聚合物锂离子电池的智能化生产系统及其方法技术方案

本申请公开了一种聚合物锂离子电池的智能化生产系统及其方法，其将第二次外观全检问题转化为基于图像的分类问题。具体地，其首先分别计算待检测聚合物锂离子电池的第一至第六检测图像通过第一卷积神经网络模型得到的第一至第六检测特征图和所述待检测聚合物锂离子电池的第一至第六参考图像分别通过第一卷积神经网络模型得到的第一至第六参考特征图中每组对应的检测特征图和参考特征图之间的差分以得到第一至第六差分特征图，接着，将所述第一至第六差分特征图聚合后通过第二卷积神经网络模型并进行类表征平展化以得到优化分类特征图，最后，将优化分类特征图通过分类器以得到分类结果。这样，就可以对待检测聚合物锂离子电池进行智能外观全检。合物锂离子电池进行智能外观全检。合物锂离子电池进行智能外观全检。

【技术实现步骤摘要】
聚合物锂离子电池的智能化生产系统及其方法


[0001]本申请涉及智能检测
，且更为具体地，涉及一种聚合物锂离子电池的智能化生产系统及其方法。

技术介绍

[0002]聚合物锂电池一般指锂聚合物电池，其具有能量高、小型化、轻量化的特点。近年来，随着人工智能、物联网和大数据等技术的发展为聚合物锂电池的智能产线的搭建提供了技术支持。
[0003]聚合物锂电池的制备工艺包括如下环节：配料、涂布、辊压、分条、制片、卷绕、卷芯外观全检、卷芯短路测试、四合一顶侧封、装篮扩口、真空烘烤、注液/预封、活化、化成、二封、真空搁置、分容、老化、电压/内阻测试、第一次外观全检、入库、Pack加工、第二次外观全检、打包入库和出货。
[0004]在聚合物离子电池的制备流程中，对锂离子电池的外观进行第二次全检出货前是重要工序。现有的外观全检方式是通过目测来进行，然后这种方式一方面依托于现场工人的自觉，另一方面，人眼能够观察分辨率是有限的，因此其不能观察到细微的外观差异，而这些细微的外观差异有可能会影响到产品的后续使用以及产品的质量评估。
[0005]因此，期待一种优化的聚合物锂离子电池的智能化生产方案，其能够对聚合物锂离子电池进行智能外观全检。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种聚合物锂离子电池的智能化生产系统及其方法，其将第二次外观全检问题转化为基于图像的分类问题。具体地，其首先分别计算待检测聚合物锂离子电池的第一至第六检测图像通过第一卷积神经网络模型得到的第一至第六检测特征图和所述待检测聚合物锂离子电池的第一至第六参考图像分别通过第一卷积神经网络模型得到的第一至第六参考特征图中每组对应的检测特征图和参考特征图之间的差分以得到第一至第六差分特征图，接着，将所述第一至第六差分特征图聚合后通过第二卷积神经网络模型并进行类表征平展化以得到优化分类特征图，最后，将优化分类特征图通过分类器以得到分类结果。这样，就可以对待检测聚合物锂离子电池进行智能外观全检。
[0007]根据本申请的一个方面，提供了一种聚合物锂离子电池的智能化生产系统，其包括：摄像模块，用于获取待检测聚合物锂离子电池的六视图，所述待检测聚合物锂离子电池的六视图为第一至第六检测图像；参考图像采集模块，用于获取所述待检测聚合物锂离子电池的参考设计六视图，其中，所述待检测聚合物锂离子电池的参考设计六视图为第一至第六参考图像；检测图像编码模块，用于将所述第一至第六检测图像中各个检测图像通过使用空间注意力机制的第一卷积神经网络模型以得到第一至第六检测特征图；参考图像编码模块，用于将所述第一至第六参考图像中各个参考图像分别通过所述使用空间注意力机
