CN104655644A - 一种锂电池极片缺陷的自动检测方法及装置 - Google Patents
一种锂电池极片缺陷的自动检测方法及装置 Download PDFInfo
- Publication number
- CN104655644A CN104655644A CN201510082341.2A CN201510082341A CN104655644A CN 104655644 A CN104655644 A CN 104655644A CN 201510082341 A CN201510082341 A CN 201510082341A CN 104655644 A CN104655644 A CN 104655644A
- Authority
- CN
- China
- Prior art keywords
- defect
- lithium battery
- battery pole
- image
- pole slice
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Battery Electrode And Active Subsutance (AREA)
Abstract
本发明公开了一种锂电池极片缺陷的自动检测方法，(1)离线收集锂电池极片的各种缺陷样本，获取对应的缺陷特征，得到缺陷特征库；(2)设置线阵CCD图像传感器的采集参数；(3)线阵CCD图像传感器开始采集待测锂电池极片的图像；(4)PC机对线阵CCD图像传感器采集到的图像进行缺陷检测：(5)重复步骤(3)至(4)直到对整个锂电池极片检测结束。本发明能自动检测锂电池极片缺陷区段并进行标记，具有智能化、效率高和准确度高的优点。
Description
技术领域
本发明涉及光学摄像头图像缺陷检测技术法，特别涉及一种锂电池极片缺陷的自动检测方法及装置。
背景技术
离子电池极片的制备通常是将将含有活性物质的浆料涂覆和/或填充在集电体上，干燥，压延，其中压延工艺包括将极片从压光机的两个辊轮之间的间隙通过，通过辊轮在极片上施加压力，调节压光机两个辊轮的辊轮间隙，准确地得到所需厚度的极片。但在涂覆压延工艺过程中极片常常出现涂料缺块，突起，露箔，划痕，裂纹，颗粒等缺陷。目前的检测方法主要依靠人眼检测，而不是在涂覆的工艺过程中形成一个自动检测环节。另外，极片需要进行双面涂覆，离线检测涉及对电池极片条带重新卷绕，人工和设备成本都将增加。
发明内容
为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种锂电池极片缺陷的自动检测方法，检测准确快捷、提高生产效率且节约成本。
本发明的另一目的在于提供实现上述锂电池极片缺陷的自动检测方法的装置。
本发明的目的通过以下技术方案实现：
一种锂电池极片缺陷的自动检测方法，包括以下步骤：
(1)离线收集锂电池极片的各种缺陷样本，获取对应的缺陷特征，得到缺陷特征库；
(2)设置线阵CCD图像传感器的采集参数；
(3)线阵CCD图像传感器开始采集待测锂电池极片的图像；
(4)PC机对线阵CCD图像传感器采集到的图像进行缺陷检测：
(4-1)对线阵CCD图像传感器采集到的图像进行阈值分割；
(4-2)缺块、突起缺陷检测：对(4-1)中阈值分割所得到的图像进行形态学处理，将进行形态学处理之后的图像与处理之前的图像做差分处理，在得到的差分图像中进行筛选，筛选出符合缺陷特征库中的缺陷特征的区段作为缺陷区段；
(4-3)露箔、划痕缺陷检测：对(4-1)中阈值分割所得到的图像进行中值滤波，对滤波之后的图像做动态阈值，接着对阈值得到的图像进行形态学处理，并与处理之前的图像做差分处理，在得到的差分图像中进行筛选，筛选出符合缺陷特征库中的缺陷特征的区段作为缺陷区段；
(4-4)裂纹、颗粒缺陷检测：将(4-1)中阈值分割所得到的图像拷贝并用锂电池极片上正确涂覆区段的灰度值赋值，将重新赋值之后的图像与赋值之前的图像进行差分处理，将得到的差分图像进行形态学处理，并在处理之后的区段筛选出符合缺陷特征库中的缺陷特征的区段作为缺陷区段；
(4-5)将(4-2)、(4-3)和(4-4)得到的缺陷区段进行合并处理，将合并处理之后所得的区段作为最终的缺陷区段；
(5)重复步骤(3)至(4)直到对整个锂电池极片检测结束。
步骤(3)所述待测锂电池极片置于传送装置上，传送装置上方设有缺陷标记装置；
在进行步骤(4-5)之后还进行以下步骤：
(4-6)传送装置的传送速度恒定，线阵CCD图像传感器到缺陷标记装置的距离固定，计算出线阵CCD图像传感器当前采集的图像所对应的待测锂电池极片上的部位到达缺陷标记装置所需的时间；
(4-6)如果检测到缺陷，计算步骤(4-5)中所得到的缺陷区段相对于整帧图像的起点和终点位置、记录本次采集开始到当前的时长，根据以上结果，结合当前采集的图像所对应的待测锂电池极片上的部位到达缺陷标记装置所需的时间，计算出缺陷区段的起点和终点到达缺陷标记装置的时间；
