基于机器视觉的极片毛刺检测方法技术

本发明专利技术公开了基于机器视觉的极片毛刺检测方法

【技术实现步骤摘要】
基于机器视觉的极片毛刺检测方法、装置、设备及介质


[0001]本专利技术涉及锂电池检测
，尤其涉及基于机器视觉的极片毛刺检测方法
、
装置
、
设备及介质
。

技术介绍

[0002]锂电池在生产过程中，需要使用分切工艺对极片进行分切，分切刀在极片分切过程中，经常由于磨损或者材料工艺等影响，导致电池极流体上出现毛刺
。
这些毛刺极其微小，长度通常以微米为单位
。
由于分切好的电池极片的正极和负极在封装的时候需要通过隔膜分开，此时如果毛刺高度高于隔膜厚度公差的上限，则可能刺穿隔膜，从而造成电池短路，形成严重的电池安全隐患
。
所以生产过程中必须严格控制毛刺长度
。
[0003]目前对于毛刺的检测通常是利用面阵相机加远心镜头成像进行检测，但是受制于景深小的问题，导致无法正常成像从而影响检测，无法满足检测的稳定性要求
。
[0004]综上所述，基于现有技术中的技术缺陷，需要一种基于机器视觉的极片毛刺检测方法来满足检测的稳定性要求
。

