【技术实现步骤摘要】
本专利技术涉及锂电池检测，特别是一种基于智能分析的锂电池叠片检测方法、系统及存储介质。
技术介绍
1、在锂电池制造行业中，电池的性能和安全性在很大程度上取决于其制造过程中的质量控制。锂电池叠片是制备锂电池的关键工艺步骤之一，锂电池叠片是指在制造锂电池时，将正极片、负极片和隔膜按照一定的顺序和结构堆叠在一起的过程。锂电池叠片技术的关键在于确保正极片、负极片和隔膜之间紧密接触，避免叠片过程中可能出现的各种缺陷，如错位、褶皱、污点和破损，以减少内阻，提高电池的充放电效率，并且在叠片过程中还需要考虑电池的安全性，避免因内部缺陷或不均匀造成局部过热或短。因此，在锂电池叠片工艺中，隔膜的平整性与完整性影响着整个工艺质量。
2、现有的锂电池叠片过程中检测技术缺陷主要有：传统机器视觉系统难以准确识别复杂的缺陷模式，如轻微的褶皱、微小的污点等，无法实时处理大量图像数据，导致检测延迟，影响生产效率；并且，现有检测系统往往不具备智能反馈功能，不能根据实时检测结果对设备进行适应性调控，常常出现大批量生产出叠片废品的情况，大大提高了生产成本。
技术实现思路
1、本专利技术克服了现有技术的不足，提供了一种基于智能分析的锂电池叠片检测方法、系统及存储介质。
2、为实现上述目的，本专利技术提供了一种基于智能分析的锂电池叠片检测方法，包括以下步骤：
3、在预设时间节点获取锂电池叠片区域的实际状态图像，并对所述实际状态图像进行分析，得到分析结果；
4、若为第一分析结果，
5、获取堆叠状态异常子区域的子区域图像，对所述子区域图像进行特征识别，得到堆叠状态异常子区域的缺陷类型；判断堆叠状态异常子区域的缺陷类型是否为预设缺陷类型；
6、若堆叠状态异常子区域的缺陷类型为预设缺陷类型，则对当前片层中隔膜的隔膜进行报废处理；若堆叠状态异常子区域的缺陷类型不为预设缺陷类型，则对当前片层中隔膜的隔膜进行纠偏处理；
7、对叠片设备在预设时间段内所有堆叠状态异常子区域的缺陷类型进行分析，分析得到叠片设备在预设时间段内所发生缺陷的是高发缺陷还是为偶发缺陷；
8、若为偶发缺陷，则使得叠片设备进行加工生产；若为高发缺陷，则对叠片设备进行调控处理。
9、优选地，在预设时间节点获取锂电池叠片区域的实际状态图像，并对所述实际状态图像进行分析，得到分析结果，具体为：
10、获取锂电池叠片区域的理想状态图像，以及在预设时间节点获取锂电池叠片区域的实际状态图像；
11、计算所述实际状态图像与理想状态图像之间的结构相似性指数；并将所述结构相似性指数与预设指数阈值进行比较；
12、若所述结构相似性指数大于预设指数阈值，说明当前片层的隔膜的堆叠状态正常，则生成第一分析结果；
13、若所述结构相似性指数不大于预设指数阈值，说明当前片层的隔膜的堆叠状态异常，则生成第二分析结果。
14、优选地，若为第二分析结果，则获取当前片层中隔膜的堆叠状态异常子区域，具体为：
15、获取锂电池叠片区域的理想状态图像，以及获取锂电池叠片区域在预设时间节点的实际状态图像；
16、对所述理想状态图像与实际状态图像进行灰值化处理，得到两张灰度图像；计算两张灰度图像在相同位置上的像素值的差值，并获取所计算得到的差值的绝对值，得到若干个像素差值；
17、根据若干个像素差值构建一个差异矩阵，遍历差异矩阵中的每一个元素，将差异矩阵中的各个元素值均与预设阈值进行比较；
18、将元素值大于预设阈值的像素位置标记1，将元素值不大于预设阈值的像素位置设置标记0；
19、在所述实际状态图像中，将像素位置被标记为1的位置节点渲染为白色区域；将像素位置被标记为0的位置节点渲染为黑色区域；
20、将被渲染为白色区域的位置区域标定为堆叠状态异常子区域。
21、优选地，获取堆叠状态异常子区域的子区域图像，对所述子区域图像进行特征识别，得到堆叠状态异常子区域的缺陷类型，具体为：
22、构建关键检索词，基于所述关键检索词对网络共享数据库进行检索，检索得到同一类型叠片设备在历史生产过程中发生缺陷工况时的特征缺陷图像；
23、对若干特征缺陷图像进行分类处理，以将特征相同的特征缺陷图像归类至一起，得到若干个特征缺陷图像集；
24、对各个特征缺陷图像集中的缺陷类型进行识别，得到各个特征缺陷图像集的缺陷类型信息，并根据对应缺陷类型信息为各个特征缺陷图像集赋予缺陷类型标签；
25、获取堆叠状态异常子区域的子区域图像，计算所述子区域图像与各个特征缺陷图像集中各张特征缺陷图像之间的结构相似性指数；
26、若所述子区域图像与某一特征缺陷图像集中某一张特征缺陷图像之间的结构相似性指数大于预设值，则获取该特征缺陷图像集的缺陷类型标签，根据该特征缺陷图像集的缺陷类型标签确定出堆叠状态异常子区域的缺陷类型。