(4-7)根据(4-6)所得的结果，缺陷标记装置在延迟相应的时间之后，对待测锂电池极片的缺陷区段的起始位置分别进行标记。
实现上述方法的锂电池极片缺陷的自动检测装置，包括
线阵CCD图像传感器，用于对待测锂电池极片进行图像采集；
PC机，存储有缺陷特征库；用于对待测锂电池极片的图像进行处理，筛选出符合缺陷特征库中的缺陷特征的区段，得出检测结果。
所述线阵CCD图像为两个，分别用于对待测锂电池极片的上、下表面进行图像采集。
所述的锂电池极片缺陷的自动检测装置，还包括传送装置和缺陷标记装置；所述传送装置用于对待测锂电池极片进行传送；所述缺陷标记装置用于根据PC机的检测结果对待测锂电池极片缺陷区段的起始位置进行标记。
与现有技术相比，本发明具有以下优点和有益效果；
1、本发明的方法对锂电池极片缺陷的识别准确度高，能够检测出极片常见的缺块，突起，露箔，划痕，裂纹，颗粒等缺陷。
2、本发明的方法缺陷检测速度快，针对不同类型的缺陷，分别设计专门的检测算法进行检测，使得算法模型简单，检测速度加快，使得算法能在对于速度有一定要求的传输装置得到应用。
3、本发明的方法由于检测过程无需人工参与，锂电池极片生产检测的自动化程度高，生产效率高，结构简单，成本低。
附图说明
图1为本发明的实施例的锂电池极片缺陷的自动检测装置的组成示意图。
图2为本发明的实施例的极片缺陷检测系统的组成示意图。
图3为本发明的实施例的锂电池极片缺陷的自动检测方法的流程图。
图4为本发明的实施例的缺陷检测步骤的具体流程图。
具体实施方式
下面结合实施例，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例
如图1所示，本实施例的锂电池极片缺陷的自动检测装置包括PC机1、线阵CCD图像传感器2、线性LED光源3、传送装置4、电池极片5和缺陷标记装置6。所述PC机1和两个分别位于电池极片正反两面的线阵CCD图像传感器2通过连接线连接，所述线性LED光源3与线阵CCD图像传感器2的相对位置固定。所述传送装置4用于传送电池极片5，所述缺陷标记装置6用于对任何一面有缺陷的极片区段进行标记。
PC机中设有极片缺陷检测系统、用于与线阵CCD图像传感器、缺陷标记装置进行通信的应用程序。
如图2所示，极片缺陷检测系统包括缺块、突起检测单元，露箔、划痕检测单元、裂纹、颗粒检测单元和合并处理单元。在极片缺陷检测的过程中，先用缺块、突起检测单元对极片缺陷进行检测，接着用露箔、划痕检测单元对极片的缺陷进行检测，接着用裂纹、颗粒检测单元对极片的缺陷进行检测，最后合并处理单元对以上三个单元所检测得到的缺陷区段进行合并处理。
如图3所示，本实施例的锂电池极片缺陷的自动检测方法，包括以下步骤：
(1)离线收集锂电池极片的各种缺陷样本，获取对应的缺陷特征，得到缺陷特征库；
(2)设置线阵CCD图像传感器的采集参数；
(3)线阵CCD图像传感器开始采集待测锂电池极片的图像；
(4)PC机对线阵CCD图像传感器采集到的图像进行缺陷检测，如图4所示：
(4-1)对线阵CCD图像传感器采集到的图像进行阈值分割；
(4-2)对(4-1)中阈值分割所得到的图像进行形态学处理，将进行形态学处理之后的图像与处理之前的图像做差分处理，在得到的差分图像中进行筛选，筛选出符合缺陷特征库中的缺陷特征的区段作为缺陷区段；
(4-3)对(4-1)中阈值分割所得到的图像进行中值滤波，对滤波之后的图像做动态阈值，接着对阈值得到的图像进行形态学处理，并与处理之前的图像做差分处理，在得到的差分图像中进行筛选，筛选出符合缺陷特征库中的缺陷特征的区段作为缺陷区段；
(4-4)将(4-1)中阈值分割所得到的图像拷贝并用锂电池极片上正确涂覆区段的灰度值赋值，将重新赋值之后的图像与赋值之前的图像进行差分处理，将得到的差分图像进行形态学处理，并在处理之后的区段筛选出符合缺陷特征库中的缺陷特征的区段作为缺陷区段；
(4-5)将(4-2)、(4-3)和(4-4)得到的缺陷区段进行合并处理，将合并处理之后所得的区段作为最终的缺陷区段；
(4-6)传送装置的传送速度恒定，线阵CCD图像传感器到缺陷标记装置的距离固定，计算出线阵CCD图像传感器当前采集的图像所对应的待测锂电池极片上的部位到达缺陷标记装置所需的时间；
(4-6)如果检测到缺陷，计算步骤(4-5)中所得到的缺陷区段相对于整帧图像的起点和终点位置、记录本次采集开始到当前的时长，根据以上结果，结合当前采集的图像所对应的待测锂电池极片上的部位到达缺陷标记装置所需的时间，计算出缺陷区段的起点和终点到达缺陷标记装置的时间；
(4-7)根据(4-6)所得的结果，缺陷标记装置在延迟相应的时间之后，对待测锂电池极片的缺陷区段的起始位置分别进行标记；
(5)重复步骤(3)至(4)直到对整个锂电池极片检测结束。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (5)
