基于人工智能图像识别的电芯外观缺陷检测方法及系统与流程

本发明涉及电芯检测，尤其涉及一种基于人工智能图像识别的电芯外观缺陷检测方法及系统。

背景技术：

1、电芯是锂离子聚合物电池产品的一种原材料，电芯设有极耳部，极耳部就是从电芯中将正负极引出来的金属导电体，通俗的说就是电芯正负两极的耳朵，一个电芯会延伸出两个极耳部。

2、在锂电池的生产过程中电芯的极耳是否存在弯折/折痕是直接关系到锂电池产品质量的重要因素，因此需要检测电芯的极耳是否存在弯折/折痕情况；另外部分电芯的表面外观会出现瑕疵：如电芯的上下表面、上下封边会出现划痕、凹点、凸点等缺陷，不仅影响外观，且对电芯的生产使用安全也有较大影响，因此在电芯生产后需对其外观进行检测，传统的检测方式都是通过人为进行人眼观察识别，其不仅浪费人力同时还会存在检测误差，无法保证产品的质量和后续使用体验，降低了实用性。

技术实现思路

1、针对上述所显示出来的问题，本发明提供了一种基于人工智能图像识别的电芯外观缺陷检测方法及系统用以解决背景技术中提到的传统技术通过人为进行人眼观察识别不仅浪费人力同时还会存在检测误差，无法保证产品的质量和后续使用体验，降低了实用性的问题。

2、一种基于人工智能图像识别的电芯外观缺陷检测方法，包括以下步骤：

3、获取目标规格电芯的标准尺寸信息和标准外观信息，根据标准尺寸信息和标准外观信息提取电芯识别特征；

4、根据电芯识别特征和预设学习网络模型构建目标规格电芯的识别模型以及识别模型的多个识别策略；

5、获取当前电芯的高清图像，根据高清图像确定识别模型的目标识别策略并将高清图像输入到识别模型中；

6、根据识别模型的识别结果确定当前电芯各个外观指标缺陷。

7、优选的，所述获取目标规格电芯的标准尺寸信息和标准外观信息，根据标准尺寸信息和标准外观信息提取电芯识别特征，包括：

8、获取目标规格电芯的标准成品样本，采集标准成品样本基于多个拍摄角度的成品图像；

9、对多个拍摄角度的成品图像进行分析以确定目标规格电芯的标准尺寸信息和标准形状信息、标准颜色信息和标准包装信息；

10、将目标规格电芯的标准形状信息、标准颜色信息和标准包装信息进行整合以获取目标规格电芯的标准外观信息；

11、根据标准尺寸信息提取电芯尺寸识别特征，同时，根据标准外观信息提取电芯外观识别特征，将电芯尺寸识别特征和电芯外观识别特征进行整合以生成目标规格电芯的电芯识别特征。

12、优选的，所述根据标准尺寸信息提取电芯尺寸识别特征，同时，根据标准外观信息提取电芯外观识别特征，包括：

13、根据标准尺寸信息获取目标规格电芯的尺寸描述参数，基于尺寸描述参数提取电芯尺寸识别特征；

14、根据标准外观信息获取目标规格电芯的颜色属性、包装属性和形状属性；

15、获取颜色属性、包装属性和形状属性各自对应的特征描述因子，对特征描述因子进行实体定义，获取定义结果；

16、根据定义结果获取目标规格电芯的外观全局特征，根据外观全局特征获取电芯外观识别特征。

17、优选的，所述根据电芯识别特征和预设学习网络模型构建目标规格电芯的识别模型以及识别模型的多个识别策略，包括：

18、获取目标规格电芯的多张图像样本并将其划分为训练集、测试集和验证集；

19、将电芯识别特征写入到预设学习网络模型中以构建目标规格电芯的识别模型，利用训练集、测试集和验证集分别对识别模型进行反复训练和测试直到识别模型识别精度大于等于预设阈值为止；

