【技术实现步骤摘要】
一种锂电池外壳表面缺陷检测方法
[0001]本专利技术涉及锂电池外壳表面缺陷检测
，尤其涉及一种锂电池外壳表面缺陷检测方法。
技术介绍
[0002]锂电池外壳表面缺陷检测，随着动力电池的迅猛发展，各大动力电池厂商均出现了供不应求的局面，加快自动化生产线的投入是目前的重点，但是随着产能快速增长的同时，对锂电池的安全生产和电池的使用安全性也提出了更大的挑战。在兼顾效率的同时，如何制造出更为安全可靠的锂电池，已经成为各大知名电池厂商的波切需求。
[0003]目前流行的方法是采用相机加深度学习算法的方式对电池外观进行检查，需要大量的缺陷样本对算法进行训练以自动学习特征提取。但在某些锂电池价格比较昂贵，且在制造时良率较高，需要人为制造缺陷，导致缺陷样本收集成本较高，因此很难收集到足够的缺陷样本来使用深度学习算法进行训练。
[0004]锂电池上有些缺陷比较容易识别，相比深度学习从大量缺陷样本进行学习自动特征提取，基于手工特征提取的传统图像处理算法就能对其进行很好处理。但是，存在某些缺陷比较复杂，难以识别，这时可以依...
【技术保护点】
【技术特征摘要】
1.一种锂电池外壳表面缺陷检测方法，其特征在于，包括以下步骤：S1：模板提取；S2：k
‑
means算法前景分离；S3：Sobel算子边缘检测；S4：初次提取目标的最小外接矩形；S5：将物体校正；S6：对右侧的阴影部分进行提取，并对其使用直方图均衡化；S7：再次提取目标的最小外接矩形；S8：对图片进行差分运算；S9：传统算法特征；S10：YOLOv5目标检测。2.根据权利要求1所述的一种锂电池外壳表面缺陷检测方法，其特征在于，S1中模板提取的方法为：使用模板匹配算法在原始图像图A提取目标，得到大部分背景被消除的图B，使用函数为cv2.matchTemplate，模板匹配算法：用T表示模板图像，I表示待匹配图像，用R表示匹配结果，公式如下所示，3.根据权利要求1所述的一种锂电池外壳表面缺陷检测方法，其特征在于，S2中k
‑
means算法前景分离的方法为：使用k
‑
means聚类算法提取显著前景并进行二值化处理：聚类个数为2，重复试验k
‑
means算法5次，每次随机选择初始中心，得到图C，使用函数为cv2.kmeans。4.根据权利要求1所述的一种锂电池外壳表面缺陷检测方法，其特征在于，S3中Sobel算子边缘检测的方法为：对x,y方向的Sobel算子进行随机权重分配的线性叠加，生成梯度算子Sobel
G
，和分别表示x、y方向的Sobel梯度算子，a∈[0,1],b∈[0,1],a+b∈[0,1]，得到目标边缘轮廓图图D，用于获取边缘点集，对图片旋转校正的必备工作，使用函数为cv2.Sobel，公式如下所示Sobel
G
＝Sobel
Gx
*a+Sobel
Gy
*b。5.根据权利要求1所述的一种锂电...
【专利技术属性】
技术研发人员：李正超，
申请(专利权)人：深圳市智弦科技有限公司，
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。