[发明专利]一种基于机器视觉的动力电池组正负极异常检测系统和方法在审

专利信息
申请号: 201811407900.2 申请日: 2018-11-23
公开(公告)号: CN109490320A 公开(公告)日: 2019-03-19
发明(设计)人: 李悦;朱红;曾祥兵;刘二朋;陈宾 申请(专利权)人: 奇瑞汽车股份有限公司
主分类号: G01N21/892 分类号: G01N21/892
代理公司: 芜湖安汇知识产权代理有限公司 34107 代理人: 朱圣荣
地址: 241009 安徽省*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 正负极 异常检测系统 动力电池组 传送装置 基于机器 视觉检测 电池组 视觉 控制器输出 外界环境光 电池模组 检测结果 图像信息 问题产品 相机输出 控制器 检测 支架 显示器 数据库 相机 追溯 追踪 运输
【说明书】:

发明揭示了一种基于机器视觉的动力电池组正负极异常检测系统,系统设有用于运输电池模组的传送装置,所述传送装置用于检测的区域的上方设有固定在支架上的相机,所述相机输出图像信息至控制器,所述控制器输出检测结果至显示器显示。本发明的优点在于检测精度稳定,视觉检测在外界环境光不变的情况下,可稳定准确判断电池组正负极的特征。可追溯,视觉检测结果可上传到数据库,可实现问题产品的追踪。

技术领域

本发明涉及动力电池制造业中的电池组异常检测的领域。具体是通过利用机器视觉算法对电池组的正负极进行检测,采用模板匹配的方法实现正负极异常的检测。对该方法进行不断的优化可以扩展到诸如动力电池表面缺陷检测、产品表面缺陷检测等领域。

背景技术

目前许多企业在进行电池组的正负极异常检测主要是通过人眼进行检测,人眼检测存在诸多弊端,如长时间高强度工作容易造成眼睛疲劳,从而导致出现漏检的情况;随着工作时间的加长,由于过度劳累等原因,造成检测效率下降;而且电池组正负极检测属于劳动密集型产业,因此有着较高的劳动力成本。随着现代工业生产技术的发展,信息化和智能化技术不断被融入到工业生产中,在动力电池制造行业中,传统的人工检测电池组正负极异常的工作将逐渐被基于机器视觉检测的技术所替代。

目前也有少许企业采用AOI系统(Automatic Optic Inspection,光学在线自动检测系统)进行元器件插装异常的检测,但是其系统稳定性较差,在检测过程中会出现误判、检测不准确、误报警等情况。

发明内容

本发明所要解决的技术问题是实现一种基于机器视觉的电池组正负极检测技术。

为了实现上述目的,本发明采用的技术方案为:一种基于机器视觉的动力电池组正负极异常检测系统,系统设有用于运输电池模组的传送装置,所述传送装置用于检测的区域的上方设有固定在支架上的相机,所述相机输出图像信息至控制器,所述控制器输出检测结果至显示器显示。

所述控制器输出检测结果至存储单元。

所述传送装置用于检测的区域两侧固定有用于感应是否有电池模组通过的感应器,所述感应器输出信号至控制器。

所述相机旁设有固定在支架上的光源,

一种利用所述动力电池组正负极异常检测系统的检测方法,控制器对相机采集的图像处理方法包括:

步骤1、将采集的图像进行预处理;

步骤2、将处理的图像进行标记,采集出待检测电池组正负极图像作为匹配模板;

步骤3、根据所采集的电池组正负极图像尺寸,在图像中设置各个元器件的ROI区域作为检测电池组正负极异常的目标区域;

步骤4、读取待测电池组正负极的图像和所采集的模板图像;

步骤5、待测电池组正负极的图像和所采集的模板图像比对;

步骤6、根据图像比对找出发生异常的缺陷,获得每个ROI区域异常检测的结果;

步骤7、将每个ROI区域中异常检测结果在图像上进行标记。

所述步骤1预处理通过对图像进行去噪、阈值处理,提高图像中电池组正负极异常的对比度。

所述步骤5,将待测电池组正负极的图像和所采集的模板图像进行粗匹配,匹配时对待测的电池组正负极图像进行平移旋转校正,使其于对应的模板位置和角度达到高度一致;

步骤6、对校正后的电池组正负极图像中所划分的ROI区域与对应的模板图像进行精匹配,对其进行对比分析,找出发生异常的缺陷。

所述步骤7,将获得结果统计总的异常数量,并进行显示和/或存储。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于奇瑞汽车股份有限公司,未经奇瑞汽车股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811407900.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top