一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于AOI的漏浆不良检测方法


[0001]本专利技术属于光学检测领域，特别是涉及一种基于
AOI
的漏浆不良检测方法
。

技术介绍

[0002]AOI(Automated Optical Inspection
，自动光学检测
)
是一种常用于电子制造领域的自动化检测技术，用于检查电路板上的缺陷和问题
。
同时使用高速相机和图像处理算法，能够在极短的时间内对电池漏浆进行检测，提高生产效率
。
相比人工检测，它更加快速而准确
。AOI
检测系统能够捕捉高分辨率的图像，并通过先进的图像处理和算法分析，对电池表面的漏浆进行精确定位和识别
。
它可以检测到微小的漏浆缺陷，提供高精度的检测结果
。
[0003]现有的检测方法只能检出常规通过漏浆长度
、
面积
、
宽度以及明暗值参数设定的不良片，很多不常见漏浆不良无法检出；现有的检测方法不具备不同位置不同漏浆不良的检测和选择功能，对于不常见位置无法有效检测；同时，现有的检测方法不具备不同漏浆类型，单独参数调整的功能
。

技术实现思路

[0004]本专利技术的目的是提供一种基于
AOI
的漏浆不良检测方法，以解决上述现有技术存在的问题
。
[0005]为实现上述目的，本专利技术提供了一种基于
AOI
的漏浆不良检测方法，包括：
[0006]选择电池单片上分区域漏浆样本，对所述电池单片上分区域漏浆样本进行处理，获得样本数据，对所述样本数据进行图像捕获，获得样本图像；
[0007]将所述样本图像输入至
AOI
系统中进行处理，获得处理图像；
[0008]构建图像特征识别模型，将所述处理图像输入至所述图像特征识别模型中进行特征点检测，获得检测结果；
[0009]基于所述检测结果获取漏浆不良点
。
[0010]优选地，所述获得样本数据的过程包括：
[0011]选择电池单片上分区域漏浆样本，将所述电池单片上分区域漏浆样本进行固定，将固定好的样本进行慢速旋转后进行样本数据识别，获得电池不同位置样本参数；
[0012]停止慢速旋转，将所述电池单片上分区域漏浆样本进行数据识别，获得电池静止样本参数；
[0013]将所述电池不同位置样本参数和所述电池静止样本参数进行整合，获得所述样本数据
。
[0014]优选地，所述获得样本图像的过程包括：
[0015]将固定好的样本进行慢速旋转后，对所述固定好的样本进行图像采集，获得第一样本图像；
[0016]对所述固定好的样本进行补光，补光后对所述固定好的样本进行图像采集，获得
第二样本图像；
[0017]将所述第一样本图像和所述第二样本图像进行整合，获得所述样本图像
。
[0018]优选地，所述获得处理图像的过程包括：
[0019]将所述样本图像转化为灰度图像信息；
[0020]获取所述灰度图像的主栅线区域，基于所述主栅线区域对所述灰度图像信息进行图像分割，获得分割图像；
[0021]将所述分割图像进行图像旋转，获得旋转图像；
[0022]将所述旋转图像输入至所述
AOI
系统中进行处理，获得电池初步特征图像；
[0023]将所述电池初步特征图像进行标注，获得所述处理图像
。
[0024]优选地，所述获得分割图像的过程包括：
[0025]获取所述灰度图像的主栅线区域，将所述主栅线区域进行拟合，获得拟合图像；
[0026]获取拉普拉斯算子，基于所述拉普拉斯算子将所述拟合图像进行变换，获得变换图像；
[0027]将所述变换图像进行
HSI
空间变换，选取变换图像中
S
空间图像，将所述
S
空间图像进行图像分割后进行图像还原，获得所述分割图像
。
[0028]优选地，所述构建图像特征识别模型的过程包括：
[0029]获取电池历史漏浆数据集，将所述电池历史漏浆数据集进行分割，获得电池图像块数据集；
[0030]将所述电池图像块数据集进行图像编码，获得电池图像块数据集编码；
[0031]构建卷积神经网络模型，将所述电池图像块数据集编码输入至所述卷积神经网络模型中进行训练，获得训练模型；
[0032]基于
Adam
