结构检测制造技术

本公开提供了一种用于检测结构的方法。该方法可以包括接收检查图像数据，该检查图像数据表征正被检查的物体的感兴趣区域。感兴趣区域可以包括物体的一个或多个结构。该方法还可以包括使用计算机视觉算法针对检查图像数据中的像素数据的光度特性来确定感兴趣区域内的结构。可以使用预测模型来确定结构，该预测模型被训练以基于使用训练图像数据和注释数据应用优化技术来确定计算机视觉算法的图像滤波器的图像滤波器参数值。可以提供结构的指示，例如用于显示或存储在存储器中。还提供了实现该方法的系统和计算机可读介质。实现该方法的系统和计算机可读介质。实现该方法的系统和计算机可读介质。

【技术实现步骤摘要】
结构检测

技术介绍

[0001]可以使用图像数据来执行物体检查，以评估物体中存在的结构以及物体的质量或缺陷。快速且准确地表征物体的结构、质量及缺陷可降低操作成本且改进制造及工业操作中的物体质量和/或可靠性。被配置为处理检查图像数据的计算机实现的检查系统可以减少检查时间并进一步提高检查质量。
[0002]机器学习是人工智能的应用，其通过使用从数据迭代地学习模式而没有数据模式的明确指示的算法来自动化分析模型的开发。机器学习可以使得能够构建训练模型或算法并且可以用于生成预测模型或算法，该训练模型或算法可以准确地从数据中学习，该预测模型或算法可被部署用于数据驱动的预测或决策。