1.一种锂电池极片缺陷的自动检测方法，其特征在于，包括以下步骤：
(1)离线收集锂电池极片的各种缺陷样本，获取对应的缺陷特征，得到缺陷特征库；
(2)设置线阵CCD图像传感器的采集参数；
(3)线阵CCD图像传感器开始采集待测锂电池极片的图像；
(4)PC机对线阵CCD图像传感器采集到的图像进行缺陷检测：
(4-1)对线阵CCD图像传感器采集到的图像进行阈值分割；
(4-2)缺块、突起缺陷检测：对(4-1)中阈值分割所得到的图像进行形态学处理，将进行形态学处理之后的图像与处理之前的图像做差分处理，在得到的差分图像中进行筛选，筛选出符合缺陷特征库中的缺陷特征的区段作为缺陷区段；
(4-3)露箔、划痕缺陷检测：对(4-1)中阈值分割所得到的图像进行中值滤波，对滤波之后的图像做动态阈值，接着对阈值得到的图像进行形态学处理，并与处理之前的图像做差分处理，在得到的差分图像中进行筛选，筛选出符合缺陷特征库中的缺陷特征的区段作为缺陷区段；
(4-4)裂纹、颗粒缺陷检测：将(4-1)中阈值分割所得到的图像拷贝并用锂电池极片上正确涂覆区段的灰度值赋值，将重新赋值之后的图像与赋值之前的图像进行差分处理，将得到的差分图像进行形态学处理，并在处理之后的区段筛选出符合缺陷特征库中的缺陷特征的区段作为缺陷区段；
(4-5)将(4-2)、(4-3)和(4-4)得到的缺陷区段进行合并处理，将合并处理之后所得的区段作为最终的缺陷区段；
(5)重复步骤(3)至(4)直到对整个锂电池极片检测结束。
2.根据权利要求1所述的锂电池极片缺陷的自动检测方法，其特征在于，步骤(3)所述待测锂电池极片置于传送装置上，传送装置上方设有缺陷标记装置；
在进行步骤(4-5)之后还进行以下步骤：
(4-6)传送装置的传送速度恒定，线阵CCD图像传感器到缺陷标记装置的距离固定，计算出线阵CCD图像传感器当前采集的图像所对应的待测锂电池极片上的部位到达缺陷标记装置所需的时间；
(4-6)如果检测到缺陷，计算步骤(4-5)中所得到的缺陷区段相对于整帧图像的起点和终点位置、记录本次采集开始到当前的时长，根据以上结果，结合当前采集的图像所对应的待测锂电池极片上的部位到达缺陷标记装置所需的时间，计算出缺陷区段的起点和终点到达缺陷标记装置的时间；
(4-7)根据(4-6)所得的结果，缺陷标记装置在延迟相应的时间之后，对待测锂电池极片的缺陷区段的起始位置分别进行标记。
3.实现权利要求1所述锂电池极片缺陷的自动检测方法的锂电池极片缺陷的自动检测装置，其特征在于，包括
线阵CCD图像传感器，用于对待测锂电池极片进行图像采集；
PC机，存储有缺陷特征库；用于对待测锂电池极片的图像进行处理，筛选出符合缺陷特征库中的缺陷特征的区段，得出检测结果。
4.根据权利要求3所述的锂电池极片缺陷的自动检测装置，其特征在于，所述线阵CCD图像为两个，分别用于对待测锂电池极片的上、下表面进行图像采集。
5.根据权利要求4所述的锂电池极片缺陷的自动检测装置，其特征在于，还包括传送装置和缺陷标记装置；所述传送装置用于对待测锂电池极片进行传送；所述缺陷标记装置用于根据PC机的检测结果对待测锂电池极片缺陷区段的起始位置进行标记。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510082341.2A CN104655644A (zh) | 2015-02-13 | 2015-02-13 | 一种锂电池极片缺陷的自动检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510082341.2A CN104655644A (zh) | 2015-02-13 | 2015-02-13 | 一种锂电池极片缺陷的自动检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104655644A true CN104655644A (zh) | 2015-05-27 |
Family
ID=53247027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510082341.2A Pending CN104655644A (zh) | 2015-02-13 | 2015-02-13 | 一种锂电池极片缺陷的自动检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104655644A (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104916814A (zh) * | 2015-06-26 | 2015-09-16 | 宁德时代新能源科技有限公司 | 锂离子电池极片的锂粉处理系统及方法 |
