本发明专利技术涉及电池生产技术领域，具体提供一种电池模组焊接后外观检验方法，旨在解决人工检验易发生误判造成电池模组质量不合格、检验效率低的问题。为此目的，本发明专利技术的电池模组焊接后外观检验方法包括：建立检验焊接后电池模组图像缺陷的深层神经网络；获取焊接后待检验电池模组图像，并将所待检验电池模组图像输入至检验焊接后电池模组图像缺陷的深层神经网络中，输出检验结果；根据检验结果发出通知信息。通过上述方法，能够通过检验焊接后电池模组图像缺陷的深层神经网络对焊接后的电池模组图像自动进行检验，能够有效地提高检验效率，降低检验误判率，提高生产质量。提高生产质量。提高生产质量。
【技术实现步骤摘要】
电池模组焊接后外观检验方法、装置、设备及存储介质
[0001]本专利技术涉及电池生产
，具体提供一种电池模组焊接后外观检验方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着新能源汽车的迅速发展，新能源汽车为了提升电池容量，常常把几个容量、性能参数一致的电芯，用激光焊接并联组成最小电池模块，然后再进行串联。无论是并联还是串联操作，都需要使用激光进行焊接，其焊接质量直接影响到电动汽车的续航能力及安全性。
[0003]现在技术在大批量工业生产过程中，用人工视觉检查其焊接质量效率低且精度不高，容易发生误判，导致电池出现残次品，从而影响汽车的生产质量。
[0004]相应地，本领域需要一种新的电池模组焊接后外观检验方案来解决上述问题。
技术实现思路
[0005]为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决人工检验易发生误判造成电池模组质量不合格、检验效率低的技术问题的电池模组焊接后外观检验方法、装置、设备及存储介质。
[0006]在第一方面，本专利技术提供一种电池模组焊接后外观检验方法，所述方法包括：建立检验焊接后电池模组图像缺陷的深层神经网络；获取焊接后待检验电池模组图像，并将所述待检验电池模组图像输入至所述检验焊接后电池模组图像缺陷的深层神经网络中，输出检验结果；根据所述检验结果发出通知信息。
[0007]在上述电池模组焊接后外观检验方法的一个技术方案中，“建立检验焊接后电池模组图像缺陷的深层神经网络”的步骤具体包括：建立待训练的深层神经网络；建立焊接后电池模组图像库，其中，所述焊接后电池模组图像库包括通过缺陷标注的焊接后电池模组图像；对所述通过缺陷标注的焊接后电池模组图像进行平移、旋转和缩放操作来调整所述待训练的深层神经网络的训练参数，其中，所述训练参数至少包括图像的亮度和对比度；将所述通过缺陷标注的焊接后电池模组图像作为所述待训练的深层神经网络的训练对象，并根据调整后的所述训练参数进行预设训练次数和预设训练时间的训练，得到检验焊接后电池模组图像缺陷的深层神经网络。
[0008]在上述电池模组焊接后外观检验方法的一个技术方案中，在“得到检验焊接后电池模组图像缺陷的深层神经网络”的步骤之后，所述方法还包括：将预先准备好的待验证焊接后电池模组图像输入至所述检验焊接后电池模组图像缺陷的深层神经网络中进行验证；若验证结果不合格，则将所述待验证焊接后电池模组图像继续作为待训练的深层神经网络的训练对象，并继续执行“根据调整后的所述训练参数进行预设训练次数和预设训练时间的训练，得到检验焊接后电池模组图像缺陷的深层神经网络”的步骤。
[0009]在上述电池模组焊接后外观检验方法的一个技术方案中，“获取焊接后待检验电
池模组图像”的步骤具体包括：通过图像采集装置获取焊接后待检验电池模组图像。
[0010]在上述电池模组焊接后外观检验方法的一个技术方案中，在“通过图像采集装置获取焊接后待检验电池模组图像”的步骤之前，所述方法还包括：获取周围环境的亮度信息，并判断所述亮度信息是否大于亮度基准信息；如果所述亮度信息小于等于所述亮度基准信息，则控制照明装置开启，并执行“通过图像采集装置获取焊接后待检验电池模组图像”的步骤；如果所述亮度信息大于所述亮度基准信息，则控制照明装置关闭，并执行“通过图像采集装置获取焊接后待检验电池模组图像”的步骤。
[0011]在上述电池模组焊接后外观检验方法的一个技术方案中，“根据所述检验结果发出通知信息”的步骤具体包括：若所述检验结果为合格，则输出检验合格的第一通知信息；若所述检验结果为不合格，则输出检验不合格的第二通知信息和请进行人工复审的第三通知信息。
[0012]在上述电池模组焊接后外观检验方法的一个技术方案中，所述方法还包括：响应于接收到的针对所述第三通信信息发送的人工复审的复审结果；根据所述复审结果关闭通知信息的提示。
