一种电池防爆膜检测方法及设备技术

本发明专利技术提出一种电池防爆膜检测方法及设备，所述电池防爆膜检测方法包括如下步骤：S1、通过激光传感器检测是否存在防爆膜，若存在防爆膜，进入步骤S2，否则，进入步骤S5；S2、获取方形铝壳锂电池防爆膜分时频闪的多张图像数据，将多张图像数据合成为单张图像；S3、从合成的单张图像中，提取锂电池防爆膜所在区域图像，将提取的锂电池防爆膜图像调整为宽度和长度相同的图像；S4、将调整过尺寸的图像，输入训练好的模型，模型输出锂电池防爆膜区域的瑕疵检测结果；S5、结束检测。本发明专利技术可以准确高效地对防爆膜表面的缺陷进行检测。防爆膜表面的缺陷进行检测。防爆膜表面的缺陷进行检测。

【技术实现步骤摘要】
一种电池防爆膜检测方法及设备


[0001]本专利技术涉及锂电池缺陷检测
，特别是一种电池防爆膜检测方法及设备。

技术介绍

[0002]新材料以及新能源汽车的快速发展，使锂电池在高新
的应用日渐广阔，为确保电池的使用安全，防止锂电池爆炸，在电池的中间位置设有一个开启压力位0.3MPa～0.6Mpa的防爆膜，厚度只有40um左右，非常的薄，生产过程中防爆膜被触碰后易遭到破环，电池充液后，会使内部电解液喷出，对人和物照成损害。目前的机器视觉算法无法检测防爆膜的有无，对防爆膜表面的缺陷检测准确率非常低，需要人工二次目检进行复核。

