[发明专利]基于机器学习极耳检测方法、装置及计算机可读存储介质

权利要求书

1.一种基于机器学习的极耳检测方法，其特征在于，包括如下步骤：

获取极耳断裂的各风险图像特征，基于机器学习各所述风险图像特征获取待检极耳的图像；

分析处理所述图像，与所述风险图像特征对比以得出所述待检极耳的断裂判断结果。

2.如权利要求1所述的基于机器学习的极耳检测方法，其特征在于，还包括：建立与各所述风险图像特征对应的风险原因及改善方案模型。

3.如权利要求2所述的基于机器学习的极耳检测方法，其特征在于，还包括：所述判断结果为所述待检极耳已断裂或有断裂风险时，向改善极耳断裂的改善设备或操作员反馈所述待检极耳的风险图像特征、与所述风险图像特征对应的风险原因及改善方案。

4.如权利要求3所述的基于机器学习的极耳检测方法，其特征在于，还包括：利用所述改善设备对已断裂或存在断裂风险的极耳进行自动调整改善以使所述极耳达到合格标准；或通过所述操作员对已断裂或存在断裂风险的极耳进行辅助调整改善以使所述极耳达到合格标准。

5.如权利要求2所述的基于机器学习的极耳检测方法，其特征在于，还包括利用一识码机构识别所述待检极耳对应的电池上的识别码，记录并储存所述识别码及所述待检极耳断裂的判断结果、风险特征、风险原因及改善方案。

6.如权利要求1所述的基于机器学习的极耳检测方法，其特征在于，所述获取待检极耳的图像的步骤还包括：获取极耳未断裂及无断裂风险时的对照图；所述分析处理所述图像的步骤还包括与所述对照图对比得出所述待检极耳的断裂判断结果。

7.如权利要求1所述的基于机器学习的极耳检测方法，其特征在于，还包括：将所述判断结果为极耳已断裂的所述待检极耳移至不合格产品区；将所述判断结果为有断裂风险的所述待检极耳移至复检区。

8.如权利要求1所述的基于机器学习的极耳检测方法，其特征在于：所述获取待检极耳的图像的步骤，在所述待检极耳的可能导致断裂的加工工序之后进行。

9.一种极耳检测装置，其特征在于，包括：

摄像机构，用于拍摄待检极耳，以获取所述待检极耳的图像；

处理器，与所述摄像机构电连接，且用于存储极耳断裂的各风险图像特征；及用于基于机器学习各所述风险图像特征；及分析处理所述图像以得出所述待检极耳的断裂判断结果；并在执行存储器中存储的计算机程序时实现如权利要求1至8中任一项所述检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述检测方法。