【技术实现步骤摘要】
本专利技术涉及锂电池极片质量检测的，尤其是涉及一种锂电池极片缺陷的智能检测方法、装置、设备及介质。
技术介绍
1、目前，锂电池极片广泛应用于新能源汽车、储能设备及各类电子产品中，其制造质量直接影响电池的安全性、使用寿命及性能稳定性。因此，在生产过程中，对锂电池极片进行高效、精准的缺陷检测成为提升产品质量的关键环节。
2、现有的，锂电池极片缺陷检测主要依赖于基于传统图像处理或人工视觉检查的方式，其中，人工检测依赖于经验，存在主观误差，难以保证一致性；而基于传统图像处理的方法通常采用固定阈值或边缘检测算法来识别缺陷，但在极片边缘模糊、光照不均、缺陷种类复杂等情况下，检测精度下降，易产生误检或漏检。此外，部分基于机器学习的检测方法虽然提高了检测准确率，但仍然存在无法动态调整检测区域，导致计算资源浪费、检测效率低的问题。
技术实现思路
1、为了解决现有的锂电池极片缺陷检测方法在复杂环境下检测精度有限，且缺乏基于历史数据的智能检测模式优化机制的问题，本申请提供一种锂电池极片缺陷的智能检测方法、装置、设备及介质。
2、本申请的上述专利技术目的一是通过以下技术方案得以实现的：
3、一种锂电池极片缺陷的智能检测方法，所述一种锂电池极片缺陷的智能检测方法包括：
4、获取标定检测图像，并将所述标定监测图像按照预设划分规则划分出多个标定子图像；
5、调用缺陷历史数据，根据所述缺陷历史数据生成关于各个标定子图像的缺陷分布热力图；
6、
7、若所述检测模式为全图模式，则获取待检测锂电池极片的第一当前检测图像，基于图像处理技术对所述第一当前检测图像进行缺陷检测；
8、若所述检测模式为聚焦模式，则获取待检测锂电池极片的第二当前检测图像，基于所述预设划分规则将所述第二当前检测图像划分出与各个所述标定子图像对应的检测子图像，对各个所述检测子图像按照所述热力阈值对比结果对应的检测规则进行缺陷检测。
9、通过采用上述技术方案，通过引入基于缺陷历史数据的动态检测模式优化机制，结合图像划分、热力图分析和自适应检测规则，解决了现有技术中检测精度受限、计算资源浪费以及缺乏智能优化的问题。具体而言，该方法首先获取标定检测图像，并按照预设规则划分为多个标定子图像，从而建立细粒度的检测单元，确保检测的灵活性和局部精准度。随后，调用历史缺陷数据，生成关于各个标定子图像的缺陷分布热力图，利用历史统计信息提高检测的针对性和可靠性。基于热力图中的热力阈值对比结果，自适应确定检测模式——若缺陷区域分布均匀，则采用全图模式，提高检测覆盖率；若缺陷存在局部集中趋势，则切换至聚焦模式，在高缺陷风险区域进行重点检测，从而减少计算资源浪费，提高检测效率。在全图模式下，系统获取当前检测图像，并基于图像处理技术进行缺陷检测，确保整体的质量控制，而在聚焦模式下，则进一步划分检测子图像，并依据热力阈值的分布情况，采用针对性的检测规则，从而增强检测的针对性和精准度。这种基于历史数据与实时检测的联动优化机制，不仅提高了极片缺陷检测的精度，还通过智能模式切换减少了无效计算，实现了高效、高准确率的锂电池极片缺陷检测。
10、本申请在一较佳示例中可以进一步配置为：所述获取标定检测图像，并将所述标定监测图像按照预设划分规则划分出多个标定子图像的步骤中，包括：
11、基于图像采集设备，获取初步检测图像；
12、对所述初步检测图像进行预处理，生成对应的预处理标定图像，计算所述预处理标定图像的清晰度指标，判断所述清晰度指标是否满足预设指标，若否，则重新获取新的初步检测图像，若是，则确定所述初步检测图像为标定检测图像；
13、根据预设划分规则，确定对应的划分比例，并基于所述划分比例生成对应的比例代码；
14、确定所述标定检测图像的尺寸数据，根据所述尺寸数据和所述划分比例，对所述标定监测图像进行划分，生成对应的标定子图像，并根据所述标定子图像的生成数量，生成对应的数量代码；
15、对各个所述标定子图像进行次序编码，并根据所述比例代码和所述数量代码，在每个进行编码后的所述标定子图像上添加对应的编号代码。
16、通过采用上述技术方案，预处理图像后进行清晰度指标计算并判断是否满足预设要求，能够有效确保图像质量满足检测需求。若初步检测图像的清晰度不符合要求，系统会自动重新获取新的图像，从而避免了由于图像模糊或质量不佳导致的后续检测误差。进一步通过对标定检测图像的尺寸数据和划分比例进行精确计算，并生成相应的比例代码和数量代码，可以确保图像划分和编号的标准化和规范化，减少人工误差，并为后续的检测提供更加系统和一致的数据支持。
17、本申请在一较佳示例中可以进一步配置为：所述调用缺陷历史数据，根据所述缺陷历史数据生成关于各个标定子图像的缺陷分布热力图的步骤中，包括：
18、根据所述比例代码和所述数量代码，调用对应的缺陷历史数据；