技术实现思路

[0003]在一方面中，提供一种用于检测检查图像数据中的结构的方法。在一个实施方案中，该方法可以包括通过数据处理器接收在物体的检查期间获取的第一图像数据。第一图像数据可以表征物体的感兴趣区域。感兴趣区域可以包含物体的一个或多个结构。该方法还可以包括使用数据处理器和计算机视觉算法来确定感兴趣区域内的一个或多个结构中的至少一个结构。计算机视觉算法可以包括多个图像滤波器，该多个图像滤波器配置为针对第一图像数据的多个像素的光度特性对第一图像数据进行滤波。多个图像滤波器中的每个图像滤波器可以包括一个或多个图像滤波器参数。该方法还可以包括在第二图像数据中提供至少一个结构的指示。
[0004]在另一个实施方案中，确定感兴趣区域内的至少一个结构还可以包括使用数据处理器接收物体的训练图像数据。训练图像数据可以包括至少一个第一注释，该至少一个第一注释标识训练图像数据中的至少一个感兴趣区域中存在的物体的至少一个结构。确定感兴趣区域内的至少一个结构还可以包括使用数据处理器和预测模型来确定与多个图像滤波器的至少一个图像滤波器参数相关联的至少一组图像滤波器参数值。预测模型可以被训练以接收包括至少一个第一注释的训练图像数据，并且基于使用训练图像数据和至少一个第一注释应用至少一种优化技术来确定多个图像滤波器的每个图像滤波器参数的至少一组图像滤波器参数值。确定感兴趣区域内的至少一个结构还可以包括基于至少一组图像滤波器参数值更新计算机视觉算法的至少一个图像滤波器。
[0005]在另一实施方案中，至少一种优化技术可包括网格搜索技术、随机搜索技术、列文伯格
‑
马夸尔特(Levenberg
‑
Marquardt)技术、梯度搜索技术、贝叶斯优化技术，或两种或更多种优化技术的组合。在另一实施方案中，预测模型可以被训练以确定平均轮廓图像滤波器参数、线跟踪图像滤波器参数或停止标准图像滤波器参数中的至少一者的至少一组图像滤波器参数值。
[0006]在另一实施方案中，响应于在第二图像数据中提供至少一个结构的指示，该方法还可以包括利用至少一个注释修改第二图像数据中的指示，以及将第二图像数据包括在训练图像数据中。第二图像数据可以包括至少一个结构的注释。响应于在第二图像数据中提
供至少一个结构的指示，该方法还可以包括表征物体的感兴趣区域。表征可以包括表征感兴趣区域中的缺陷或者将感兴趣区域表征为有缺陷的。响应于在第二图像数据中提供至少一个结构的指示，该方法还可以包括基于使用包括第二图像数据和至少一个结构的注释的训练图像数据训练预测模型来确定至少一组图像滤波器参数值。
[0007]在另一实施方案中，计算机视觉算法可以被配置为生成与多个像素的一部分相关联的轮廓数据。该部分可以对应于感兴趣区域内存在的至少一个结构，并且轮廓数据可以包括光度数据、尖端检测数据、粒子检测数据或空隙检测数据中的至少一者。在另一实施方案中，第一图像数据可包括二维计算机断层摄影图像数据、三维计算机断层摄影图像数据或x射线照相数据。
[0008]在另一个实施方案中，物体可以是锂离子电池、镍
‑
金属氢化物电池或镍镉电池。在另一个实施方案中，感兴趣区域可以包括电池的阴极、电池的阳极、电池的外壳、电池的阴极与电池的阳极之间的体积、电池的阴极的中心线、电池的阳极的中心线以及电池的形状的轮廓中的至少一者。
[0009]在另一个实施方案中，该方法可以包括使用数据处理器确定物体在感兴趣区域内的位置或者第一图像数据的一个或多个部分的对准中的至少一者。一个或多个部分可以包括表征物体的感兴趣区域。该方法还可以包括提供物体在感兴趣区域内的位置或者第一图像数据的一个或多个部分的对准的指示。
[0010]还描述了存储指令的非暂态计算机程序产品(即，物理体现的计算机程序产品)，当指令由一个或多个计算系统的一个或多个数据处理器执行时，使至少一个数据处理器执行本文中的操作。类似地，还描述了计算机系统，该计算机系统可以包括一个或多个数据处理器和耦接到该一个或多个数据处理器的存储器。存储器可以临时或永久地存储使至少一个处理器执行本文描述的操作中的一个或多个操作的指令。另外，方法可以由单个计算系统内的一个或多个数据处理器或分布在两个或多个计算系统之间的一个或多个数据处理器来实现。此类计算系统可经由一个或多个连接、包括网络(例如，互联网、无线广域网、局域网、广域网、有线网络等)上的连接、经由多个计算系统中的一个或多个计算系统之间的直接连接等来连接并且可交换数据和/或命令或其他指令等。
附图说明
[0011]根据以下结合附图的详细描述，将更容易理解这些和其他特征，其中：
[0012]图1示出了根据本文描述的主题的用于检测检查图像数据中的结构的系统的示例性实施方案；
[0013]图2示出了根据本文描述的主题的图1的一个或多个装置和/或一个或多个系统的部件；
[0014]图3是示出根据本文描述的主题的用于检测检查图像数据中的结构的方法的一个示例性实施方案的流程图；
[0015]图4是示出根据本文描述的主题的用于确定检查图像数据中包括的感兴趣区域内的至少一个结构的方法的一个示例性实施方案的流程图；
[0016]图5是根据本文描述的主题的用于检测其中的结构的检查图像数据的图像；