27、优选地，对叠片设备在预设时间段内所有堆叠状态异常子区域的缺陷类型进行分析，分析得到叠片设备在预设时间段内所发生缺陷的是高发缺陷还是为偶发缺陷，具体为：
28、获取叠片设备在预设时间段内所有堆叠状态异常子区域的缺陷类型，并对预设时间段内所有堆叠状态异常子区域的缺陷类型进行统计分析，得到叠片设备在预设时间段内各种缺陷类型的发生概率值；
29、将叠片设备在预设时间段内各种缺陷类型的发生概率值与预设概率值进行比较；
30、若某一种缺陷类型的发生概率值大于预设概率值，则将该种缺陷类型标记为高发缺陷；
31、若某一种缺陷类型的发生概率值不大于预设概率值，则将该种缺陷类型标记为偶发缺陷。
32、优选地，若为高发缺陷，则对叠片设备进行调控处理，具体为：
33、获取叠片设备中的各子工作模块，并获取各子工作模块的功能作用信息；引入apriori算法，根据apriori算法分析根据各子工作模块的功能作用信息分析出各缺陷类型与各子工作模块的之间的项集频率；
34、若某一个缺陷类型与某一个子工作模块的之间的项集频率大于预设频率值，说明该缺陷类型与该子工作模块之间存在关联，则将该子工作模块定义为该缺陷类型的相关性子工作模块；
35、以此类推，分析得到各缺陷类型的相关性子工作模块，并基于各缺陷类型的相关性子工作模块构建知识图谱；
36、获取被标记为高发缺陷的缺陷类型，将所述被标记为高发缺陷的缺陷类型导入所述知识图谱中进行配对，配对得到被标记为高发缺陷的缺陷类型的相关性子工作模块，并将配对得到的相关性子工作模块标记为运行状态存疑子工作模块；
37、获取叠片设备的故障日志，根据所述故障日志获取叠片设备中各子工作模块的故障事件信息，并对各故障事件信息进行特征工程处理，得到各子工作模块本文档来自技高网...
【技术保护点】
1.一种基于智能分析的锂电池叠片检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于智能分析的锂电池叠片检测方法，其特征在于，在预设时间节点获取锂电池叠片区域的实际状态图像，并对所述实际状态图像进行分析，得到分析结果，具体为：
3.根据权利要求1所述的一种基于智能分析的锂电池叠片检测方法，其特征在于，若为第二分析结果，则获取当前片层中隔膜的堆叠状态异常子区域，具体为：
4.根据权利要求1所述的一种基于智能分析的锂电池叠片检测方法，其特征在于，获取堆叠状态异常子区域的子区域图像，对所述子区域图像进行特征识别，得到堆叠状态异常子区域的缺陷类型，具体为：
5.根据权利要求1所述的一种基于智能分析的锂电池叠片检测方法，其特征在于，对叠片设备在预设时间段内所有堆叠状态异常子区域的缺陷类型进行分析，分析得到叠片设备在预设时间段内所发生缺陷的是高发缺陷还是为偶发缺陷，具体为：
6.根据权利要求5所述的一种基于智能分析的锂电池叠片检测方法，其特征在于，若为高发缺陷，则对叠片设备进行调控处理，具体为：
7.根
8.一种基于智能分析的锂电池叠片检测系统，其特征在于，所述锂电池叠片检测系统包括：存储器与处理器，所述存储器中包括锂电池叠片检测方法程序，当所述锂电池叠片检测方法程序被所述处理器执行时，实现如下步骤：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括锂电池叠片检测方法程序，所述锂电池叠片检测方法程序被处理器执行时，实现如权利要求1至7任一项所述锂电池叠片检测方法的步骤。
...【技术特征摘要】
1.一种基于智能分析的锂电池叠片检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于智能分析的锂电池叠片检测方法，其特征在于，在预设时间节点获取锂电池叠片区域的实际状态图像，并对所述实际状态图像进行分析，得到分析结果，具体为：
3.根据权利要求1所述的一种基于智能分析的锂电池叠片检测方法，其特征在于，若为第二分析结果，则获取当前片层中隔膜的堆叠状态异常子区域，具体为：
4.根据权利要求1所述的一种基于智能分析的锂电池叠片检测方法，其特征在于，获取堆叠状态异常子区域的子区域图像，对所述子区域图像进行特征识别，得到堆叠状态异常子区域的缺陷类型，具体为：
5.根据权利要求1所述的一种基于智能分析的锂电池叠片检测方法，其特征在于，对叠片设备在预设时间段内所有堆叠状态异常子区域的缺陷...
【专利技术属性】
技术研发人员：方璇，姜楠，孙昊，
申请(专利权)人：深圳市新昊青科技有限公司，
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。