[发明专利]锂电池表面缺陷图像批量生成方法及系统

说明书

本发明涉及一种锂电池表面缺陷图像批量生成方法及系统,包括：采集锂电池图像，包括带有不同缺陷的源图像和不带缺陷的目标图像；获取所述源图像中缺陷所在的感兴趣区域；根据所述感兴趣区域将所述源图像转换成二值图像，并对所述源图像和所述二值图像进行仿射变换；根据所述二值图像进行仿射变换后的图像提取所述源图像仿射变换后的缺陷图像域，将缺陷图像域重绘到所述目标图像的对应位置，并去除图像重绘时产生的图像拼接感，完成一次图像缺陷样本的生成；接着返回所述步骤S3开始循环进入下一个图像缺陷样本的生成。本发明有利于快速、批量地生成高质量的锂电池缺陷样本图像。

技术领域

本发明涉及锂电池表面图像处理的技术领域，尤其是指一种锂电池表面缺陷图像批量生成方法及系统。

背景技术

由于锂离子电池具有能量密度高、充放电速度快等优点，使其在便捷式电子通信设备市场占据主导地位，并且逐渐扩展到电动工具领域。目前移动电话、笔记本电脑、微型摄像机等需要便携式电源的用电器已经成为人们生活中不可缺少的一部分，在其电源方面，无一例外地选择锂离子电池作为市场的主流。

锂电池在生产过程中，由于加工工艺的原因，会导致锂电池表面存在划痕、凸包、压痕、漏液、破损等表面缺陷，如果未在缺陷检测工站将不良品筛选出来，则在使用过程中容易引起起火、爆炸等安全隐患。

由于锂电池存在表面缺陷特征不明显的特征，传统的图像缺陷检测算法容易出现“漏检”或“过杀”等误判现象，造成产品合格率较低。基于深度学习模型的缺陷检测算法具有较快的计算速度和准确性，而一个好的学习模型需要大量的图像样本进行训练，在锂电池正常的生产过程中，很难收集到所需的缺陷图像样本数量。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中很难批量收集到所需的缺陷图像样本的问题，从而提供一种可大批量生成高质量的锂电池表面缺陷图像样本的锂电池表面缺陷图像批量生成方法及系统。

为解决上述技术问题，本发明的一种锂电池表面缺陷图像批量生成方法，包括如下步骤：采集锂电池图像，包括带有不同缺陷的源图像和不带缺陷的目标图像；获取所述源图像中缺陷所在的感兴趣区域；根据所述感兴趣区域将所述源图像转换成二值图像，并对所述源图像和所述二值图像进行仿射变换；根据所述二值图像进行仿射变换后的图像提取所述源图像仿射变换后的缺陷图像域，将缺陷图像域重绘到所述目标图像的对应位置，并去除图像重绘时产生的图像拼接感，完成一次图像缺陷样本的生成；接着返回所述步骤S3开始循环进入下一个图像缺陷样本的生成。

在本发明的一个实施例中，对所述源图像和所述二值图像进行仿射变换的方法如下：先建立一个单位齐次变换矩阵，然后移动所述单位齐次变换矩阵，对所述单位齐次变换矩阵按照设定比例进行变换，最后，对所述变换后的单位齐次变换矩阵进行旋转变换。

在本发明的一个实施例中，将缺陷图像域重绘到所述目标图像的对应位置之前，对所述缺陷图像进行亮度调整。

在本发明的一个实施例中，对所述缺陷图像进行亮度调整的方法为：根据所述感兴趣区域的边界位置信息，获取所述目标图像在所述边界位置内的图像域，并与所述源图像中在所述边界位置内的图像域进行混合。

在本发明的一个实施例中，与所述源图像中在所述边界位置内的图像域进行混合时，混合系数的取值范围为0-0.8。

在本发明的一个实施例中，所述去除图像重绘时产生的图像拼接感的方法为：采用加权平滑算法去除图像拼接感。

在本发明的一个实施例中，所述加权平滑算法包括：首先，绘制将感兴趣区域包括在内的外接矩形，所述外接矩形的边与所述感兴趣区域的边界保持设定的距离；其次，分别提取源图像和重绘后带有拼接感目标图像的外接矩形内的图像域；然后以外接矩形的任意一个侧边开始分多个阶段建立动态加权平滑过程；最后，依次进行缺陷区域相对矩形区域剩余三条边的加权平滑，完成相对缺陷区域的动态加权平滑。