技术实现思路

[0003]为了解决现有技术中对防爆膜表面的缺陷检测准确率低、无法自动进行的技术问题，本专利技术提出的电池防爆膜检测方法包括如下步骤：
[0004]S1、通过激光传感器检测是否存在防爆膜，若存在防爆膜，进入步骤S2，否则，进入步骤S5；
[0005]S2、获取方形铝壳锂电池防爆膜分时频闪的多张图像数据，将多张图像数据合成为单张图像；
[0006]S3、从合成的单张图像中，提取锂电池防爆膜所在区域图像，将提取的锂电池防爆膜图像调整为宽度和长度相同的图像；
[0007]S4、将调整过尺寸的图像，输入训练好的模型，模型输出锂电池防爆膜区域的瑕疵检测结果；
[0008]S5、结束检测。
[0009]优选的，在所述步骤S1中，具体的检测方式为测试锂电池防爆膜的厚度，若测试的防爆膜厚度在
±
8um内，则认为防爆膜不存在，反之，则认为防爆膜存在。
[0010]优选的，在所述步骤S2中，多张图像数据是根据光源的特性和防爆膜的反光特点，从前后左右4个方向，选择合适的局部图像组合而成。
[0011]优选的，在所述步骤S3中，所述提取锂电池防爆膜所在区域图像包括采用DeepLabv3p语义分割的方式，从方形铝壳锂电池的防爆膜外观图像中提取锂电池防爆膜所在区域图像。
[0012]优选的，在所述步骤S3中，所述将提取的锂电池防爆膜图像调整为宽度和长度相同的图像包括将锂电池的防爆膜所在区域图像的长度方向进行缩放，将防爆膜所在区域图像的宽度方向进行填充。
[0013]优选的，在所述步骤S4中，模型由特征金字塔网络和骨干特征提取网络结合而成。
[0014]优选的，通过模型进行检测的具体过程为：
[0015]S41、预设模型及其初始的模型参数；
[0016]S42、将调整过尺寸的图像输入带有当前模型参数的模型，得到方形铝壳电池防爆
膜所在区域图像的瑕疵检测结果，所述瑕疵检测结果包括：方形铝壳锂电池防爆膜外观的瑕疵种类、瑕疵在电池防爆膜的位置和瑕疵检测结果的置信度；
[0017]S43、判断瑕疵检测结果的置信度是否大于第一预测阈值，若大于第一预设阈值，进入步骤S44，否则，进入步骤S45；
[0018]S44、输出方形铝壳锂电池防爆膜外观的瑕疵种类和瑕疵在电池防爆膜的位置，进入步骤S5；
[0019]S45、将累计次数加1，累计次数的初始值为0，判断累计次数是否大于1，如果大于1，将累计次数置零，直接舍弃这次的模型检测结果，进入步骤S5，否则，调整更新模型参数，返回步骤S42。
[0020]本专利技术提出的电池防爆膜检测设备包括激光检测模块、图像合成模块、图像处理模块和模型检测模块；
[0021]所述激光检测模块用于检测防爆膜的有无；
[0022]所述图像合成模块用于将锂电池防爆膜分时频闪的多张图像数据合成为单张图像；
[0023]所述图像处理模块用于从合成的单张图像中，提取锂电池防爆膜所在区域图像，将提取的锂电池防爆膜图像调整为宽度和长度相同的图像；
[0024]所述模型检测模块用于将调整过尺寸的图像，输入训练好的模型，模型输出锂电池防爆膜区域的瑕疵检测结果。
[0025]本专利技术提出的计算机设备包括用于存储计算机程序指令的存储器和处理器，当所述计算机程序指令被所述处理器执行时，能够实现上述电池防爆膜检测方法。
[0026]本专利技术提出的计算机可读存储介质用于存储计算机程序指令，当所述计算机程序指令被处理器执行时，能够实现上述电池防爆膜检测方法。
[0027]相对于现有技术，本专利技术具有如下有益效果：
[0028]本专利技术可以准确高效地对防爆膜表面的缺陷进行检测。
附图说明
[0029]图1是本专利技术电池防爆膜检测方法的流程图。
具体实施方式
[0030]为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图说明本专利技术的具体实施方式。
[0031]如图1所示，电池防爆膜检测方法具体包括如下步骤：
[0032]S1、通过激光传感器检测是否存在防爆膜，若存在防爆膜，进入步骤S2，否则，进入步骤S5，具体的检测方式为测试锂电池防爆膜的厚度，若测试的防爆膜厚度在
±
8um内，则认为防爆膜不存在，反之，则认为防爆膜存在。
[0033]S2、获取方形铝壳锂电池防爆膜分时频闪的多张图像数据，将多张图像数据合成为单张图像，其中，多张图像数据是根据光源的特性和防爆膜的反光特点，从前后左右4个方向，选择合适的局部图像组合而成。
[0034]S3、从合成的单张图像中，提取锂电池防爆膜所在区域图像，将提取的锂电池防爆
膜图像调整为宽度和长度相同的图像，提取锂电池防爆膜所在区域图像的具体方式为采用DeepLabv3p语义分割的方式，从方形铝壳锂电池的防爆膜外观图像中提取锂电池防爆膜所在区域图像，将提取的锂电池防爆膜图像调整为宽度和长度相同的图像的具体方式为将锂电池的防爆膜所在区域图像的长度方向进行缩放，将防爆膜所在区域图像的宽度方向进行填充。
[0035]S4、将调整过尺寸的图像，输入训练好的FPN网络(特征金字塔网络)和CSPDarkNet(骨干特征提取网络)结合的模型，FPN网络和CSPDarkNet结合的模型输出锂电池防爆膜区域的瑕疵检测结果，能够准确的识别方形铝壳锂电池防爆膜瑕疵差异和种类，在模型中，CSPDarkNet将全部的输入特征利用两路1x1卷积进行Transition，提高特征的重用性，并且在输入到Resiudal Block之前通道减半，减少计算量，通过模型进行检测的具体过程为：
[0036]S41、预设FPN网络和CSPDarkNet结合的模型及其初始的模型参数。
[0037]S42、将调整过尺寸的图像输入带有当前模型参数的FPN网络和CSPDarkNet结合的模型，得到方形铝壳电池防爆膜所在区域图像的瑕疵检测结果，瑕疵检测结果包括：方形铝壳锂电池防爆膜外观的瑕疵种类、瑕疵在电池防爆膜的位置和瑕疵检测结果的置信度，具体地，每个瑕疵检测结果包括cls、x1、y1、width、height和score,其中，cls是缺陷类型，x1、y1、width和height是方形铝壳锂电池防爆膜瑕疵所在位置左上角坐标和缺陷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池防爆膜检测方法，其特征在于,所述电池防爆膜检测方法包括如下步骤：S1、通过激光传感器检测是否存在防爆膜，若存在防爆膜，进入步骤S2，否则，进入步骤S5；S2、获取方形铝壳锂电池防爆膜分时频闪的多张图像数据，将多张图像数据合成为单张图像；S3、从合成的单张图像中，提取锂电池防爆膜所在区域图像，将提取的锂电池防爆膜图像调整为宽度和长度相同的图像；S4、将调整过尺寸的图像，输入训练好的模型，模型输出锂电池防爆膜区域的瑕疵检测结果；S5、结束检测。2.根据权利要求1所述的电池防爆膜检测方法，其特征在于，在所述步骤S1中，具体的检测方式为测试锂电池防爆膜的厚度，若测试的防爆膜厚度在
±
8um内，则认为防爆膜不存在，反之，则认为防爆膜存在。3.根据权利要求1所述的电池防爆膜检测方法，其特征在于，在所述步骤S2中，多张图像数据是根据光源的特性和防爆膜的反光特点，从前后左右4个方向，选择合适的局部图像组合而成。4.根据权利要求1所述的电池防爆膜检测方法，其特征在于，在所述步骤S3中，所述提取锂电池防爆膜所在区域图像包括采用DeepLabv3p语义分割的方式，从方形铝壳锂电池的防爆膜外观图像中提取锂电池防爆膜所在区域图像。5.根据权利要求1所述的电池防爆膜检测方法，其特征在于，在所述步骤S3中，所述将提取的锂电池防爆膜图像调整为宽度和长度相同的图像包括将锂电池的防爆膜所在区域图像的长度方向进行缩放，将防爆膜所在区域图像的宽度方向进行填充。6.根据权利要求1所述的电池防爆膜检测方法，其特征在于，在所述步骤S4中，模型由特征金字塔网络和骨干特征提取网络结合而成。7.根据权利要求6所述的电池防爆膜检测方法，其特征在于，通过模型进行检测的具体过程为：S41、预设模型及...

【专利技术属性】
技术研发人员：周晓毅，
申请(专利权)人：章鱼博士智能技术上海有限公司，
类型：发明
国别省市：