征的交互关联分析以得到检测-参考电芯封边外观交互特征;以及电芯封边外观判断模块,用于基于所述检测-参考电芯封边外观交互特征,确定电芯封边外观是否符合预定标准;
其中,所述交互关联分析模块,包括:图像特征提取单元,用于通过双重检测网络对所述电芯封边外观图像和所述电芯封边外观参考图像进行图像特征提取以得到电芯封边外观检测特征向量和电芯封边外观参考特征向量;以及特征交互融合单元,用于对所述电芯封边外观检测特征向量和所述电芯封边外观参考特征向量进行特征交互融合以得到检测-参考电芯封边外观交互特征向量作为所述检测-参考电芯封边外观交互特征;
其中,所述电芯封边外观判断模块,包括:对所述检测-参考电芯封边外观交互特征向量进行基于概率密度特征模仿范式的分布增益以得到优化检测-参考电芯封边外观交互特征向量;以及将所述优化检测-参考电芯封边外观交互特征向量通过分类器以得到分类结果,所述分类结果用于表示电芯封边外观是否符合预定标准;
其中,对所述检测-参考电芯封边外观交互特征向量进行基于概率密度特征模仿范式的分布增益以得到优化检测-参考电芯封边外观交互特征向量,包括:以如下分布增益公式对所述检测-参考电芯封边外观交互特征向量进行基于概率密度特征模仿范式的分布增益以得到优化检测-参考电芯封边外观交互特征向量;其中,所述分布增益公式为:
,
其中,是所述检测-参考电芯封边外观交互特征向量的长度,/>是所述检测-参考电芯封边外观交互特征向量/>的第/>个位置的特征值,/>表示所述检测-参考电芯封边外观交互特征向量/>的二范数的平方,且/>是加权超参数,/>是所述优化检测-参考电芯封边外观交互特征向量的第/>个位置的特征值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311176108.1A CN117726574B (zh) | 2023-09-13 | 2023-09-13 | 聚合物锂离子电池生产用封装***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311176108.1A CN117726574B (zh) | 2023-09-13 | 2023-09-13 | 聚合物锂离子电池生产用封装***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117726574A CN117726574A (zh) | 2024-03-19 |
CN117726574B true CN117726574B (zh) | 2024-04-26 |
Family
ID=90205899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311176108.1A Active CN117726574B (zh) | 2023-09-13 | 2023-09-13 | 聚合物锂离子电池生产用封装***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117726574B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113221911A (zh) * | 2021-04-09 | 2021-08-06 | 华南理工大学 | 一种基于双重注意力机制的车辆重识别方法及*** |
CN114066811A (zh) * | 2021-10-13 | 2022-02-18 | 华南理工大学 | 一种工业产品异常检测方法、***、装置及存储介质 |
CN115294135A (zh) * | 2022-10-09 | 2022-11-04 | 临沂华太电池有限公司 | 一种电池卷边封口质量检测方法 |
CN115526865A (zh) * | 2022-09-30 | 2022-12-27 | 深圳市创瑞鑫科技有限公司 | 笔记本电脑的散热模块的绝缘性检验方法及其*** |
CN116051506A (zh) * | 2023-01-28 | 2023-05-02 | 东莞市言科新能源有限公司 | 聚合物锂离子电池的智能化生产***及其方法 |
CN116228684A (zh) * | 2023-02-03 | 2023-06-06 | 常州超音速智能装备有限公司 | 一种电池壳体外观缺陷图像处理方法及装置 |
CN116363125A (zh) * | 2023-05-30 | 2023-06-30 | 厦门微图软件科技有限公司 | 基于深度学习的电池模组外观缺陷检测方法及*** |
CN116563291A (zh) * | 2023-07-11 | 2023-08-08 | 深圳市蓝眼科技有限公司 | 一种smt智能防错上料检测仪 |
-
2023
- 2023-09-13 CN CN202311176108.1A patent/CN117726574B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113221911A (zh) * | 2021-04-09 | 2021-08-06 | 华南理工大学 | 一种基于双重注意力机制的车辆重识别方法及*** |
CN114066811A (zh) * | 2021-10-13 | 2022-02-18 | 华南理工大学 | 一种工业产品异常检测方法、***、装置及存储介质 |
CN115526865A (zh) * | 2022-09-30 | 2022-12-27 | 深圳市创瑞鑫科技有限公司 | 笔记本电脑的散热模块的绝缘性检验方法及其*** |
CN115294135A (zh) * | 2022-10-09 | 2022-11-04 | 临沂华太电池有限公司 | 一种电池卷边封口质量检测方法 |
CN116051506A (zh) * | 2023-01-28 | 2023-05-02 | 东莞市言科新能源有限公司 | 聚合物锂离子电池的智能化生产***及其方法 |
CN116228684A (zh) * | 2023-02-03 | 2023-06-06 | 常州超音速智能装备有限公司 | 一种电池壳体外观缺陷图像处理方法及装置 |
CN116363125A (zh) * | 2023-05-30 | 2023-06-30 | 厦门微图软件科技有限公司 | 基于深度学习的电池模组外观缺陷检测方法及*** |
CN116563291A (zh) * | 2023-07-11 | 2023-08-08 | 深圳市蓝眼科技有限公司 | 一种smt智能防错上料检测仪 |
Also Published As
Publication number | Publication date |
---|---|
CN117726574A (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023193213A1 (zh) | 电池极片绝缘涂层缺陷的检测方法、装置和计算机设备 | |
CN112697798B (zh) | 面向红外图像的变电设备电流致热型缺陷的诊断方法和装置 | |
CN111445462A (zh) | 一种基于神经网络和热像图的蓄电池漏液检测方法 | |
WO2024093643A1 (zh) | 极耳检测***及极耳检测方法 | |
CN114627082A (zh) | 一种基于改进YOLOv5网络的光伏组件EL缺陷检测方法 | |
KR102303643B1 (ko) | 배터리의 리드 필름 틈새 검사장치 및 방법 | |
CN117173100B (zh) | 聚合物锂离子电池生产控制***及其方法 | |
CN117969579A (zh) | 一种锂电池隔膜质量检测方法 | |
CN117726574B (zh) | 聚合物锂离子电池生产用封装***及其方法 | |
Rodriguez et al. | Automatic solar cell diagnosis and treatment | |
CN117677969A (zh) | 一种缺陷检测的方法和装置 | |
CN112802027A (zh) | 一种目标对象的分析方法、存储介质及电子装置 | |
CN115187969B (zh) | 一种基于视觉识别的铅酸电池回收***和方法 | |
CN114638834B (zh) | 一种基于图像处理的废旧锂电池分类处理方法 | |
CN217359628U (zh) | 一种锂电池极片尺寸检测装置 | |
CN115937555A (zh) | 一种基于标准化流模型的工业缺陷检测算法 | |
CN115035108A (zh) | 一种基于深度学习的绝缘子缺陷检测方法 | |
CN114387466A (zh) | 一种太阳能电池片色差检测方法及*** | |
CN117148165B (zh) | 聚合物锂离子电池的测试分析方法及其*** | |
CN117434448A (zh) | 一种电池健康度评价方法及*** | |
Peng et al. | Automatic internal wrinkles detection of lithium-ion batteries using convolutional neural network | |
EP4306942A1 (en) | Nondestructive wire bonding inspection method | |
CN116298977B (zh) | 一种锂电池循环性能测试方法及*** | |
CN113763321B (zh) | 一种电缆附件主绝缘体施工缺陷检测方法及*** | |
CN118294459A (zh) | 防爆阀缺陷检测方法以及*** |
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 |