[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

说明书

本申请公开了一种基于机器学习极耳检测方法、装置及计算机可读存储介质，所述极耳检测方法包括：获取极耳断裂及有断裂风险时的各风险图像特征，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。

技术领域

本申请涉及电池的检测领域，具体涉及基于机器学习的极耳的检测方法、装置及计算机可读存储介质。

背景技术

当前，在电池组装过程中，极耳经过裁切、整形、激光焊机、弯折等工序后，会存在极耳断裂的问题，极耳断裂会直接导致产品报废，如果流出至客户端会导致严重的品质事件。目前采用在装配工序通过人工抽检的方法，以检出极耳断裂的不良品，但这种方法速度慢、效率低、检出率低，无法保证百分百检出极耳断裂的不良品。

发明内容

有鉴于此，有必要提供一种极耳的检测方法、装置及计算机可读存储介质。

一种基于机器学习的极耳检测方法，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。在一些实施例中，所述极耳检测方法还包括：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。

在一些实施例中，所述极耳检测方法还包括：所述判断结果为极耳已断裂或存在断裂风险时，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。

在一些实施例中，所述极耳检测方法还包括：利用所述改善设备对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。

在一些实施例中，所述极耳检测方法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、风险图像特征、风险原因及改善方案。

在一些实施例中，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。

在一些实施例中，所述极耳检测方法还包括：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。

在一些实施例中，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。

一种极耳检测装置，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；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上述检测方法。

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上述所述检测方法。

上述基于机器学习极耳检测方法、装置及计算机可读存储介质通过基于机器学习各极耳的风险图像特征，然后依此对获取待检极耳的图像进行处理分析得出断裂判断结果，并且通过基于机器学习风险图像特征，实现自主学习极耳断裂的风险图像特征，使极耳检测智能化、检测精准度高。

附图说明

图1为本申请的极耳检测装置在一实施例中的功能模块图。

图2为本申请的极耳检测装置中反馈系统的功能模块图。