| CN108732507A (zh) * | 2018-05-21 | 2018-11-02 | 中国科学技术大学 | 一种基于电池温度场以及可见光图像的锂电池缺陷检测装置 |
| CN108956626A (zh) * | 2018-07-23 | 2018-12-07 | 广州超音速自动化科技股份有限公司 | 极耳焊点缺陷检测装置及其检测方法 |
| CN109324060A (zh) * | 2018-10-11 | 2019-02-12 | 广东德尔智慧工厂科技有限公司 | 一种锂电涂布表面缺陷检测系统 |
| CN109358070A (zh) * | 2018-08-31 | 2019-02-19 | 广州超音速自动化科技股份有限公司 | 极片检测方法、电子设备、存储介质及系统 |
| CN109580652A (zh) * | 2018-10-30 | 2019-04-05 | 广州超音速自动化科技股份有限公司 | 一种电池极片质量检测方法、电子设备及存储介质 |
| CN109598721A (zh) * | 2018-12-10 | 2019-04-09 | 广州市易鸿智能装备有限公司 | 电池极片的缺陷检测方法、装置、检测设备和存储介质 |
| CN109709102A (zh) * | 2019-01-17 | 2019-05-03 | 广州超音速自动化科技股份有限公司 | 模切机锂电池极片物理缺陷检测系统、方法及装置 |
| CN109741323A (zh) * | 2019-01-09 | 2019-05-10 | 广州市顶丰自动化设备有限公司 | 锂电池的极片检测方法、装置、计算机设备和存储介质 |
| CN109870459A (zh) * | 2019-02-21 | 2019-06-11 | 武汉武大卓越科技有限责任公司 | 无砟轨道的轨道板裂缝检测方法 |
| CN109886918A (zh) * | 2019-01-14 | 2019-06-14 | 广州量子激光智能装备有限公司 | 锂电池极片的拉丝毛刺检测方法、电子设备及存储介质 |
| CN110288584A (zh) * | 2019-06-27 | 2019-09-27 | 常州固高智能装备技术研究院有限公司 | 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置 |
| CN110554053A (zh) * | 2019-08-12 | 2019-12-10 | 广州超音速自动化科技股份有限公司 | 一种电池涂布缺陷检测设备 |
| CN112213315A (zh) * | 2019-06-25 | 2021-01-12 | 欧姆龙株式会社 | 外观检查管理系统、装置、方法以及存储介质 |
| CN112455098A (zh) * | 2019-09-09 | 2021-03-09 | 无锡先导智能装备股份有限公司 | 极片打标方法和极片打标系统 |
| CN112669295A (zh) * | 2020-12-30 | 2021-04-16 | 上海电机学院 | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 |
| CN113739751A (zh) * | 2021-08-26 | 2021-12-03 | 东莞市创明电池技术有限公司 | 电池极片卷绕生产质量检测方法 |
| CN115993104A (zh) * | 2023-03-23 | 2023-04-21 | 杭州百子尖科技股份有限公司 | 一种新能源电池极片产线测厚缺陷喷码定位方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09145624A (ja) * | 1995-11-27 | 1997-06-06 | Ricoh Co Ltd | 筒状物欠陥検出装置 |
| JPH11183313A (ja) * | 1997-12-16 | 1999-07-09 | Mega Float Gijutsu Kenkyu Kumiai | 大型水密構造物の欠陥検出装置 |
| CN202362253U (zh) * | 2011-11-28 | 2012-08-01 | 深圳市鹰眼在线电子科技有限公司 | 电池极片涂布质量在线视觉检测系统 |
| CN202921574U (zh) * | 2012-10-23 | 2013-05-08 | 北京中天荣泰科技发展有限公司 | 一种锂电池极片自动视觉检测系统 |
| CN103499585A (zh) * | 2013-10-22 | 2014-01-08 | 常州工学院 | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 |
