一种电池电极模切件缺陷检测方法、装置和设备与流程

1.本发明涉及计算机视觉领域，具体涉及一种电池电极模切件缺陷检测方法、装置和设备。


背景技术：

2.随着新能源行业的快速发展，对动力电池的需求日益旺盛，动力电池质量的优劣不但影响着电池的寿命，而且影响着驾驶的安全性。如图1所示，是一种方形电芯的结构示意图，模切作为生产叠片电池工艺中的重要一环，模切件的好坏直接决定着电池的优劣。传统方式采用基于人工离线抽检的缺陷检测方法存在成本高昂、检测效率低下、参检率不足、易引入额外损坏等问题。基于此，利用相机在流水线上进行拍照，然后基于拍照的图片进行模切件缺陷分析的装置被研发出来。但是现有技术针对模切件图片的分析大部分还集中在人工判别阶段。因此，如何进一步提高对电池电极模切件缺陷的识别势在必行。


技术实现要素：

3.有鉴于此，本发明实施方式提供了一种电池电极模切件缺陷检测方法、装置和设备，从而提高了对电池电极模切件缺陷的识别效果。
4.根据第一方面，本发明提供了一种电池电极模切件缺陷检测方法，所述方法包括：获取当前待检测模切件的模切件图片，并提取所述模切件图片中模切件的轮廓信息和表面缺陷点信息；将所述轮廓信息与标准轮廓进行比对，并将所述表面缺陷点信息与标准缺陷阈值进行比对；若所述轮廓信息与标准轮廓之间的轮廓差异大于预设阈值，或若所述表面缺陷点信息大于所述标准缺陷阈值，则判定所述当前待检测模切件为缺陷件。
5.可选地，所述提取所述模切件图片中模切件的轮廓信息，包括：提取所述模切件图片的亚像素信息；将所述亚像素信息进行图元分割，得到模切件的轮廓点信息；对所述轮廓点信息中离散程度超过预设阈值的误差点剔除，并将剩余的轮廓点信息进行图元拟合，得到所述轮廓信息。
6.可选地，提取所述模切件图片中模切件的表面缺陷点信息，包括：创建标准模板图片，并将所述模切件图片的像素点与所述标准模板图片中对应的像素点进行匹配；基于匹配成功的像素点和匹配失败的像素点将所述模切件图片转换为二值图片，并将所述二值图片作为所述表面缺陷点信息。
7.可选地，所述创建标准模板图片，包括：选取检测任务中前预设个数的待检测模切件对应的模切件图片进行对齐叠加；利用叠加图中每个像素点的均值作为对应位置的像素值，生成所述标准模板图片。
8.可选地，所述将所述模切件图片的像素点与所述标准模板图片中对应的像素点进行匹配，包括：计算叠加图中像素点的标准差，并基于所述标准差计算预设标准差阈值；以所述模切件图片中的各个像素点为中心，提取各个中心对应预设邻域内的像素点；将当前邻域提取的像素点与所述标准模板图片对应范围内的像素点进行比对；统计比对偏差小于
所述预设标准差阈值的像素点个数；若所述像素点个数大于预设数量阈值，则判定当前邻域对应的中心像素点匹配成功；若所述像素点个数不大于预设数量阈值，则判定当前邻域对应的中心像素点匹配失败。
9.可选地，所述基于匹配成功的像素点和匹配失败的像素点将所述模切件图片转换为二值图片，包括：将所述模切件图片中匹配成功的像素点置为第一颜色点，并将匹配失败的像素点置为第二颜色点，得到所述二值图片；基于第一颜色点和第二颜色点的连通情况，在所述二值图片中进行连通区域标记。
10.可选地，所述将所述表面缺陷点信息与标准缺陷阈值进行比对，包括：将所述二值图片中第二颜色点对应的连通区域标记个数和各连通区域对应的连通标记范围分别与所述标准缺陷阈值中的缺陷个数阈值和缺陷范围阈值进行比对；所述若所述表面缺陷点信息大于所述标准缺陷阈值，则判定所述模切件为缺陷件，包括：若所述连通区域标记个数大于所述缺陷个数阈值，或任意一连通区域对应的连通标记范围大于所述缺陷范围阈值，则判定所述当前待检测模切件为缺陷件。
