一种电池包焊接质量图像检测方法技术

本发明专利技术公开了一种电池包焊接质量图像检测方法，属于电池领域，通过对增强后的图像采用分割阈值进行二值化处理，通过轮廓跟踪计算获得二值图像各个连通区域的轮廓像素点集，即多组二维点集，对多组二维点集使用最小二乘法进行椭圆拟合，求出中心坐标和长轴半径、短轴半径，将中心坐标和长轴半径、短轴半径输入缺陷检测网络模型中，判断焊接点的质量，当焊接点质量不合格时，输出中心坐标，已经检测的焊点的数量小于预存储的所述汇流排的焊点数量时，判断存在漏焊，根据已经检测的焊点的中心坐标以及预存的焊点中心坐标，输出漏焊点的中心坐标，能够同时检测焊接点质量以及漏焊点，并且检测准确率高。并且检测准确率高。并且检测准确率高。

【技术实现步骤摘要】
一种电池包焊接质量图像检测方法


[0001]本专利技术涉及电池领域，尤其是涉及一种电池包焊接质量图像检测方法。

技术介绍

[0002]目前，电池包作为电动汽车的动力来源，在生产过程中，需要采用将汇流排与电芯的极柱相焊接的方式对多个电芯进行串连或并联，使多个小容量的电芯形成大容量的电芯组，从而实现电的传输。
[0003]因此汇流排上会焊接很多电芯极柱，如专利CN219163635U公开的汇流排支架、汇流排支架总成及电芯模组中所示，每一电芯极柱与汇流排焊接后会在汇流排上形成一圆形焊接点，焊接后的汇流排上形成多个圆形焊接点，多个圆形焊接点的位置与电芯位置对应。
[0004]但当电芯与汇流排焊接时，焊接设备稳定性不够或者定位不精准时，会发生焊接点的焊缝变形成椭圆形，当焊缝变形较大时，电芯极柱与汇流排的焊接质量受影响，有时焊接设备故障也会出现漏焊，现有的焊接质量检测技术，无法很好的区分焊缝的微变形，导致焊接质量检测准确率不高。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术的目的之一在于提供一种电池包焊接质量图像检测方法，针对焊接质量以及漏焊检测时，检测准确率高。
[0006]本专利技术的目的之一采用如下技术方案实现：一种电池包焊接质量图像检测方法，包括以下步骤：S1：采集待检测的焊接后的汇流排顶部的图像，图像中包括汇流排以及多个焊接点，焊接点为检测目标，对图像进行高斯滤波，滤波后的图像采用直方图均衡化的方法进行图像增强；S2：对增强后的图像采用分割阈值进行二值化处理；S3：获得二值图像后，通过轮廓跟踪计算获得二值图像各个连通区域的轮廓像素点集，即多组二维点集；非焊接点区域所形成的二值轮廓较小，轮廓像素点少，通过设置阈值将非焊接点区域的图像舍去；S4：对多组二维点集使用最小二乘法进行椭圆拟合，求出中心坐标和长轴半径、短轴半径；S5：将中心坐标和长轴半径、短轴半径输入缺陷检测网络模型中，判断焊接点的质量，当焊接点质量不合格时，输出中心坐标；S6：当已经检测的焊点的数量小于预存储的所述汇流排的焊点数量时，判断存在漏焊，将已经检测的焊点的中心坐标与预存的焊点中心坐标对比，输出漏焊点的中心坐标。
[0007]进一步地，在步骤S1中，采用同轴光源作为采集图像时的光源，采集的图像为灰度图像，质量合格的焊接点呈圆形。
[0008]进一步地，在步骤S5中，缺陷检测网络模型通过以下步骤建立：
S51：采集焊接后的汇流排顶部的图像，图像中包括汇流排以及多个焊接点，利用标注工具对图像中的焊接点以及汇流排进行人工标注；S52：将标注完的图像数据划分为训练集和验证集，搭建缺陷检测网络模型；S53：将训练集和验证集输入网络模型中训练，选择若干训练参数，将每个训练参数设置多个维度，通过预设定的正交表组合每种参数选择出若干组不同的实验参数，得到不同的实验返回结果，通过每组实验的结果计算不同参数的对本数据集的因子效应，得出包含若干个参数的因子反应表，优化因子反应表，当因子效应数值大小为递减，则减小参数数值，当因子效应的数值大小为递增，则增大参数数值；S54：利用基于参数优化后的深度学习网络的文件对待检测的焊接后的汇流排图像进行检测，识别图像中焊接点质量以及漏焊点，当识别出质量不合格的焊接点以及漏焊点时，输出中心坐标。
[0009]进一步地，步骤S52中，搭建缺陷检测网络模型具体为：使用Darknet，ResNet，VGG作为提取特征的主干网络，基于卷积层，归一化层以及激活函数搭建网络，用于输出漏焊点的位置信息。
[0010]进一步地，步骤S52中，搭建缺陷检测网络模型具体为：引入空间注意力机制、通道注意力机制提升提取特征的能力。
[0011]进一步地，步骤S53中，实验返回结果为召回率R、召准率P以及Map值，通过返回的三个结果分别计算出多组实验的均值y以及方差s，由均值和方差计算出实验的信噪比S/N，信噪比的计算公式为：，根据实验列出的正交表计算出若干参数分别在多个维度下的因子效应。