优化器和余弦学习率对所述训练模型进行优化，获得所述图像特征识别模型
。
[0033]优选地，所述获得电池图像块数据集编码的过程包括：
[0034]基于编码器对所述电池图像块数据集的图像位置进行获取，获取图像位置值；
[0035]将所述图像位置值进行打乱后进行云序列解码，获得所述电池图像块数据集编码
。
[0036]优选地，所述获得检测结果的过程包括：
[0037]将所述处理图像输入至所述图像特征识别模型中进行特征点识别，获取图像特征点；
[0038]基于所述图像特征点将所述处理图像进行聚合分类，获得漏浆类别图像；
[0039]将所述漏浆类别图像的漏浆特征位置进行提取并进行标记，获得所述检测结果
。
[0040]本专利技术的技术效果为：
[0041]本专利技术在电池旋转过程中获取电池的图像，能够对电池不同位置的图像进行详细的采集，方便漏浆不良位置的特征识别，同时，在旋转过程中对图像进行采集，能够获取电池的详细图像信息并可以选择图像信息，同时根据图像特征提取模型，能够对不同类型的漏浆不良问题进行识别，并且通过调整模型的参数可以达到对单独参数进行调整的作用，同时通过
AOI
系统和图像特征识别模型，能够对电池漏浆不良进行更细致的检测
。
附图说明
[0042]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定
。
在附图中：
[0043]图1为本专利技术实施例中的漏浆不良检测方法流程图
。
具体实施方式
[0044]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合
。
下面将参考附图并结合实施例来详细说明本申请
。
[0045]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤
。
[0046]实施例一
[0047]如图1所示，本实施例中提供一种基于
AOI
的漏浆不良检测方法，包括：
[0048]选择电池漏浆样本，对所述电池漏浆样本进行处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
AOI
的漏浆不良检测方法，其特征在于，包括以下步骤：选择电池单片上分区域漏浆样本，对所述电池单片上分区域漏浆样本进行处理，获得样本数据，对所述样本数据进行图像捕获，获得样本图像；将所述样本图像输入至
AOI
系统中进行处理，获得处理图像；构建图像特征识别模型，将所述处理图像输入至所述图像特征识别模型中进行特征点检测，获得检测结果；基于所述检测结果获取漏浆不良点
。2.
根据权利要求1所述的基于
AOI
的漏浆不良检测方法，其特征在于，所述获得样本数据的过程包括：选择电池单片上分区域漏浆样本，将所述电池单片上分区域漏浆样本进行固定，将固定好的样本进行慢速旋转后进行样本数据识别，获得电池不同位置样本参数；停止慢速旋转，将所述电池单片上分区域漏浆样本进行数据识别，获得电池静止样本参数；将所述电池不同位置样本参数和所述电池静止样本参数进行整合，获得所述样本数据
。3.
根据权利要求2所述的基于
AOI
的漏浆不良检测方法，其特征在于，所述获得样本图像的过程包括：将固定好的样本进行慢速旋转后，对所述固定好的样本进行图像采集，获得第一样本图像；对所述固定好的样本进行补光，补光后对所述固定好的样本进行图像采集，获得第二样本图像；将所述第一样本图像和所述第二样本图像进行整合，获得所述样本图像
。4.
根据权利要求1所述的基于
AOI
的漏浆不良检测方法，其特征在于，所述获得处理图像的过程包括：将所述样本图像转化为灰度图像信息；获取所述灰度图像的主栅线区域，基于所述主栅线区域对所述灰度图像信息进行图像分割，获得分割图像；将所述分割图像进行图像旋转，获得旋转图像；将所述旋转图像输入至所述
AOI
系统中进行处理，获得电池初步特征图像；将所述电池初步特征图像进行标注，获得所...

【专利技术属性】
技术研发人员：王露，李振海，王建明，周锦凤，章康平，介雷，胥星星，
申请(专利权)人：一道新能源科技股份有限公司，
类型：发明
国别省市：