技术实现思路

[0005]本专利技术提供了基于机器视觉的极片毛刺检测方法
、
装置
、
设备及介质，以满足锂电池极片毛刺检测的稳定性要求
。
[0006]根据本专利技术的一方面，提供了一种基于机器视觉的极片毛刺检测方法，包括：
[0007]通过面阵相机对待检测切片进行沙姆成像，得到待检测图片；
[0008]对所述待检测图片进行畸变矫正；
[0009]对畸变矫正后的所述待检测图片进行分切区定位；
[0010]对每个分切区进行毛刺检测，得到毛刺检测结果
。
[0011]可选的，所述对所述待检测图片进行畸变矫正，包括：
[0012]确定所述面阵相机的内参矩阵，外参矩阵和畸变系数；
[0013]通过所述内参矩阵，外参矩阵和畸变系数对所述待检测图片进行畸变矫正
。
[0014]可选的，所述确定所述面阵相机的内参矩阵，外参矩阵和畸变系数，包括：
[0015]根据毛刺检测的单像素精度要求，制作对应精度的棋盘格；
[0016]将棋盘格放置在所述面阵相机的至少一个角度进行拍摄，得到棋盘格图像；
[0017]通过预设的标定算法进行标定，确定面阵相机的相机坐标系
、
作为参考标准的世界坐标系以及像素坐标系之间的标定关系，以确定所述内参矩阵和所述外参矩阵；
[0018]通过图像畸变模型得到畸变系数
。
[0019]可选的，所述对畸变矫正后的所述待检测图片进行分切区定位，包括：
[0020]通过
otsu
算法的阈值分割模型得到所述待检测图片的分离阈值；
[0021]通过所述分离阈值对所述待检测图片进行分割，得到前景对应的极流体图像；
[0022]定位所述极流体图像中包括的分切区
。
[0023]可选的，所述定位所述极流体中包括的分切区，包括：
[0024]对所述极流体图像进行骨架化处理；
[0025]对骨架化处理后的极流体图像进行轮廓查找定位，确定查找到的轮廓点集的质心；
[0026]对所述质心进行直线拟合，得到目标直线；
[0027]设定极流体的标准宽度尺寸并作为偏移值；
[0028]将所述目标直线进行上下偏移，找到极流体的上下边界，得到所述分切区
。
[0029]可选的，对每个分切区进行毛刺检测，得到毛刺检测结果，包括：
[0030]将每个所述分切区的像素值设置为0，得到毛刺部分；
[0031]确定所述毛刺的至少一种属性值，将所述属性值作为所述毛刺检测结果
。
[0032]可选的，所述确定所述毛刺的至少一种属性值，包括：
[0033]当所述属性值为毛刺面积值时，通过轮廓查找定位单个毛刺，对轮廓进行面积统计，得到所述毛刺面积值；
[0034]当所述属性值为毛刺长度值时，将毛刺进行骨架化，对骨架化后的毛刺轮廓进行非封闭式长度计算，得到所述毛刺长度值
。
[0035]根据本专利技术的另一方面，提供了一种基于机器视觉的极片毛刺检测装置，包括：
[0036]图片获取单元，用于通过面阵相机对待检测切片进行沙姆成像，得到待检测图片；
[0037]图片处理单元，用于对所述待检测图片进行畸变矫正；
[0038]分切区定位单元，用于对畸变矫正后的所述待检测图片进行分切区定位；
[0039]分切区检测单元，用于对每个分切区进行毛刺检测，得到毛刺检测结果
。
[0040]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0041]至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的基于机器视觉的极片毛刺检测方法
。
[0042]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述基于机器视觉的极片毛刺检测方法
。
[0043]本专利技术实施例的技术方案，通过面阵相机对待检测切片进行沙姆成像，得到待检测图片；对所述待检测图片进行畸变矫正；对畸变矫正后的所述待检测图片进行分切区定位；对每个分切区进行毛刺检测，得到毛刺检测结果
。
本专利技术的方案提供了一种基于机器视觉的极片分切毛刺检测方法，克服了利用面阵相机加远心镜头成像进行检测受制于景深小的问题导致无法正常成像从而影响检测，无法满足检测的稳定性要求的问题
。
[0044]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围
。
本专利技术的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0045]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于
本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0046]图1是本专利技术实施例一提供的一种基于机器视觉的极片毛刺检测方法的流程图；
[0047]图2是本专利技术实施例一所适用的一种沙姆成像的成像示意图；
[0048]图3是本专利技术实施例一所适用的一种沙姆机构的示意图；
[0049]图4为本专利技术实施例一所适用的一种拍摄原图的示意图；
[0050]图5为本专利技术实施例一所适用的一种矫正后的拍摄原图的示意图；
[0051]图6为本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于机器视觉的极片毛刺检测方法，其特征在于，包括：通过面阵相机对待检测切片进行沙姆成像，得到待检测图片；对所述待检测图片进行畸变矫正；对畸变矫正后的所述待检测图片进行分切区定位；对每个分切区进行毛刺检测，得到毛刺检测结果
。2.
根据权利要求1所述的方法，其特征在于，所述对所述待检测图片进行畸变矫正，包括：确定所述面阵相机的内参矩阵，外参矩阵和畸变系数；通过所述内参矩阵，外参矩阵和畸变系数对所述待检测图片进行畸变矫正
。3.
根据权利要求2所述的方法，其特征在于，所述确定所述面阵相机的内参矩阵，外参矩阵和畸变系数，包括：根据毛刺检测的单像素精度要求，制作对应精度的棋盘格；将棋盘格放置在所述面阵相机的至少一个角度进行拍摄，得到棋盘格图像；通过预设的标定算法进行标定，确定面阵相机的相机坐标系
、
作为参考标准的世界坐标系以及像素坐标系之间的标定关系，以确定所述内参矩阵和所述外参矩阵；通过图像畸变模型得到畸变系数
。4.
根据权利要求1所述的方法，其特征在于，所述对畸变矫正后的所述待检测图片进行分切区定位，包括：通过
otsu
算法的阈值分割模型得到所述待检测图片的分离阈值；通过所述分离阈值对所述待检测图片进行分割，得到前景对应的极流体图像；定位所述极流体图像中包括的分切区
。5.
根据权利要求4所述的方法，其特征在于，所述定位所述极流体中包括的分切区，包括：对所述极流体图像进行骨架化处理；对骨架化处理后的极流体图像进行轮廓查找定位，确定查找到的轮廓点集的质心；对所述质心进行直线拟合，得到目标直线；设定极流体的标准宽度尺寸并作为偏移值；...

【专利技术属性】
技术研发人员：葛铭，马露野，魏江，沈井学，
申请(专利权)人：杭州百子尖科技股份有限公司，
类型：发明
国别省市：