[0012]进一步地，在步骤S1中，直方图均衡化为把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图，然后按均衡直方图修正原图像。
[0013]相比现有技术，本专利技术电池包焊接质量图像检测方法通过对增强后的图像采用分割阈值进行二值化处理，通过轮廓跟踪计算获得二值图像各个连通区域的轮廓像素点集，即多组二维点集，对多组二维点集使用最小二乘法进行椭圆拟合，求出中心坐标和长轴半径、短轴半径，将中心坐标和长轴半径、短轴半径输入缺陷检测网络模型中，判断焊接点的质量，当焊接点质量不合格时，输出中心坐标，当已经检测的焊点的数量小于预存储的所述汇流排的焊点数量时，判断存在漏焊，将已经检测的焊点的中心坐标与预存的焊点中心坐标对比，输出漏焊点的中心坐标，能够同时检测焊接点质量以及漏焊点，并且检测准确率高。
附图说明
[0014]图1为本专利技术电池包焊接质量图像检测方法的流程图。
具体实施方式
[0015]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本专利技术保护的范围。
[0016]需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在另一中间组件，通过中间组件固定。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在另一中间组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在另一中间组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
[0017]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0018]如图1所示，本专利技术一种电池包焊接质量图像检测方法，包括以下步骤：一种电池包焊接质量图像检测方法，包括以下步骤：S1：采集待检测的焊接后的汇流排顶部的图像，图像中包括汇流排以及多个焊接点，焊接点为检测目标，对图像进行高斯滤波，滤波后的图像采用直方图均衡化的方法进行图像增强；S2：对增强后的图像采用分割阈值进行二值化处理；S3：获得二值图像后，通过轮廓跟踪计算获得二值图像各个连通区域的轮廓像素点集，即多组二维点集；非焊接点区域所形成的二值轮廓较小，轮廓像素点少，通过设置阈值将非焊接点区域的图像舍去；S4：对多组二维点集使用最小二乘法进行椭圆拟合，求出中心坐标和长轴半径、短轴半径；S5：将中心坐标和长轴半径、短轴半径输入缺陷检测网络模型中，判断焊接点的质量，当焊接点质量不合格时，输出中心坐标；S6：当已经检测的焊点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池包焊接质量图像检测方法，其特征在于，包括以下步骤：S1：采集待检测的焊接后的汇流排顶部的图像，图像中包括汇流排以及多个焊接点，焊接点为检测目标，对图像进行高斯滤波，滤波后的图像采用直方图均衡化的方法进行图像增强；S2：对增强后的图像采用分割阈值进行二值化处理；S3：获得二值图像后，通过轮廓跟踪计算获得二值图像各个连通区域的轮廓像素点集，即多组二维点集；非焊接点区域所形成的二值轮廓较小，轮廓像素点少，通过设置阈值将非焊接点区域的图像舍去；S4：对多组二维点集使用最小二乘法进行椭圆拟合，求出中心坐标和长轴半径、短轴半径；S5：将中心坐标和长轴半径、短轴半径输入缺陷检测网络模型中，判断焊接点的质量，当焊接点质量不合格时，输出中心坐标；S6：当已经检测的焊点的数量小于预存储的所述汇流排的焊点数量时，判断存在漏焊，将已经检测的焊点的中心坐标与预存的焊点中心坐标对比，输出漏焊点的中心坐标。2.根据权利要求1所述的电池包焊接质量图像检测方法，其特征在于：在步骤S1中，采用同轴光源作为采集图像时的光源，采集的图像为灰度图像，质量合格的焊接点呈圆形。3.根据权利要求1所述的电池包焊接质量图像检测方法，其特征在于：在步骤S5中，缺陷检测网络模型通过以下步骤建立：S51：采集焊接后的汇流排顶部的图像，图像中包括汇流排以及多个焊接点，利用标注工具对图像中的焊接点以及汇流排进行人工标注；S52：将标注完的图像数据划分为训练集和验证集，搭建缺陷检测网络模型；S53：将训练集和验证集输入网络模型中训练，选择若干训练参数，将每个训练参数设置多个维度...

【专利技术属性】
技术研发人员：宋久福，陈鑫，秦贵，
申请(专利权)人：苏州精控能源科技有限公司，
类型：发明
国别省市：