基于锂电池行业视觉检测方法和系统与流程

本申请涉及人工智能领域，尤其涉及基于锂电池行业视觉检测方法和系统。

背景技术：

1、铜箔板是制作pcb的核心材料，广泛应用与通信领域和服务器，缺陷等级划分是其重要的质量检测检验项目。由于铜箔板材料背景会存在一些列不规则抖动、缺陷特征形态差异性很大，类间差异性小、类内差异性大，导致传统机器视觉缺陷分类准确度不高而且高度依赖人工设计图像特征(对操作人员图像处理基础能力要求比较高，其适应度比较窄)，无法满足行业越来越高的品质检测要求。完全基于deep learning分类算法无法进行定量分析，如果使用deep learning语义分割可以达到定性与定量分析但是需要的算力无法满足铜箔板高速检测的时效性。

技术实现思路

1、本申请实施例要解决的技术问题，在于提供基于锂电池行业视觉检测方法和系统，以解决锂电铜箔行业中，完全基于传统算法无法精准缺陷分类的技术问题。

2、为实现上述目的，本申请实施例采用下述技术方案：

3、第一方面，本申请实施例提供基于锂电池行业视觉检测方法，所述方法包括：

4、缺陷图像的获取，通过智能图像采集单元获取缺陷图像；

5、缺陷图像的定性分析，对于获取的缺陷图像传送至工控机，通过ai定性单元进行缺陷图像的定性分析，从而对缺陷图像进行分类；

6、缺陷图像的定量分析，通过分割定量单元对定性分析后的图像进行定量分析；

7、缺陷等级的确定，对于定量分析后的图像进行缺陷等级的确定。

8、第二方面，本申请实施例提供基于锂电池行业视觉检测系统，包括智能图像采集单元和工控机；通过上述第一方面所述的基于锂电池行业视觉检测方法实现的系统，包括：

9、缺陷图像的获取模块，通过智能图像采集单元获取缺陷图像；

10、缺陷图像的定性分析模块，对于获取的缺陷图像传送至工控机，通过ai定性单元进行缺陷图像的定性分析，从而对缺陷图像进行分类；

11、缺陷图像的定量分析模块，通过分割定量单元对定性分析后的图像进行定量分析；

12、缺陷等级的确定模块，对于定量分析后的图像进行缺陷等级的确定。

13、第三方面，本申请实施例提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器执行以实现如上述第一方面所述的基于锂电池行业视觉检测方法。

14、第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器执行以实现如上述第一方面所述的基于锂电池行业视觉检测方法。

技术特征：

1.基于锂电池行业视觉检测方法，包括智能图像采集单元和工控机；其方法包括：

2.根据权利要求1所述的基于锂电池行业视觉检测方法，其特征在于，缺陷图像的定性分析包括：

3.根据权利要求2所述的基于锂电池行业视觉检测方法，其特征在于，

4.根据权利要求1所述的基于锂电池行业视觉检测方法，其特征在于，缺陷图像的定量分析包括：

5.根据权利要求4所述的基于锂电池行业视觉检测方法，其特征在于，图像分割包括阈值分割、边缘分割和区域分割。

6.根据权利要求5所述的基于锂电池行业视觉检测方法，其特征在于，阈值分割的方法包括：

7.根据权利要求1所述的基于锂电池行业视觉检测方法，其特征在于，缺陷等级的确定包括：

8.基于锂电池行业视觉检测系统，包括智能图像采集单元和工控机；其特征在于，通过权利要求1-7任一所述的基于锂电池行业视觉检测方法实现的系统，包括：

9.一种电子设备，其特征是，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器执行以实现如权利要求1-7任一项所述的基于锂电池行业视觉检测方法。

10.一种计算机可读存储介质，其特征是，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器执行以实现如权利要求1-7任一项所述的基于锂电池行业视觉检测方法。

技术总结
本申请实施例公开了基于锂电池行业视觉检测方法和系统，所述方法包括：缺陷图像的获取，通过智能图像采集单元获取缺陷图像；缺陷图像的定性分析，对于获取的缺陷图像传送至工控机，通过AI定性单元进行缺陷图像的定性分析，从而对缺陷图像进行分类；缺陷图像的定量分析，通过分割定量单元对定性分析后的图像进行定量分析；缺陷等级的确定，对于定量分析后的图像进行缺陷等级的确定。

技术研发人员：葛铭,魏鹏,沈井学
受保护的技术使用者：杭州百子尖科技股份有限公司
技术研发日：
技术公布日：2024/1/13