[0013]在第二方面，本专利技术提供一种电池模组焊接后外观检验装置，所述装置包括：建立深层神经网络模块，其被配置成建立检验焊接后电池模组图像缺陷的深层神经网络；获取检验结果模块，其被配置成获取焊接后待检验电池模组图像，并将所述待检验电池模组图像输入至所述检验焊接后电池模组图像缺陷的深层神经网络中，输出检验结果；通知模块，其被配置成根据所述检验结果发出通知信息。
[0014]在第三方面，提供一种电子设备，该电子设备包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述电池模组焊接后外观检验方法的技术方案中任一项技术方案所述的电池模组焊接后外观检验方法。
[0015]在第四方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述电池模组焊接后外观检验方法的技术方案中任一项技术方案所述的电池模组焊接后外观检验方法。
[0016]本专利技术上述一个或多个技术方案，至少具有如下一种或多种有益效果：
[0017]在实施本专利技术的技术方案中，通过建立检验焊接后电池模组图像缺陷的深层神经网络；获取焊接后待检验电池模组图像，并将所待检验电池模组图像输入至检验焊接后电池模组图像缺陷的深层神经网络中，输出检验结果；根据检验结果发出通知信息。通过上述方法，能够通过检验焊接后电池模组图像缺陷的深层神经网络对焊接后的电池模组图像自动进行检验，能够有效地提高检验效率，降低检验误判率，提高生产质量。
附图说明
[0018]参照附图，本专利技术的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本专利技术的保护范围组成限制。此外，图中类似的数字用以表示类似的部件，其中：
[0019]图1是根据本专利技术的一个实施例的电池模组焊接后外观检验方法的主要步骤流程示意图；
[0020]图2是根据本专利技术的一个实施例的建立检验焊接后电池模组图像缺陷的深层神经网络的步骤流程示意图；
[0021]图3是根据本专利技术的另一个实施例的电池模组焊接后外观检验方法的主要步骤流程示意图；
[0022]图4是根据本专利技术的一个实施例的电池模组焊接后外观检验装置的主要结构框图示意图。
[0023]附图标记列表：
[0024]11：建立深层神经网络模块；12：获取检验结果模块；13：通知模块。
具体实施方式
[0025]下面参照附图来描述本专利技术的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围。
[0026]在本专利技术的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电池模组焊接后外观检验方法，其特征在于，所述方法包括：建立检验焊接后电池模组图像缺陷的深层神经网络；获取焊接后待检验电池模组图像，并将所述待检验电池模组图像输入至所述检验焊接后电池模组图像缺陷的深层神经网络中，输出检验结果；根据所述检验结果发出通知信息。2.根据权利要求1所述的电池模组焊接后外观检验方法，其特征在于，“建立检验焊接后电池模组图像缺陷的深层神经网络”的步骤具体包括：建立待训练的深层神经网络；建立焊接后电池模组图像库，其中，所述焊接后电池模组图像库包括通过缺陷标注的焊接后电池模组图像；对所述通过缺陷标注的焊接后电池模组图像进行平移、旋转和缩放操作来调整所述待训练的深层神经网络的训练参数，其中，所述训练参数至少包括图像的亮度和对比度；将所述通过缺陷标注的焊接后电池模组图像作为所述待训练的深层神经网络的训练对象，并根据调整后的所述训练参数进行预设训练次数和预设训练时间的训练，得到检验焊接后电池模组图像缺陷的深层神经网络。3.根据权利要求2所述的电池模组焊接后外观检验方法，其特征在于，在“得到检验焊接后电池模组图像缺陷的深层神经网络”的步骤之后，所述方法还包括：将预先准备好的待验证焊接后电池模组图像输入至所述检验焊接后电池模组图像缺陷的深层神经网络中进行验证；若验证结果不合格，则将所述待验证焊接后电池模组图像继续作为待训练的深层神经网络的训练对象，并继续执行“根据调整后的所述训练参数进行预设训练次数和预设训练时间的训练，得到检验焊接后电池模组图像缺陷的深层神经网络”的步骤。4.根据权利要求1所述的电池模组焊接后外观检验方法，其特征在于，“获取焊接后待检验电池模组图像”的步骤具体包括：通过图像采集装置获取焊接后待检验电池模组图像。5.根据权利要求4所述的电池模组焊接后外观检验方法，其特征在于...
【专利技术属性】
技术研发人员：朱飞飞，吴忠伟，郭良，
申请(专利权)人：捷威动力工业江苏有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。