20、确定图像具备可视化条件的灰度值区间并将所有区间值划分为多个灰度等级；

21、获取在每个灰度等级下电芯图像的显性像素参数和隐性像素参数并根据显性像素参数和隐性像素参数设置识别模型对于每个灰度等级的电芯图像的识别策略。

22、优选的，获取当前电芯的高清图像，根据高清图像确定识别模型的目标识别策略并将高清图像输入到识别模型中，包括：

23、根据当前电芯的高清图像的显示内容判断其是否存在必要识别特征，若是，判断高清图像合格，若否，判断高清图像不合格；

24、从高清图像中随机抽取n个像素点并确定每个像素点的当前灰度值，根据当前灰度值确定高清图像的当前灰度等级；

25、根据当前灰度等级确定识别模型的目标识别策略并启动其对应的当前模型识别模式；

26、将高清图像输入到基于当前模型识别模式的识别模型中。

27、优选的，所述根据识别模型的识别结果确定当前电芯各个外观指标缺陷，包括：

28、根据识别模型的识别结果确定当前电芯的当前尺寸指标、当前形状指标、和当前颜色指标；

29、将当前电芯的当前尺寸指标、当前形状指标、和当前颜色指标与目标规格电芯的标准尺寸指标、标准形状指标、和标准颜色指标进行对比，获取对比结果；

30、根据对比结果确定各项外观指标的缺陷参数，根据缺陷参数确定每项外观指标的缺陷等级；

31、基于每项外观指标的缺陷等级将各项外观指标缺陷划分为可接受外观指标缺陷和不可接受外观指标缺陷。

32、优选的，所述方法还包括：

33、在确定当前电芯的外观指标无缺陷后，根据高清图像获取当前电芯的表面纹理特征；

34、对表面纹理特征进行解析，根据解析结果判定当前电芯的表面是否存在划痕和凹点或凸点的细节创伤；

35、若是，将高清图像中存在划痕和凹点或凸点的图像区域进行标记和放大；

36、根据当前电芯的表面划痕和凹点或凸点的分布情况生成当前电芯的工艺质量评价报告。

37、优选的，所述对表面纹理特征进行解析，根据解析结果判定当前电芯的表面是否存在划痕和凹点或凸点的细节创伤，包括：

38、构建感官品质和纹理评价指标之间的线性相关函数，根据线性相关函数确定不同纹理评价指标值下的电芯实体感官参数；

39、对表面纹理特征进行特征定性以获取第一定性结果，根据第一定性结果确定表面纹理特征对应的类显示属性；

40、根据表面纹理特征对应的类显示属性确定对于表面纹理特征的当前感官参数；

41、基于当前感官参数和不同纹理评价指标值下的电芯实体感官参数确定对于当前电芯的可行纹理评价指标项；

42、根据表面纹理特征和高清图像的像素分布确定每个像素点的纹理显示参数并根据其构建纹理显示参数集；

43、基于当前电芯的可行纹理评价指标项对纹理显示参数集中的每项纹理显示参数进行评价，获取评价结果；

44、根据评价结果判定当前电芯的表面是否存在划痕和凹点或凸点的细节创伤。

45、优选的，所述根据评价结果判定当前电芯的表面是否存在划痕和凹点或凸点的细节创伤，包括：

46、根据评价结果筛选出纹理评价指标未合格的异常纹理显示参数并根据其分布情况确定参数异常特性；

47、根据参数异常特性对异常纹理显示参数进行细节创伤定性，获取第二定性结果；

48、根据第二定性结果确定各个异常纹理显示参数对应的创伤类型，获取每个创伤类型对应的标准显示参数集；

49、将每项异常纹理显示参数对应的当前显示参数集和该异常纹理显示参数对应创伤类型的标准显示参数集进行匹配，根据匹配结果确定每项异常纹理显示参数对应的当前显示参数集是否存在显示创伤；

50、若是，根据当前显示参数集在标准显示参数集中的匹配区间确定创伤等级；

51、根据创伤等级和每项异常纹理显示参数对应的创伤类型判定当前电芯的表面是否存在划痕和凹点或凸点的细节创伤。

52、一种基于人工智能图像识别的电芯外观缺陷检测系统，该系统包括：

53、提取模块，用于获取目标规格电芯的标准尺寸信息和标准外观信息，根据标准尺寸信息和标准外观信息提取电芯识别特征；

54、构建模块，用于根据电芯识别特征和预设学习网络模型构建目标规格电芯的识别模型以及识别模型的多个识别策略；

55、输入模块，用于获取当前电芯的高清图像，根据高清图像确定识别模型的目标识别策略并将高清图像输入到识别模型中；

56、确定模块，用于根据识别模型的识别结果确定当前电芯各个外观指标缺陷。

57、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

58、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。