[0017]图6是包括根据本文描述的主题提供的结构的指示的检查图像数据的图像；
[0018]图7是包括根据本文描述的主题确定的阴极的指示的电池的检查图像数据的图像；
[0019]图8A至图8C是根据本文描述的主题的用于检测其中的阴极的电池的检查图像数据的图像；
[0020]图8D是根据本文描述的主题的阴极光度数据的曲线图；
[0021]图9A至图9C是根据本文描述的主题的用于检测其中的阳极的电池的检查图像数据的图像；并且
[0022]图9D是根据本文描述的主题的阴极光度数据的曲线图。
[0023]应注意，附图不一定按比例绘制。附图仅旨在描绘本文所公开的主题的典型方面，因此不应视为限制本公开的范围。
具体实施方式
[0024]可执行物体检查以评估物体的质量，诸如可包括在物体上或物体内的缺陷。可以评估检查图像数据以确定物体上或物体内的结构以及结构的缺陷。可以采用计算机视觉算法来处理检查图像数据并确定被检查本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，所述方法包括：由数据处理器接收在检查物体期间获取的第一图像数据，所述第一图像数据表征所述物体的感兴趣区域，所述感兴趣区域包含所述物体的一个或多个结构；使用所述数据处理器和计算机视觉算法确定所述感兴趣区域内的所述一个或多个结构中的至少一个结构，所述计算机视觉算法包括多个图像滤波器，所述多个图像滤波器被配置为针对所述第一图像数据的多个像素的光度特性对所述第一图像数据进行滤波，所述多个图像滤波器中的每个图像滤波器包括一个或多个图像滤波器参数；以及在第二图像数据中提供所述至少一个结构的指示。2.根据权利要求1所述的方法，其中确定所述感兴趣区域内的所述至少一个结构还包括：使用所述数据处理器接收所述物体的训练图像数据，所述训练图像数据包括至少一个第一注释，所述至少一个第一注释标识在所述训练图像数据中的至少一个感兴趣区域中存在的物体的至少一个结构；使用所述数据处理器和预测模型来确定与所述多个图像滤波器的至少一个图像滤波器参数相关联的至少一组图像滤波器参数值，所述预测模型被训练以接收包括至少一个第一注释的所述训练图像数据并且基于使用所述训练图像数据和所述至少一个第一注释应用至少一个优化技术来确定所述多个图像滤波器的每个图像滤波器参数的所述至少一组图像滤波器参数值；以及基于所述至少一组图像滤波器参数值更新所述计算机视觉算法的至少一个图像滤波器。3.根据权利要求2所述的方法，其中所述至少一种优化技术包括网格搜索技术、随机搜索技术、列文伯格
‑
马夸尔特(Levenberg
‑
Marquardt)技术、梯度搜索技术、贝叶斯优化技术，或两种或更多种优化技术的组合。4.根据权利要求2所述的方法，其中所述预测模型被训练以确定平均轮廓图像滤波器参数、线跟踪图像滤波器参数或停止标准图像滤波器参数中的至少一者的所述至少一组图像滤波器参数值。5.根据权利要求2所述的方法，其中响应于在所述第二图像数据中提供所述至少一个结构的所述指示，所述方法还可以包括：利用至少一个注释修改所述第二图像数据中的所述指示，并且将所述第二图像数据包括在所述训练图像数据中，所述第二图像数据包括所述至少一个结构的所述注释；表征所述物体的所述感兴趣区域，其中所述表征包括表征所述感兴趣区域中的缺陷或者将所述感兴趣区域表征为有缺陷的；以及基于使用包括所述第二图像数据和所述至少一个结构的所述注释的所述训练图像数据来训练所述预测模型，确定所述至少一组图像滤波器参数值。6.根据权利要求1所述的方法，其中所述计算机视觉算法被配置为生成与所述多个像素的一部分相关联的轮廓数据，所述部分对应于存在于所述感兴趣区域内的至少一个结构，并且所述轮廓数据包括光度数据、尖端检测数据、粒子检测数据或空隙检测数据中的至少一者。7.根据权利要求1所述的方法，其中所述第一图像数据包括二维计算机断层摄影图像
数据、三维计算机断层摄影图像数据或x射线照相数据。8.根据权利要求1所述的方法，其中所述物体是锂离子电池、镍
‑
金属氢化物电池或镍镉电池。9.根据权利要求1所述的方法，其中所述感兴趣区域包括电池的阴极、电池的阳极、电池的外壳、电池的阴极与电池的阳极之间的体积、电池的阴极的中心线、电池的阳极的中心线以及电池的形状的轮廓中的至少一者。10.根据权利要求1所述的方法，所述方法还包括：使用所述数据处理器确定所述物体在所述感兴趣区域内的位置或者所述第一图像数据的一个或多个部分的对准中的至少一者，所述一个或多个部分包括表征所述物体的所述感兴趣区域；以及提供所述物体在所述感兴趣区域内的所述位置或者所述第一图像数据的一个或多个部分的所述对准的指示。11.一种系统，所述系统包括：存储器，所述存储器存储计算机可读指令、至少一个预测模型和至少一个计算机视觉算法；和处理器，所述处理器被配置为执行所述计算机可读指令，当所述计算机可读指令被执...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：贝克休斯控股有限责任公司，
类型：发明
国别省市：