【技术实现步骤摘要】
本申请涉及自动化检测的，具体而言，涉及一种基于dpu异构平台的锂电极片毛刺高速检测方法。
技术介绍
1、导致锂电池爆炸起火的主要元凶之一就是，锂电池正负极片和隔膜之间的那些在显微镜下才能看清楚的微米级毛刺；无论是五金分切、还是激光模切，都难以避免毛刺的产生。
2、需求的旺盛和对检测质量的追求，也让检测速度和检测精度成为锂电毛刺工业视觉检测设备中，不断追求的核心关键指标。这也意味着检测视觉装备要有更高的图像分辨率、更高的采集速度、以及更高的处理速度。这样的需求也随之给pc主机的处理性能带来了如下困难：
3、锂电毛刺检测速度一般要求至少100米/分钟以上，以120米/分钟实时全检为例，对应200w相机(分辨率为1936*1000)帧率约510fps(视野重合10％)可满足检测要求；一个检测工位需要两台相机，一个端拍相机用于检测侧面的分切毛刺，另一个俯拍相机用于检测涂布缺陷。这样单个相机的传输带宽要求7.35g，两台相机的总传输带宽则达到14.7g，目前，工业视觉中只有cxp接口和万兆网接口可以满足这样的传输速度。而同时，pc要处理每秒510帧的图像，需要1.9ms就完成一幅1936*1000分辨率图像的检测，目前不论是传统算法还是深度学习算法都是无法达成全检，只能跳帧抽检。这样的采集传输速度对pc主机的传输带宽和处理性能都提出了非常高的要求，要么降速，要求么做不到100％全检测，同时也大大增加了视觉系统的成本。
4、在传统锂电极片分切毛刺检测工序中，解决方式就是人工定期对极片毛刺进行二次元下抽检。
5、在机器视觉技术解决了这个困扰锂电行业多年的难题后，现有的检测系统通过传统算法与深度学习技术相结合的方案实现了在线实时全检，传统算法用于检测和测量，辅以ai算法完成缺陷分类和缺陷复查；但是往往检测速度只能达到50米/分钟左右的全检速度，且主机的cpu一直处于高负荷状态。
6、以上检测系统主要存在的问题包括：1)相机采集到图像，全部通过网卡和网卡驱动，拷贝给了网络相机的过滤驱动，而这其中有毛刺的图像只占全部图像的1％不到，这个过程中会造成cpu的高负荷占用；此外，在这个过程中过滤驱动还需要承担网络协议头和视觉传输协议头的解析功能，这一部分会降低传输性能，同时也进一步增加cpu的占用。2)由于全部图像都直接给了用户，因此用户的检测算法的速度也要匹配前端图像的采集和传输速度，我们还是以200w相机(分辨率为1936*1000)帧率510fps为例，用户需要1.9ms就完成一幅1936*1000分辨率图像的检测，显然是无法满足要求，因为在pc上对一张200m的图像做一次基本的全图滤波，经过指令集加速后都至少要4ms以上。此外，用户的传统检测算法也在运行在pc的cpu上，同样也会造成cpu的高负荷占用；此外，cpu到gpu之间存在异构拷贝图像，异构拷贝图像的耗时也增加图像处理算法的总耗时。
技术实现思路
1、本申请的目的在于：提供一种基于dpu异构平台的锂电极片毛刺高速检测方法及系统，采用算力下沉的解决思路，通过网卡fpga的dpu处理器，先进行网络协议和视觉传输协议的解析卸载，并在dpu中完成毛刺检测，只把有毛刺的图片(通常不足1％的占比)传给pc端进行后续的缺陷分类和缺陷复查，从而卸载pc端的数据处理压力，有效解决了现行锂电极片分切毛刺高速检测系统中，pc端的检测速度无法满足高速实时检测速度的目的。
2、本申请的技术方案是：提供了一种基于dpu异构平台的锂电极片毛刺高速检测方法，该方法用于工业相机通过网卡向主机进行图像传输的过程，网卡中包括fpga，网卡通过fpga对传输的图像进行毛刺检测，并将具有缺陷的图像传输至主机，该方法包括：
3、步骤1，将主机gpu的共享buffer注册给网卡的驱动，建立经由网卡至主机gpu的直接通信，使得网卡能够将图像数据直接传输至gpu的共享buffer；步骤2，工业相机在图像曝光后，逐行读出单张图像中每个像素对应的图像数据，并在读出过程中以数据流的形式同步将图像数据传输至网卡，其中，单张图像包括若干个数据包，数据包为数据流中的基本单元；步骤3，网卡通过内部的fpga接收图像数据，在接收过程中同步对图像数据进行预处理和缺陷检测，区分出缺陷图像，具体包括：步骤31，网卡通过fpga逐行接收每个像素对应的图像数据，当接收的行方向像素的数量达到预定行滤波尺寸时，开始进行行滤波，当接收的列方向像素的数量达到预定列滤波尺寸时，开始进行列滤波；步骤32，读取列滤波后像素的灰度值，以像素列的方向为扫描方向查找像素灰度值的跳变位置，提取目标边界点，基于目标边界点的坐标值区分出缺陷图像；步骤4，利用fpga将缺陷图像直接传输至主机的gpu中，进行后续的图像复检操作。