制的第一卷积神经网络模型以得到第一至第六参考特征图；对应差分模块，用于分别计算所述第一至第六检测特征图和所述第一至第六参考特征图中每组对应的检测特征图和参考特征图之间的差分以得到第一至第六差分特征图；全局评估模块，用于将所述第一至第六差分特征图按照通道维度进行聚合为全局差分特征图后通过使用通道注意力的第二卷积神经网络模型以得到所述分类特征图，并对所述分类特征图进行类表征平展化以得到优化分类特征图；以及外观全检结果生成模块，用于将所述优化分类特征图通过分类器以得到分类结果，所述分类结果用于表示待检测聚合物锂离子电池的外观是否合格。
[0008]在上述的聚合物锂离子电池的智能化生产系统中，所述检测图像编码模块，包括：卷积编码单元，用于使用所述第一卷积神经网络模型的卷积编码部分分别对所述第一至第六检测图像进行深度卷积编码以得到第一至第六高维特征图；空间注意力单元，用于将所述第一至第六高维特征图输入所述第一卷积神经网络模型的空间注意力部分以得到第一至第六空间注意力图；以及空间注意力施加单元，用于分别计算所述第一至第六高维特征图和所述第一至第六空间注意力图的按位置点乘以得到所述第一至第六检测特征图。
[0009]在上述的聚合物锂离子电池的智能化生产系统中，所述对应差分模块，进一步用于：使用如下公式计算所述第一至第六检测特征图和所述第一至第六参考特征图中每组对应的检测特征图和参考特征图之间的差分以得到所述第一至第六差分特征图；其中，所述公式为：其中和分别表示所述第一至第六参考特征图中每组对应的检测特征图和参考特征图，表示所述第一至第六差分特征图，表示特征图的按位置减法。
[0010]在上述的聚合物锂离子电池的智能化生产系统中，所述全局评估模块，包括：深度卷积编码单元，用于使用所述第二卷积神经网络模型对所述全局差分特征图进行显式空间编码以得到差分关联特征图；全局均值池化单元，用于计算所述差分关联特征图的沿通道维度的各个特征矩阵的全局均值以得到通道特征向量；激活单元，用于将所述通道特征向量输入Sigmoid激活函数以得到通道注意力加权特征向量；通道注意力施加单元，用于以所述通道注意力加权特征向量中各个位置的特征值作为权重分别对所述差分关联特征图的沿通道维度的各个特征矩阵进行加权以得到所述分类特征图；以及类表征平展化单元，用于对所述分类特征图进行类表征平展化以得到优化分类特征图。
[0011]在上述的聚合物锂离子电池的智能化生产系统中，所述类表征平展化单元，进一步用于：以如下公式对所述分类特征图进行类表征平展化以得到所述优化分类特征图；其中，所述公式为：其中，是所述分类特征图的预定特征值，是所述分类特征图的所述预定特征值以外的其它特征值，且是所述分类特征图的所有特征值的均值，且是所述分类特征图的尺度，表示向量的指数运算，所述向量的指数运算表示计算以向量中各个位置
的特征值为幂的自然指数函数值，是所述优化分类特征图的特征值。
[0012]在上述的聚合物锂离子电池的智能化生产系统中，所述外观全检结果生成模块，进一步用于：使用所述分类器以如下公式对所述优化分类特征图进行处理以生成分类结果，其中，所述公式为：其中表示将所述优化分类特征图投影为向量，和为各层全连接层的权重矩阵，和表示各层全连接层的偏置矩阵。
[0013]根据本申请的另一方面，提供了一种聚合物锂离子电池的智能化生产方法，其包括：获取待检测聚合物锂离子电池的六视图，所述待检测聚合物锂离子电池的六视图为第一至第六检测图像；获取所述待检测聚合物锂离子电池的参考设计六视图，其中，所述待检测聚合物锂离子电池的参考设计六视图为第一至第六参考图像；将所述第一至第六检测图像中各个检测图像通过使用空间注意力机制的第一卷积神经网络模型以得到第一至第六检测特征图；将所述第一至第六参考图像中各个参考图像分别通过所述使用空间注意力机制的第一卷积神经网络模型以得到第一至第六参考特征图；分别计算所述第一至第六检测特征图和所述第一至第六参考特征图中每组对应的检测特征图和参考特征图之间的差分以得到第一至第六差分特征图；将所述第一至第六差分特征图按照通道维度进行聚合为全局差分特征图后通过使用通道注意力的第二卷积神经网络模型以得到所述分类特征图，并