11.根据第二方面，本发明实施例提供了一种电池电极模切件缺陷检测装置，所述装置包括：数据提取单元，用于获取当前待检测模切件的模切件图片，并提取所述模切件图片中模切件的轮廓信息和表面缺陷点信息；数据比对单元，用于将所述轮廓信息与标准轮廓进行比对，并将所述表面缺陷点信息与标准缺陷阈值进行比对；缺陷判定单元，用于若所述轮廓信息与标准轮廓之间的轮廓差异大于预设阈值，或若所述表面缺陷点信息大于所述标准缺陷阈值，则判定所述当前待检测模切件为缺陷件。
12.根据第三方面，本发明实施例提供了一种电池电极模切件缺陷检测设备，所述设备包括：图片采集子设备和图片处理子设备；所述图片处理子设备中存储有计算机指令，通过执行所述计算机指令，从而执行第一方面任意一种可选实施方式提供的方法；所述图片采集子设备包括透光传输带、线扫相机、第一线扫光源、第二线扫光源、第一光纤传感器、第二光纤传感器、吸盘分拣装置；所述线扫相机位于所述透光传输带的上方，所述第一线扫光源和所述第二线扫光源分别位于所述透光传输带的上方和下方，所述第一线扫光源和所述第二线扫光源的照射方向朝向所述线扫相机的图片拍摄位置，所述第一光纤传感器和所述第二光纤传感器相对设置于所述透光传输带的上方和下方，所述第一光纤传感器与所述线扫相机相邻设置，且靠近于所述透光传输带的来件方向；所述吸盘分拣装置包括第一吸盘臂和第二吸盘臂，所述第一吸盘臂和第二吸盘臂分别位于所述透光传输带传输方向的两端；所述线扫相机、所述第一线扫光源、所述第二线扫光源、所述第一光纤传感器、所述第二光纤传感器和所述吸盘分拣装置均与所述图片处理子设备通信连接。
13.根据第四方面，本发明实施例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所述计算机从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
14.本技术提供的技术方案，具有如下优点：
15.本技术提供的技术方案，针对采集到的当前待检测模切件的模切件图片，同时提取模切件图片中模切件的轮廓信息和表面缺陷点信息；并分别将轮廓信息与标准轮廓进行比对、将表面缺陷点信息与标准缺陷阈值进行比对；一旦轮廓信息与标准轮廓之间的轮廓差异较大，或者表面缺陷点信息与标准缺陷阈值差异较大，则判定当前待检测模切件为缺
陷件。从而提高了待检测模切件缺陷的识别准确率。
16.此外，特别在模切件轮廓信息提取时，本发明实施例首先选取多个待检测模切件进行叠加，制作表征此次生产的模切件平均水平的模切件标准模板图片，避免了缺陷比对的标准过高或过低，从而导致缺陷检测准确率不稳定、不准确的问题。然后将待检测模切件的模切件图片和标准模板图片针对每个像素进行匹配，并分别将匹配成功和匹配失败的像素点置不同颜色，从而再基于匹配失败像素点的数量标准和范围标准分别对当前模切件图片进行判定，一方面使得模切件的缺陷有一定可接受度，避免缺陷检测标准过于苛刻导致不影响正常使用的模切件被归为缺陷件，从而避免资源浪费；另一方面，从两个角度对模切件的表面缺陷进行分析，提高了模切件缺陷检测的准确度。
附图说明
17.通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
18.图1示出了一种方形电芯的结构示意图；
19.图2示出了本发明一个实施方式中一种电池电极模切件缺陷检测方法的步骤示意图；
20.图3示出了本发明一个实施方式中一种电池电极模切件缺陷检测方法的流程示意图；
21.图4示出了本发明一个实施方式中模切件图片的示意图；
22.图5示出了本发明一个实施方式中包含缺陷点的模切件图片示意图；
23.图6示出了本发明一个实施方式中一种电池电极模切件缺陷检测装置的结构示意图；
24.图7示出了本发明一个实施方式中一种电池电极模切件缺陷检测设备的结构示意图；
25.图8示出了本发明一个实施方式中一种电池电极模切件缺陷检测设备工作流程示意图。
具体实施方式
26.为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