| CN104142350A (zh) * | 2013-11-28 | 2014-11-12 | 中航锂电（洛阳）有限公司 | 锂电池极片表面缺陷检测设备 |
-
2015
- 2015-02-13 CN CN201510082341.2A patent/CN104655644A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09145624A (ja) * | 1995-11-27 | 1997-06-06 | Ricoh Co Ltd | 筒状物欠陥検出装置 |
| JPH11183313A (ja) * | 1997-12-16 | 1999-07-09 | Mega Float Gijutsu Kenkyu Kumiai | 大型水密構造物の欠陥検出装置 |
| CN202362253U (zh) * | 2011-11-28 | 2012-08-01 | 深圳市鹰眼在线电子科技有限公司 | 电池极片涂布质量在线视觉检测系统 |
| CN202921574U (zh) * | 2012-10-23 | 2013-05-08 | 北京中天荣泰科技发展有限公司 | 一种锂电池极片自动视觉检测系统 |
| CN103499585A (zh) * | 2013-10-22 | 2014-01-08 | 常州工学院 | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 |
| CN104142350A (zh) * | 2013-11-28 | 2014-11-12 | 中航锂电（洛阳）有限公司 | 锂电池极片表面缺陷检测设备 |
Non-Patent Citations (1)
| Title |
|---|
| 刘妍: "基于机器视觉的锂电池极片涂布缺陷检测系统设计", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104916814A (zh) * | 2015-06-26 | 2015-09-16 | 宁德时代新能源科技有限公司 | 锂离子电池极片的锂粉处理系统及方法 |
| CN108732507A (zh) * | 2018-05-21 | 2018-11-02 | 中国科学技术大学 | 一种基于电池温度场以及可见光图像的锂电池缺陷检测装置 |
| CN108956626A (zh) * | 2018-07-23 | 2018-12-07 | 广州超音速自动化科技股份有限公司 | 极耳焊点缺陷检测装置及其检测方法 |
| CN109358070A (zh) * | 2018-08-31 | 2019-02-19 | 广州超音速自动化科技股份有限公司 | 极片检测方法、电子设备、存储介质及系统 |
| CN109324060A (zh) * | 2018-10-11 | 2019-02-12 | 广东德尔智慧工厂科技有限公司 | 一种锂电涂布表面缺陷检测系统 |
| CN109580652A (zh) * | 2018-10-30 | 2019-04-05 | 广州超音速自动化科技股份有限公司 | 一种电池极片质量检测方法、电子设备及存储介质 |
| CN109598721A (zh) * | 2018-12-10 | 2019-04-09 | 广州市易鸿智能装备有限公司 | 电池极片的缺陷检测方法、装置、检测设备和存储介质 |
| CN109598721B (zh) * | 2018-12-10 | 2021-08-31 | 广州市易鸿智能装备有限公司 | 电池极片的缺陷检测方法、装置、检测设备和存储介质 |
| CN109741323A (zh) * | 2019-01-09 | 2019-05-10 | 广州市顶丰自动化设备有限公司 | 锂电池的极片检测方法、装置、计算机设备和存储介质 |
| CN109886918A (zh) * | 2019-01-14 | 2019-06-14 | 广州量子激光智能装备有限公司 | 锂电池极片的拉丝毛刺检测方法、电子设备及存储介质 |
| CN109709102A (zh) * | 2019-01-17 | 2019-05-03 | 广州超音速自动化科技股份有限公司 | 模切机锂电池极片物理缺陷检测系统、方法及装置 |
| CN109870459A (zh) * | 2019-02-21 | 2019-06-11 | 武汉武大卓越科技有限责任公司 | 无砟轨道的轨道板裂缝检测方法 |
| CN109870459B (zh) * | 2019-02-21 | 2021-07-06 | 武汉光谷卓越科技股份有限公司 | 无砟轨道的轨道板裂缝检测方法 |
| CN112213315A (zh) * | 2019-06-25 | 2021-01-12 | 欧姆龙株式会社 | 外观检查管理系统、装置、方法以及存储介质 |