对所述分类特征图进行类表征平展化以得到优化分类特征图；以及将所述优化分类特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种聚合物锂离子电池的智能化生产系统，其特征在于，包括：摄像模块，用于获取待检测聚合物锂离子电池的六视图，所述待检测聚合物锂离子电池的六视图为第一至第六检测图像；参考图像采集模块，用于获取所述待检测聚合物锂离子电池的参考设计六视图，其中，所述待检测聚合物锂离子电池的参考设计六视图为第一至第六参考图像；检测图像编码模块，用于将所述第一至第六检测图像中各个检测图像通过使用空间注意力机制的第一卷积神经网络模型以得到第一至第六检测特征图；参考图像编码模块，用于将所述第一至第六参考图像中各个参考图像分别通过所述使用空间注意力机制的第一卷积神经网络模型以得到第一至第六参考特征图；对应差分模块，用于分别计算所述第一至第六检测特征图和所述第一至第六参考特征图中每组对应的检测特征图和参考特征图之间的差分以得到第一至第六差分特征图；全局评估模块，用于将所述第一至第六差分特征图按照通道维度进行聚合为全局差分特征图后通过使用通道注意力的第二卷积神经网络模型以得到分类特征图，并对所述分类特征图进行类表征平展化以得到优化分类特征图；以及外观全检结果生成模块，用于将所述优化分类特征图通过分类器以得到分类结果，所述分类结果用于表示待检测聚合物锂离子电池的外观是否合格。2.根据权利要求1所述的聚合物锂离子电池的智能化生产系统，其特征在于，所述检测图像编码模块，包括：卷积编码单元，用于使用所述第一卷积神经网络模型的卷积编码部分分别对所述第一至第六检测图像进行深度卷积编码以得到第一至第六高维特征图；空间注意力单元，用于将所述第一至第六高维特征图输入所述第一卷积神经网络模型的空间注意力部分以得到第一至第六空间注意力图；以及空间注意力施加单元，用于分别计算所述第一至第六高维特征图和所述第一至第六空间注意力图的按位置点乘以得到所述第一至第六检测特征图。3.根据权利要求2所述的聚合物锂离子电池的智能化生产系统，其特征在于，所述对应差分模块，进一步用于：使用如下公式计算所述第一至第六检测特征图和所述第一至第六参考特征图中每组对应的检测特征图和参考特征图之间的差分以得到所述第一至第六差分特征图；其中，所述公式为：其中和分别表示所述第一至第六参考特征图中每组对应的检测特征图和参考特征图，表示所述第一至第六差分特征图，表示特征图的按位置减法。4.根据权利要求3所述的聚合物锂离子电池的智能化生产系统，其特征在于，所述全局评估模块，包括：深度卷积编码单元，用于使用所述第二卷积神经网络模型对所述全局差分特征图进行显式空间编码以得到差分关联特征图；全局均值池化单元，用于计算所述差分关联特征图的沿通道维度的各个特征矩阵的全局均值以得到通道特征向量；激活单元，用于将所述通道特征向量输入Sigmoid激活函数以得到通道注意力加权特征向量；通道注意力施加单元，用于以所述通道注意力加权特征向量中各个位置的特征值作为权重分别对所述差分关联特征图的沿通道维度的各个特征矩阵进行加权以得到所述分类特征图；以及类表征平展化单元，用于对所述分类特征图进行类表征平展化以得到优化分类特征图。5.根据权利要求4所述的聚合物锂离子电池的智能化生产系统，其特征在于，所述类表征平展化单元，进一步用于：以如下公式对所述分类特征图进行类表征平展化以得到所述优化分类特征图；其中，所述公式为：
其中，是所述分类特征图的预定特征值，是所述分类特征图的所述预定特征值以外的其它特征值，且是所述分类特征图的所有特征值的均值，且是所述分类特征图的尺度，表示向量的指数运算，所述向量的指数运算表示计算以向量中各个位置的特征值为幂的...

【专利技术属性】
技术研发人员：陈伟成，
申请(专利权)人：东莞市言科新能源有限公司，
类型：发明
国别省市：