27.请参阅图2和图3，在一个实施方式中，一种电池电极模切件缺陷检测方法，具体包括以下步骤：
28.步骤s101：获取当前待检测模切件的模切件图片，并提取模切件图片中模切件的轮廓信息和表面缺陷点信息。
29.步骤s102：将轮廓信息与标准轮廓进行比对，并将表面缺陷点信息与标准缺陷阈值进行比对。
30.步骤s103：若轮廓信息与标准轮廓之间的轮廓差异大于预设阈值，或若表面缺陷点信息大于标准缺陷阈值，则判定当前待检测模切件为缺陷件。
31.具体地，在本实施例中，首先通过采集图片装置采集模切件图片，如图4所示，之后，利用轮廓提取算法和图像特征提取算法，分别提取模切件图片的轮廓信息和表面缺陷点信息。其中，轮廓信息除了指极片四周的轮廓之外，还包括极片表面的轮廓，例如极片表面的凹凸结构等。然后将轮廓信息与完好的标准轮廓进行比对，从而发现模切件是否包括轮廓边缘破损的缺陷，具体可采用偏差阈值或标准差阈值进行轮廓之间偏差的衡量。此外，将表面缺陷点信息与表征模切件平整、光滑表面的标准缺陷阈值进行比对，从而发现模切件是否包括漏箔、白黑点、划痕、裂纹和凹凸点的缺陷。一旦轮廓信息或表面缺陷信息任意一项不符合预设标准，则认定当前模切件图片对应的模切件为缺陷件，从而准确对模切件的多种缺陷进行准确识别，提高了模切件缺陷的识别准确度。
32.具体地，在一实施例中，上述步骤s101，具体包括如下步骤：
33.步骤一：提取模切件图片的亚像素信息。
34.步骤二：将亚像素信息进行图元分割，得到模切件的轮廓点信息。
35.步骤三：对轮廓点信息中离散程度超过预设阈值的误差点剔除，并将剩余的轮廓点信息进行图元拟合，得到轮廓信息。
36.具体地，在本实施例中，首先提取模切件图片的亚像素信息，以扩充模切件图片的分辨率。具体提取方式为：先通过sobel算子求取模切件图片的梯度图，然后对梯度图进行二次多项式差值运算，从而得到模切件图片的亚像素信息。之后，通过划定检测窗口进行hough变换进行图元分割，得到模切件图片中的轮廓点以及部分轮廓线。然后在轮廓点信息进行图元拟合过程，得到模切件清晰的轮廓，具体先对轮廓点信息中的点利用最小二乘法进行直线拟合，在得到拟合直线之后，将距离拟合直线过大的轮廓点剔除，然后再基于剩下的轮廓点拟合轮廓，从而得到准确的轮廓信息。
37.具体地，在一实施例中，上述步骤s101，还包括如下步骤：
38.步骤四：创建标准模板图片，并将模切件图片的像素点与标准模板图片中对应的像素点进行匹配。
39.步骤五：基于匹配成功的像素点和匹配失败的像素点将模切件图片转换为二值图片，并将二值图片作为表面缺陷点信息。
40.具体地，在本实施例中，提取模切件表面缺陷点信息的具体做法是，先创建一个标准的图片模板，然后将待检测模切件的模切件图片与标准模板图片进行像素的一一匹配。如果像素差别较大导致匹配失败，则对匹配失败的像素点置不同于匹配成功像素点的颜色，从而加以区分，得到模切件准确的表面缺陷点信息，包含缺陷点的模切件图片可参考图5。
41.具体地，在本实施例中，创建标准模板图片的步骤包括：
42.1.选取检测任务中前预设个数的待检测模切件对应的模切件图片进行对齐叠加。
43.2.利用叠加图中每个像素点的均值作为对应位置的像素值，生成标准模板图片。
44.具体地，通过选取检测任务中前预设个数的待检测模切件对应的模切件图片进行对齐叠加，本实施例选取前30个模切件，然后将叠加图中每个像素点位置对应的像素数值求取均值，例如第一个像素点位置叠加了30个像素值，那么此位置叠加后的像素值为30个
像素值的均值，以此创建标准模板图片，从而保证模板中的颜色能够表征本批次生产的模切件的平均水平，不会出现指定颜色标准时过于苛刻或过于宽容的问题，从而既避免了满足使用条件的模切件被误判为有缺陷，还避免了有缺陷的模切件被误判为正常的情况。
45.具体地，在一实施例中，上述步骤四，具体包括如下步骤：
