电池缺陷检测装置、方法和系统与流程

本文公开的实施例涉及电池缺陷检测装置、方法和系统。

背景技术：

1、近年来，随着对诸如膝上型计算机、摄像机和移动电话的便携式电子产品的需求已经快速增长，以及电动车辆、用于储能的电池、机器人、卫星等的发展已经突飞猛进，正在积极进行对可重复充电和放电的高性能电池的研究。

2、目前市售电池包括镍镉电池、镍氢电池、镍锌电池、锂电池等，在它们当中，与镍基电池相比，锂电池因其由于小记忆效应而自由充电和放电、非常低的自放电率和高能量密度的优点而备受关注。

技术实现思路

1、[技术问题]

2、在电池制造和组装过程中，由于电池外壳的密封部分的变形、挤压或损坏等，可能发生电池袋的外观缺陷（例如，压边、凹痕、划痕、皱纹、电解液污染等）。由于袋的外观缺陷可能影响电池的可靠性和/或安全性，因此在电池的分发之前检测电池（例如，袋）的缺陷是重要的。

3、为了检测电池（例如，袋）的外观缺陷，通常使用的外观检查器收集并学习良好产品类型和有缺陷产品类型的每个图像并检查已经经历制造和组装过程的电池是否存在外观缺陷。然而，当出现新类型而不是现有已知类型的缺陷时，电池可能被确定为良好产品。此外，在袋制造和组装过程中，新类型的缺陷率低，使得难以收集适合于外观检查器的学习的有缺陷产品图像。

4、因此，本公开旨在通过补充新缺陷类型的检测不确定性来防止缺陷泄漏。本公开的其他目的和优点可以通过下面的描述来理解，并且将通过本公开的实施例来更清楚地理解。此外，将容易理解的是，本公开的目的和优点可以通过权利要求中提供的装置及其组合来实现。

5、[技术方案]

6、根据本文公开的一个实施例的电池缺陷检测装置包括通信模块、处理器、以及存储器，存储器被配置为存储第一人工智能模型、第二人工智能模型、以及指令，其中指令在由处理器执行时使电池缺陷检测装置通过使用通信模块获得对象产品的图像，将对象产品的图像输入到第一人工智能模型以对对象产品进行分类，以及在对象产品被分类为正常时，将对象产品的图像输入到第二人工智能模型以确定对象产品的图像是否对应于第一人工智能模型的学习数据当中用于将对象产品分类为正常的第一数据。

7、根据一个实施例，指令可以在由处理器执行时使电池缺陷检测装置在图像不对应于第一数据时将对象产品重新分类为有缺陷。

8、根据一个实施例，指令可以在由处理器执行时使电池缺陷检测装置在图像不对应于第一数据时将图像确定为用于将对象产品分类为有缺陷的第二数据。

9、根据一个实施例，指令可以在由处理器执行时使电池缺陷检测装置基于第二数据来训练第一人工智能模型。

10、根据一个实施例，对象产品的图像可以由图像获得设备通过多个渠道（channel）获得。

11、根据一个实施例，指令可以在由处理器执行时使电池缺陷检测装置通过第二人工智能模型获得图像与第一数据之间的相似度并且基于相似度将对象产品重新分类为有缺陷或正常。

12、根据一个实施例，指令可以在由处理器执行时使电池缺陷检测装置在图像的相似度小于预设参考值时将图像确定为用于将对象产品分类为有缺陷的第二数据。

13、根据一个实施例，指令可以在由处理器执行时使电池缺陷检测装置基于第二数据来训练第一人工智能模型。

14、根据本文公开的一个实施例的电池缺陷检测方法包括获得对象产品的图像，将对象产品的图像输入到第一人工智能模型以对对象产品进行分类，以及在对象产品被分类为正常时，将对象产品的图像输入到第二人工智能模型以确定对象产品的图像是否对应于第一人工智能模型的学习数据当中用于将对象产品分类为正常的第一数据。