| CN110288584A (zh) * | 2019-06-27 | 2019-09-27 | 常州固高智能装备技术研究院有限公司 | 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置 |
| CN110288584B (zh) * | 2019-06-27 | 2023-06-23 | 常州固高智能装备技术研究院有限公司 | 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置 |
| CN110554053A (zh) * | 2019-08-12 | 2019-12-10 | 广州超音速自动化科技股份有限公司 | 一种电池涂布缺陷检测设备 |
| CN112455098A (zh) * | 2019-09-09 | 2021-03-09 | 无锡先导智能装备股份有限公司 | 极片打标方法和极片打标系统 |
| CN112669295A (zh) * | 2020-12-30 | 2021-04-16 | 上海电机学院 | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 |
| CN113739751A (zh) * | 2021-08-26 | 2021-12-03 | 东莞市创明电池技术有限公司 | 电池极片卷绕生产质量检测方法 |
| CN115993104A (zh) * | 2023-03-23 | 2023-04-21 | 杭州百子尖科技股份有限公司 | 一种新能源电池极片产线测厚缺陷喷码定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104655644A (zh) | 一种锂电池极片缺陷的自动检测方法及装置 | |
| CN104574353B (zh) | 基于视觉显著性的表面缺陷判定方法 | |
| CN109507192A (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
| CN105388162A (zh) | 基于机器视觉的原料硅片表面划痕检测方法 | |
| CN110084787B (zh) | 一种基于机器视觉的合成革涂胶在线监测方法 | |
| CN109376773A (zh) | 基于深度学习的裂纹检测方法 | |
| CN103868935A (zh) | 基于计算机视觉的烟支外观质量检测方法 | |
| CN104256882B (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
| CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
| CN103366176B (zh) | 光学元件缺陷批量自动识别装置和方法 | |
| CN103837097B (zh) | 一种基于图像处理的工件角度自动测量装置及测量方法 | |
| CN103674968A (zh) | 材料外观腐蚀形貌特征机器视觉原值检测评价方法及装置 | |
| CN110554052A (zh) | 一种人造板表面缺陷检测方法及其系统 | |
| CN115015286B (zh) | 基于机器视觉的芯片检测方法及系统 | |
| CN106248680A (zh) | 一种基于机器视觉的电机换向器质量检测系统及检测方法 | |
| CN112634190B (zh) | 一种涂胶检测方法及装置 | |
| CN104132945A (zh) | 一种基于光纤传导的棒材表面质量在线视觉检测装置 | |
| WO2023168984A1 (zh) | 一种基于面阵相机的阴极铜质量检测方法及系统 | |
| CN102359762B (zh) | 利用计算机图像处理技术检测熔喷超细纤维主体直径方法 | |
| CN103900499B (zh) | 基于计算机视觉技术的卷烟包装警语区域面积测定方法 | |
| CN107895503A (zh) | 一种无人值守的停车场监控系统 | |
| AU7051098A (en) | Method for examining an unwinding strip surface by pre-classification of detected surface defect | |
| CN111024715B (zh) | 一种胶路底平面提取方法及装置 | |
| CN114937015B (zh) | 一种锂电池极片制造中智能视觉识别方法和系统 | |
| CN114877810B (zh) | 基于机器视觉的棉纤维长度检测装置及应用方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150527 |