46.步骤六：计算叠加图中像素点的标准差，并基于标准差计算预设标准差阈值。
47.步骤七：以模切件图片中的各个像素点为中心，提取各个中心对应预设邻域内的像素点。
48.步骤八：将当前邻域提取的像素点与标准模板图片对应范围内的像素点进行比对。
49.步骤九：统计比对偏差小于预设标准差阈值的像素点个数。
50.步骤十：若像素点个数大于预设数量阈值，则判定当前邻域对应的中心像素点匹配成功。
51.步骤十一：若像素点个数不大于预设数量阈值，则判定当前邻域对应的中心像素点匹配失败。
52.具体地，在本实施例中，首先对叠加图中每个像素点位置的多个像素值计算标准差，例如叠加图的第一个像素点位置，叠加有30个像素值，标准差即计算该30个像素值的标准差，同理得到各个像素点位置的标准差。然后利用各个像素点位置的标准差计算用于判定各个像素点是否匹配成功的标准差阈值。在本实施例中，标准差阈值为正负三倍标准差，参考正态分布理论，若待检测模切件的任意像素值与标准模板图片中对应位置像素值之间的偏差，落在上述正负三倍标准差范围之内，则可以判定当前像素点的像素值与标准的像素值相差不大，不是缺陷点。
53.此外，在本实施例中，为了进一步提高待检测模切件图片中的各个像素点检测的准确度。还以模切件图片中的各个像素点为中心，提取各个中心对应预设邻域内的像素点(例如15*15邻域内)；针对任意领域，将当前邻域提取的全部像素点与标准模板图片对应范围内的像素点一一进行上述标准差的判定步骤；然后统计当前邻域内比对偏差小于预设标准差阈值的像素点个数，即像素值与标准像素值相差不大的像素点个数，只有个数超过预设阈值时(例如预设阈值为当前范围像素点总数的70％)，才认为当前邻域对应的中心像素点是正常点，否则是缺陷点。从而进一步提高了模切件图片中的各个像素点检测的准确度。
54.以一个具体例子进行解释：
55.现有三种图：分别是待检测模切件图片、标准模板图片和生成标准模板图片的叠加图，以待检测模切件图片中心位置的一个像素点(下文称为中心像素点)为例，以该像素点为中心，在待检测模切件图片上截取15*15的邻域范围，从而得到15*15范围内的所有像素点，然后将该范围内的像素点与标准模板图片中对应位置的像素点一一进行比对，求取偏差，从而得到多个偏差值。该范围内的像素点在叠加图的对应位置上可以依次求出多个正负三倍标准差，从而得到多个标准差阈值。然后按照多个偏差值和多个标准差阈值的位置对应关系进行一一比对，统计偏差值小于标准差阈值的像素点个数(下文称为满足条件数量)。然后计算满足条件数量和当前邻域范围内像素点总数的比值，判断计算的比值是否超过70％，如果超过70％则判定当前的中心像素点是匹配成功的像素点。
56.具体地，在一实施例中，上述步骤五，具体包括如下步骤：
57.步骤十二：将模切件图片中匹配成功的像素点置为第一颜色点，并将匹配失败的像素点置为第二颜色点，得到二值图片。
58.步骤十三：基于第一颜色点和第二颜色点的连通情况，在二值图片中进行连通区域标记。
59.具体地，在本实施例中，针对上述匹配成功的像素点和匹配失败的像素点分别置为不同颜色，例如匹配成功的像素点置为黑色，匹配失败的像素点置为白色。然后根据相同颜色的连通情况进行连通区域标记，使模切件的缺陷更加明显，从而进一步提高模切件缺陷识别的准确率。
60.具体地，在一实施例中，上述步骤s102，具体包括如下步骤：
61.步骤十四：将二值图片中第二颜色点对应的连通区域标记个数和各连通区域对应的连通标记范围分别与标准缺陷阈值中的缺陷个数阈值和缺陷范围阈值进行比对。
62.基于步骤十四，上述步骤s103，具体包括如下步骤：
63.步骤十五：若连通区域标记个数大于缺陷个数阈值，或任意一连通区域对应的连通标记范围大于缺陷范围阈值，则判定当前待检测模切件为缺陷件。