15、根据一个实施例，电池缺陷检测方法可以进一步包括在图像不对应于第一数据时将对象产品重新分类为有缺陷。

16、根据一个实施例，电池缺陷检测方法可以进一步包括在图像不对应于第一数据时将图像确定为用于将对象产品分类为有缺陷的第二数据。

17、根据一个实施例，电池缺陷检测方法可以进一步包括基于第二数据来训练第一人工智能模型。

18、根据一个实施例，对象产品的图像可以由图像获得设备通过多个渠道获得。

19、根据一个实施例，电池缺陷检测方法可以进一步包括通过第二人工智能模型获得图像与第一数据之间的相似度并且基于相似度将对象产品重新分类为有缺陷或正常。

20、根据一个实施例，电池缺陷检测方法可以进一步包括在图像的相似度小于预设参考值时将图像确定为用于将对象产品分类为有缺陷的第二数据。

21、根据一个实施例，电池缺陷检测方法可以进一步包括基于第二数据来训练第一人工智能模型。

22、根据本文公开的一个实施例的电池缺陷检测系统包括：电池缺陷检测装置，该电池缺陷检测装置被配置为获得对象产品的图像并且通过使用第一人工智能模型对对象产品进行分类，第一人工智能模型使用对象产品的图像和先前存储的学习数据来训练；以及新缺陷检测设备，该新缺陷检测设备被配置为在对象产品被分类为正常时将对象产品的图像输入到第二人工智能模型以确定对象产品的图像是否对应于第一人工智能模型的学习数据当中用于将对象产品分类为正常的第一数据。

23、[有益效果]

24、根据本公开的电池缺陷检测装置可以检测未包括在先前存储的学习数据中的新类型的有缺陷产品，从而防止有缺陷产品的泄漏。

25、根据本公开的电池缺陷检测装置可以学习新类型的有缺陷产品的图像，从而提高缺陷检测的精度。

26、根据本公开的电池缺陷检测系统除了现有的缺陷检测装置之外还可以一起使用新缺陷检测装置，从而提高了引入新缺陷检测装置的便利性。

27、根据本文件的公开内容的电池缺陷检测装置、方法和系统的效果不限于上述效果，并且本领域普通技术人员根据本文件的公开内容将清楚地理解未提到的其他效果。

技术特征：

1.一种电池缺陷检测装置，包括：

2.根据权利要求1所述的电池缺陷检测装置，其中，所述指令在由所述处理器执行时使所述电池缺陷检测装置在所述图像不对应于所述第一数据时将所述对象产品重新分类为有缺陷。

3.根据权利要求1所述的电池缺陷检测装置，其中，所述指令在由所述处理器执行时使所述电池缺陷检测装置在所述图像不对应于所述第一数据时将所述图像确定为用于将所述对象产品分类为有缺陷的第二数据。

4.根据权利要求3所述的电池缺陷检测装置，其中，所述指令在由所述处理器执行时使所述电池缺陷检测装置基于所述第二数据来训练所述第一人工智能模型。

5.根据权利要求1所述的电池缺陷检测装置，其中，所述对象产品的所述图像由图像获得设备通过多个渠道获得。

6.根据权利要求1所述的电池缺陷检测装置，其中，所述指令在由所述处理器执行时使所述电池缺陷检测装置：

7.根据权利要求6所述的电池缺陷检测装置，其中，所述指令在由所述处理器执行时使所述电池缺陷检测装置在所述图像的所述相似度小于预设参考值时将所述图像确定为用于将所述对象产品分类为有缺陷的第二数据。

8.根据权利要求7所述的电池缺陷检测装置，其中，所述指令在由所述处理器执行时使所述电池缺陷检测装置基于所述第二数据来训练所述第一人工智能模型。

9.一种电池缺陷检测方法，包括：

10.根据权利要求9所述的电池缺陷检测方法，进一步包括在所述图像不对应于所述第一数据时将所述对象产品重新分类为有缺陷。

11.根据权利要求9所述的电池缺陷检测方法，进一步包括在所述图像不对应于所述第一数据时将所述图像确定为用于将所述对象产品分类为有缺陷的第二数据。

12.根据权利要求11所述的电池缺陷检测方法，进一步包括基于所述第二数据来训练所述第一人工智能模型。

13.根据权利要求9所述的电池缺陷检测方法，其中，所述对象产品的所述图像通过多个渠道获得。

14.根据权利要求9所述的电池缺陷检测方法，进一步包括：

15.根据权利要求14所述的电池缺陷检测方法，进一步包括在所述图像的所述相似度小于预设参考值时将所述图像确定为用于将所述对象产品分类为有缺陷的第二数据。

16.根据权利要求15所述的电池缺陷检测方法，进一步包括基于所述第二数据来训练所述第一人工智能模型。

17.一种电池缺陷检测系统，包括：

技术总结根据本文公开的一个实施例的电池缺陷检测装置包括通信模块、处理器、以及存储器，该存储器被配置为存储第一人工智能模型、第二人工智能模型、以及指令，其中指令在由处理器执行时使电池缺陷检测装置通过使用通信模块获得对象产品的图像，将对象产品的图像输入到第一人工智能模型以对对象产品进行分类，以及在对象产品被分类为正常时，将对象产品的图像输入到第二人工智能模型以确定对象产品的图像是否对应于第一人工智能模型的学习数据当中用于将对象产品分类为正常的第一数据。技术研发人员：卢泰振,李银珪,金正汉受保护的技术使用者：株式会社LG新能源技术研发日：技术公布日：2024/9/9