4、进一步地，图像数据所在的像素坐标系，以左上角的像素点为原点，以原点向右的方向为行坐标正方向，以原点向下的方向为列坐标正方向，所述步骤32中提取目标边界点具体包括：以像素列的方向为扫描方向，将检测到的第一个满足灰度值大于涂层平均灰度阈值且小于箔材平均灰度阈值的像素坐标点，作为涂层起始点，将检测到的最后一个满足灰度值大于涂层平均灰度阈值且小于箔材平均灰度阈值的像素坐标点，作为涂层终止点，将检测到的第一个满足灰度值大于箔材平均灰度阈值的像素坐标点，作为箔材起始点，将检测到的最后一个满足灰度值大于箔材平均灰度阈值的像素坐标点，作为箔材终止点。
5、进一步地，步骤32中基于目标边界点的坐标值确定缺陷类型，具体包括：设置箔材断裂长度阈值，当检测到第一类像素列且第一类像素列连续排列的数量达到箔材断裂长度阈值时，判定连续排列的第一类像素列所在位置存在箔材断裂缺陷，其中，第一类像素列为：未检测到箔材起始点且未检测到箔材终止点的像素列；
6、设置a类毛刺长度阈值，当检测到第二类像素列且第二类像素列连续排列的数量达到a类毛刺长度阈值时，判定连续排列的第二类像素列所在位置存在a类毛刺缺陷，其中，第二类像素列为：箔材起始列坐标小于涂层起始列坐标或者箔材终止列坐标大于涂层终止列坐标的像素列；
7、设置b类毛刺长度阈值，当检测到第三类像素列且第三类像素列连续排列的数量达到b类毛刺长度阈值时，判定这些连续排列的第三类像素列所在位置存在b类毛刺缺陷，其中，第三类像素列为：满足箔材起始列坐标与箔材起始列坐标均值的差大于b类毛刺距离阈值，或者，箔材终止列坐标与箔材终止列坐标均值的差大于b类毛刺距离阈值的像素列。
8、进一步地，箔材起始列坐标均值为m-neighborlen/2列到m+
9、neighborlen/2列的所有箔材起始列坐标的平均值，所述箔材终止列坐标均值为m-neighborlen/2列到m+neighborlen/2列的所有箔材终止列坐标的平均值，其中，m为当前列，neighborlen为邻域长度，表示为：
本文档来自技高网...
【技术保护点】
1.一种基于DPU异构平台的锂电极片毛刺高速检测方法，该方法用于工业相机通过网卡向主机进行图像传输的过程，其特征在于，网卡中包括FPGA，网卡通过FPGA对传输的图像进行毛刺检测，并将具有缺陷的图像传输至主机，所述方法包括：
2.如权利要求1所述的基于DPU异构平台的锂电极片毛刺高速检测方法，其特征在于，所述图像数据所在的像素坐标系，以左上角的像素点为原点，以原点向右的方向为行坐标正方向，以原点向下的方向为列坐标正方向，所述步骤32中提取目标边界点具体包括：
3.如权利要求2所述的基于DPU异构平台的锂电极片毛刺高速检测方法，其特征在于，所述步骤32中基于目标边界点的坐标值确定缺陷类型，具体包括：
4.如权利要求3所述的基于DPU异构平台的锂电极片毛刺高速检测方法，其特征在于，所述箔材起始列坐标均值为m-NeighborLen/2列到m+NeighborLen/2列的所有箔材起始列坐标的平均值，所述箔材终止列坐标均值为m-NeighborLen/2列到m+NeighborLen/2列的所有箔材终止列坐标的平均值，其中，m为当前列，Neighbo
5.如权利要求1所述的基于DPU异构平台的锂电极片毛刺高速检测方法，其特征在于，所述步骤1具体包括：
6.如权利要求1所述的基于DPU异构平台的锂电极片毛刺高速检测方法，其特征在于，所述步骤3中网卡通过内部的FPGA接收图像数据，具体包括：
...【技术特征摘要】
1.一种基于dpu异构平台的锂电极片毛刺高速检测方法，该方法用于工业相机通过网卡向主机进行图像传输的过程，其特征在于，网卡中包括fpga，网卡通过fpga对传输的图像进行毛刺检测，并将具有缺陷的图像传输至主机，所述方法包括：
2.如权利要求1所述的基于dpu异构平台的锂电极片毛刺高速检测方法，其特征在于，所述图像数据所在的像素坐标系，以左上角的像素点为原点，以原点向右的方向为行坐标正方向，以原点向下的方向为列坐标正方向，所述步骤32中提取目标边界点具体包括：
3.如权利要求2所述的基于dpu异构平台的锂电极片毛刺高速检测方法，其特征在于，所述步骤32中基于目标边界点的坐标值确定缺陷类型，具体包括：
4...
【专利技术属性】
技术研发人员：刘敏，张强，宋伟铭，高晓阳，古佩强，王玉成，
申请(专利权)人：中国大恒集团有限公司北京图像视觉技术分公司，
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。