64.具体地，本实施例对缺陷件的判定分为轮廓判定和表面缺陷判定，任意一方面不符合预设条件则将待检测模切件判定为缺陷件。其中，表面缺陷的判定又分为缺陷个数判定和缺陷范围判定。将二值图片中已经标记好的第二颜色值(白色，即缺陷位置)的各个连通区域与缺陷范围阈值进行比对，一旦连通区域的面积大于缺陷范围阈值的标准面积，则判定当前模切件为缺陷件。此外，还将二值图片中第二颜色值对应的连通区域个数与缺陷个数阈值进行比对，如果超过缺陷个数阈值，则认为当前模切件缺陷点较多，也判定为缺陷件。因此，模切件图片只有同时满足上述所有条件，对应的模切件才能被判定为正常件，从而进一步提高了模切件缺陷检测的准确率。
65.通过上述步骤，本技术提供的技术方案，针对采集到的当前待检测模切件的模切件图片，同时提取模切件图片中模切件的轮廓信息和表面缺陷点信息；并分别将轮廓信息与标准轮廓进行比对、将表面缺陷点信息与标准缺陷阈值进行比对；一旦轮廓信息与标准轮廓之间的轮廓差异较大，或者表面缺陷点信息与标准缺陷阈值差异较大，则判定当前待检测模切件为缺陷件。从而提高了待检测模切件缺陷的识别准确率。
66.此外，特别在模切件轮廓信息提取时，本发明实施例首先选取多个待检测模切件进行叠加，制作表征此次生产的模切件平均水平的模切件标准模板图片，避免了缺陷比对的标准过高或过低，从而导致缺陷检测准确率不稳定、不准确的问题。然后将待检测模切件的模切件图片和标准模板图片针对每个像素进行匹配，并分别将匹配成功和匹配失败的像素点置不同颜色，从而再基于匹配失败像素点的数量标准和范围标准分别对当前模切件图片进行判定，一方面使得模切件的缺陷有一定可接受度，避免缺陷检测标准过于苛刻导致不影响正常使用的模切件被归为缺陷件，从而避免资源浪费；另一方面，从两个角度对模切件的表面缺陷进行分析，提高了模切件缺陷检测的准确度。
67.如图6所示，本实施例还提供了一种电池电极模切件缺陷检测装置，该装置包括：
68.数据提取单元101，用于获取当前待检测模切件的模切件图片，并提取模切件图片中模切件的轮廓信息和表面缺陷点信息。详细内容参见上述方法实施例中步骤s101的相关描述，在此不再进行赘述。
69.数据比对单元102，用于将轮廓信息与标准轮廓进行比对，并将表面缺陷点信息与标准缺陷阈值进行比对。详细内容参见上述方法实施例中步骤s102的相关描述，在此不再进行赘述。
70.缺陷判定单元103，用于若轮廓信息与标准轮廓之间的轮廓差异大于预设阈值，或若表面缺陷点信息大于标准缺陷阈值，则判定当前待检测模切件为缺陷件。详细内容参见上述方法实施例中步骤s103的相关描述，在此不再进行赘述。
71.本发明实施例提供的电池电极模切件缺陷检测装置，用于执行上述实施例提供的电池电极模切件缺陷检测方法，其实现方式与原理相同，详细内容参见上述方法实施例的相关描述，不再赘述。
72.通过上述各个组成部分的协同合作，本技术提供的技术方案，针对采集到的当前待检测模切件的模切件图片，同时提取模切件图片中模切件的轮廓信息和表面缺陷点信息；并分别将轮廓信息与标准轮廓进行比对、将表面缺陷点信息与标准缺陷阈值进行比对；一旦轮廓信息与标准轮廓之间的轮廓差异较大，或者表面缺陷点信息与标准缺陷阈值差异较大，则判定当前待检测模切件为缺陷件。从而提高了待检测模切件缺陷的识别准确率。
73.此外，特别在模切件轮廓信息提取时，本发明实施例首先选取多个待检测模切件进行叠加，制作表征此次生产的模切件平均水平的模切件标准模板图片，避免了缺陷比对的标准过高或过低，从而导致缺陷检测准确率不稳定、不准确的问题。然后将待检测模切件的模切件图片和标准模板图片针对每个像素进行匹配，并分别将匹配成功和匹配失败的像素点置不同颜色，从而再基于匹配失败像素点的数量标准和范围标准分别对当前模切件图片进行判定，一方面使得模切件的缺陷有一定可接受度，避免缺陷检测标准过于苛刻导致不影响正常使用的模切件被归为缺陷件，从而避免资源浪费；另一方面，从两个角度对模切件的表面缺陷进行分析，提高了模切件缺陷检测的准确度。
