[发明专利]新能源动力电池安全防爆阀激光焊接表面缺陷检测方法

说明书

本发明提供了一种新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，包括步骤：S100采用检测算法模型部署在焊接平台的缺陷检测设备中；S200采集新能源动力电池安全防爆阀激光焊接表面的实时图像；S300将实时图像输入检测算法模型，实现缺陷检测，并标记出缺陷的位置信息、几何信息及类别信息；所述检测算法模型通过以下步骤得到：S110构建检测算法初步模型，引入多个优化的空间金字塔池化层和跨层连接融合层进行网络的优化；S120将优化后的检测算法初步模型在数据集中进行模型训练，将训练好的模型参数保存下来；S130通过通道剪枝技术对训练后的检测算法初步模型进行塑形，得到检测算法模型。

技术领域

本发明涉及激光焊接缺陷检测技术领域，特别涉及一种新能源动力电池安全防爆阀激光焊接表面缺陷检测方法。

背景技术

动力电池盖是新能源汽车动力电池的重要组成部分，由电池正极、负极和安全防爆阀组成。当发生事故或电池内部压力超过阈值时，焊接在电池盖上的安全防爆阀会自动破裂并泄压，降低电池爆炸风险。因此，安全防爆阀的焊接质量决定了动力电池的整体安全和功能性能。但由于某些技术原因，如生产环境不理想、生产设备操作不当、制造工艺不规范等，产品表面难免会出现各种缺陷。缺陷包括焊洞，焊塌，焊高，部分漏焊，完全漏焊，防爆阀焊偏和防爆阀丢失七种类型。传统的表面焊接缺陷检测方法主要是根据工人的经验进行人工检测，具有较大的主观性，不可靠性，且难以实现大规模的准确检测。本发明通过计算机视觉的方案来自动检测激光焊接缺陷的位置、几何以及类别信息，具有高效稳定的特性，该缺陷检测方案可在大生产规模场景下得以广泛应用。

专利号CN107610085A提出了基于分水岭算法的视觉图像检测方法来对不锈钢表面的焊接缺陷进行检测。

在传统的图像检测中，人们需要花费大量的时间去提取特定缺陷的特征以及制定专用的缺陷匹配模板，通过制定好的模板去检测激光焊接中的缺陷。由于在焊接过程中，产生的缺陷具有复杂性和多样性，基于模板匹配的传统缺陷检测方案不能够完成有效的检测。基于机器学习的视觉检测方案相比于传统的检测有了很大的提升，但仍需人工进行缺陷特征的提取，因此仍具有主观性强、开发成本高和开发周期长等缺点。至今，基于深度学习的方法通过设计合适的网络可以很好地完成模板匹配不能够完成的缺陷检测任务。但目前，基于深度学习的缺陷检测方案大都是通过分类任务完成，无法很好地完成多类别缺陷的有效检测。

发明内容

为了解决上述技术问题，本发明提供了一种新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，包括以下步骤：

S100采用检测算法模型部署在焊接平台的缺陷检测设备中；

S200采集新能源动力电池安全防爆阀激光焊接表面的实时图像；

S300将实时图像输入检测算法模型，实现缺陷检测，并标记出缺陷的位置信息、几何信息及类别信息；

所述检测算法模型通过以下步骤得到：

S110构建检测算法初步模型，引入多个优化的空间金字塔池化层和跨层连接融合层进行网络的优化；

S120将优化后的检测算法初步模型在数据集中进行模型训练，将训练好的模型参数保存下来；

S130通过通道剪枝技术对训练后的检测算法初步模型进行塑形，得到检测算法模型。

可选的，在S110步骤中，所述检测算法初步模型采用YOLOv3模型。

可选的，在S120步骤中，所述数据集包括训练集、验证集和测试集，获得方式如下：

通过工业相机采集涵盖所有焊接缺陷类别的缺陷样本图像，再将缺陷样本图像按比例随机分为训练集、验证集和测试集。

可选的，在S120步骤中，所述缺陷样本图像不少于一万张，所述训练集、验证集和测试集的缺陷样本图像数据比例为8：1：1。