[发明专利]一种电池焊点缺陷的检测方法及装置

权利要求书

1.一种电池焊点缺陷的检测方法，其特征在于，包括：

S1：获取电池焊接的全局图像，在所述全局图像中确定疑似焊点区域和非疑似焊点区域，并提取第一待测焊点；

S2：利用深度学习网络在所述非疑似焊点区域中进行二次检测，确定是否存在第二待测焊点；

S3：构建所有待测焊点的三维重建模型，并基于对标准焊点和所有待测焊点的三维比对，获得所述待测焊点对应的类别形态特征；

S4：基于所述待测焊点的类别形态特征和深度神经网络分类模型，获得所述待测焊点的缺陷检测结果。

2.根据权利要求1所述的一种电池焊点缺陷的检测方法，其特征在于，获取电池焊接的全局图像，在所述全局图像中确定疑似焊点区域和非疑似焊点区域，包括：

获取电池焊接的N个不同局部图像，以对比度、饱和度和亮度为融合因子确定N个局部图像的第一权重值，并基于所述第一权重值将N个局部图像进行加权融合，获得电池焊接的全局图像；

基于预设轮廓提取算法提取所述全局图像的轮廓，按照顺时针方向对所述轮廓做多边形拟合，并将每条拟合线段矢量化获得对应的向量；

确定与当前拟合线段对应的第一向量和相邻的两条拟合线段对应的第二向量之间的矢量角，若所述矢量角在有效矢量角范围内，则保留所述当前拟合线段和对应相邻的两条拟合线段为一段有效轮廓线段，直至确定出所有的有效轮廓线段；

对所述有效轮廓线段按照预设椭圆拟合算法拟合获得拟合弧线和对应的椭圆表达式，获得所述拟合弧线上每个点到所述椭圆表达式对应中心点的距离，当所述距离小于预设距离阈值时，则所述拟合弧线为有效轮廓弧线，否则，将所述拟合弧线删除，直至筛选出所有拟合弧线中的有效轮廓弧线；

确定所述距离最小的四段拟合弧线中最长的一段有效弧线作为基准有效弧线，基于所述基准有效轮廓弧线和剩余有效轮廓弧线以及预设椭圆拟合算法拟合获得最佳轮廓线；

获取所述最佳轮廓线上的像素点对应的第一平均像素值、所述最佳轮廓线包围区域的第二平均像素值、所述最佳轮廓线外的区域内的第三平均像素值；

当所述第一平均像素值和所述第二平均像素值的第一差值、所述第一平均像素值和所述第三平均像素值的第二差值都大于预设差值阈值时，获取所述最佳轮廓线的第一参数、第二参数和第三参数；

若第一参数、第二参数和第三参数均在对应的第一参数范围、第二参数范围、第三参数范围，则判定所述最佳轮廓线合格，否则，判定所述最佳轮廓线不合格；

当判定所述最佳轮廓线合格时，将所述最佳轮廓线的外接矩形作为第一疑似焊点区域；

并将所述全局图像中的剩余区域作为非疑似焊点区域。

3.根据权利要求2所述的一种电池焊点缺陷的检测方法，其特征在于，将所述全局图像中的剩余区域作为非疑似焊点区域之后，还包括：

获得所述疑似焊点区域对应的第一图像；

对所述第一图像进行预处理，获取所述第一图像的第一参数信息，根据所述第一参数信息将所述第一图像分为第一待处理图像和第二待处理图像；

基于预设规则将所述第一待处理图像分割成M个待处理子图像，分别获取所述待处理子图像的第二参数信息，基于所述第二参数信息确定每个待处理子图像对应的降噪系数，并对所述降噪系数进行递归滤波，确定每个待处理子图像的降噪权值；

基于所述降噪权值对所述第一待处理图像进行降噪，获得第一处理图像；

获取所述第二待处理图像中每个像素点的第一像素值；

将所述第一像素值大于预设像素值对应的第一像素点进行反向修正，将所述第一像素值小于预设像素值对应的第二像素点进行正向修正，获得修正图像；

获取所述修正图像中的每个像素点的第二像素值，基于所述第二像素值对所述修正图像进行平滑度检测，获得平滑参数；

基于所述平滑参数对所述修正图像进行平滑处理，获得第二处理图像；

获取所述第一处理图像对应的第一特征图像，并获取所述第二处理图像对应的第二特征图像；

将所述第一特征图像和所述第二特征图像进行特征重构，获得所述疑似焊点区域的特征图像；

对所述特征图像进行主成分分析，得到降维特征数据，并对所述降维特征数据进行深度学习分类，提取出第一缺陷焊点。