74.图7示出了本发明实施例的一种电池电极模切件缺陷检测设备，该设备包括图片采集子设备901和图片处理子设备902；
75.一个或者多个模块存储在图片处理子设备902中，当被图片处理子设备902执行时，执行上述方法实施例中的方法。
76.图片采集子设备901包括透光传输带5、线扫相机1、第一线扫光源2、第二线扫光源3、第一光纤传感器、第二光纤传感器、吸盘分拣装置；
77.线扫相机1位于透光传输带5的上方，第一线扫光源2和第二线扫光源3分别位于透光传输带5的上方和下方，第一线扫光源2和第二线扫光源3的照射方向朝向线扫相机1的图片拍摄位置。第一线扫光源2在拍照时用来打亮或增强正负极材料模切件4表面缺陷(漏箔、白黑点、划痕、裂纹、凹凸点和边缘破损)的对比度，使图像处理时缺陷更易提取。透光传输带5下方的第二线扫光源3，拍照时用来打亮正负极材料模切件4轮廓，配合高透光的传输带，使图像处理时，有一个黑白对比明显的模切件4轮廓可以提取。
78.第一光纤传感器和第二光纤传感器相对设置于透光传输带5的上方和下方，第一光纤传感器与线扫相机1相邻设置，且靠近于透光传输带5的来件方向。从而在模切件4到达相机拍照位置之前，被第一光纤传感器和第二光纤传感器准确的检测到，第一光纤传感器和第二光纤传感器将检测信号发送给图片处理子设备902之后，图片处理子设备902及时打开线扫光源，并控制线扫相机1开始拍照，使得模切件4被线扫相机1准确捕捉。
79.吸盘分拣装置包括第一吸盘臂和第二吸盘臂，第一吸盘臂和第二吸盘臂分别位于透光传输带5传输方向的两端；
80.线扫相机1、第一线扫光源2、第二线扫光源3、第一光纤传感器、第二光纤传感器和吸盘分拣装置均与图片处理子设备902通信连接。
81.在图片处理子设备902中，还包括plc控制器，从而根据模切件4的缺陷检测结果，对模切件4进行分拣。
82.如图8所示，上述电池电极模切件缺陷检测设备的工作过程如下：
83.1.正负电池极卷绕材料到达切割工位，切割机构对材料进行切割，得到切割后的模切件4；
84.2.位于透光传输带5开始方向的第一吸盘臂把模切件4抓取放到透光传输带5上，透光传输带5带着模切件4匀速前进；
85.3.模切件4运动过程中，触发传输带上下的第一、第二光纤传感器，使图像处理子设备接收到传感信号，并响应于传感信号打开第一和第二线扫光源，线扫相机1按照设定的图像高度(行数)开始拍照。
86.4.图像处理子设备获取到线扫相机1捕捉的图片，基于图片数据执行方法实施例中的图片处理方法，从而对模切件4是否是缺陷件进行判定，输出ok/ng信号到plc。
87.5.plc根据检测数据，判断对应的模切件4是否是ok的产品，从而判断模切件4在此次检测中是否合格，然后将合格品流到下一工位，通过第二吸盘臂将不合格品抓取到排废工位。
88.本发明实施例提供的电池电极模切件缺陷检测设备，通过上下线扫光源的配合，不但能方便的提取模切件的轮廓，而且可以使模切件上漏箔、白黑点、划痕、裂纹、凹凸点和边缘破损等缺陷相对背景有一个较高的对比度，方便算法处理。此外可以完全替换原先人工离线抽检对锂电正负极材料模切件的缺陷检测方法，降低了检测成本、解决检测效率低下、参检率不足、检测过程中额外损坏等问题。在一具体地实施场景中，通过本发明实施例提供的电池电极模切件缺陷检测设备，尺寸缺陷检测偏差不超过0.02mm，表面缺陷的检测精确率达到了99.6％以上，并且能够保证80米每分钟的实时在线检测，满足产线高速运行的节拍。
89.本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，实现的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；存储介质还可以包括上述种类的存储器的组合。
90.虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。