19、基于所述编码代码，对所述缺陷历史数据进行缺陷分类统计，生成各个所述编码代码对应的区域统计数据；
20、选择热力图模版类型，基于所述热力图模版类型的可视化规则，根据所述编码代码和所述区域统计数据，绘制对应的缺陷分布热力图。
21、通过采用上述技术方案，调用缺陷历史数据生成缺陷分布热力图并进行缺陷分类统计，能够使得缺陷检测系统基于过往的数据经验进行智能化决策，从而避免了单纯依赖当前检测图像的盲目检测。生成的热力图能够直观地展示各个区域的缺陷密度，有助于准确判断不同区域的缺陷风险和重要性。选择合适的热力图模版并根据热力图的可视化规则进行绘制，不仅优化了热力图的显示效果，还提升了后续缺陷检测的准确性与效率，能够有效地将历史缺陷信息与实时图像信息结合，提升整体检测的智能化程度。
22、本申请在一较佳示例中可以进一步配置为：所述基于所述缺陷分布热力图中各个标定子图像的热力阈值对比结果，确定需要切换的检测模式的步骤中，所述热力阈值对比结果包括各个所述标定子图像对应的区域差值，包括：
23、确定热力预设阈值；
24、计算所述热力预设阈值减去所述区域统计数据的区域差值；
25、若所有的所述区域差值均为正数，则确定检测模式为全图模式；
26、若任一个所述区域差值为负数，则确定检测模式为聚焦模式。
27、通过采用上述技术方案，基于缺陷分布热力图中的热力阈值对比结果进行检测模式切换，能够根据不同区域的缺陷分布情况灵活调整检测策略。通过计算各个区域的区域差值，能够根据热力预设阈值的对比结果判断是否需要切换到聚焦模式。当所有区域差值为正时，系统能够采用全图模式进行全面检测，避免了不必要的局部聚焦处理；而当任一区域的差值为负时，系统能够迅速切换到聚焦模式，将检测精度集中到缺陷密集的区域，避免了传统方法中未能智能识别重点区域而导致的本文档来自技高网...
【技术保护点】
1.一种锂电池极片缺陷的智能检测方法，其特征在于，所述一种锂电池极片缺陷的智能检测方法包括：
2.根据权利要求1所述的一种锂电池极片缺陷的智能检测方法，其特征在于，所述获取标定检测图像，并将所述标定监测图像按照预设划分规则划分出多个标定子图像的步骤中，包括：
3.根据权利要求2所述的一种锂电池极片缺陷的智能检测方法，其特征在于，所述调用缺陷历史数据，根据所述缺陷历史数据生成关于各个标定子图像的缺陷分布热力图的步骤中，包括：
4.根据权利要求3所述的一种锂电池极片缺陷的智能检测方法，其特征在于，所述基于所述缺陷分布热力图中各个标定子图像的热力阈值对比结果，确定需要切换的检测模式的步骤中，所述热力阈值对比结果包括各个所述标定子图像对应的区域差值，包括：
5.根据权利要求4所述的一种锂电池极片缺陷的智能检测方法，其特征在于，所述对各个所述检测子图像按照所述热力阈值对比结果对应的检测规则进行缺陷检测的步骤中，包括：
6.根据权利要求1所述的一种锂电池极片缺陷的智能检测方法，其特征在于，所述若所述检测模式为全图模式，则获取待检测锂
7.一种锂电池极片缺陷的智能检测装置，其特征在于，所述一种锂电池极片缺陷的智能检测装置包括：
8.根据权利要求7所述的一种锂电池极片缺陷的智能检测装置，其特征在于，所述获取模块包括：
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述一种锂电池极片缺陷的智能检测方法的步骤。
10.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述一种锂电池极片缺陷的智能检测方法的步骤。
...【技术特征摘要】
1.一种锂电池极片缺陷的智能检测方法，其特征在于，所述一种锂电池极片缺陷的智能检测方法包括：
2.根据权利要求1所述的一种锂电池极片缺陷的智能检测方法，其特征在于，所述获取标定检测图像，并将所述标定监测图像按照预设划分规则划分出多个标定子图像的步骤中，包括：
3.根据权利要求2所述的一种锂电池极片缺陷的智能检测方法，其特征在于，所述调用缺陷历史数据，根据所述缺陷历史数据生成关于各个标定子图像的缺陷分布热力图的步骤中，包括：
4.根据权利要求3所述的一种锂电池极片缺陷的智能检测方法，其特征在于，所述基于所述缺陷分布热力图中各个标定子图像的热力阈值对比结果，确定需要切换的检测模式的步骤中，所述热力阈值对比结果包括各个所述标定子图像对应的区域差值，包括：
5.根据权利要求4所述的一种锂电池极片缺陷的智能检测方法，其特征在于，所述对各个所述检测子图像按照所述热力阈值对比结果对应的检测规则进行缺陷检测的步骤...
【专利技术属性】
技术研发人员：王鑫，彭晓华，张智寰，苑旺，王莹莹，涂建国，李虹，郑镇嵘，甘甜思雨，
申请(专利权)人：深圳市八六三新材料技术有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。