极耳翻折检测方法及装置、设备、存储介质与流程

本申请实施例涉及图像处理技术，涉及但不限于一种极耳翻折检测方法及装置、设备、存储介质。

背景技术：

1、锂电池生产过程中，卷绕和叠片是中段电芯装配工序中的最核心的环节，这是两种不同的电芯制作工艺。其中，卷绕工艺以其在电芯一致性和生产成本方面具有较明显的优势，成为电芯装配工序的主流工艺。

2、所谓卷绕工艺，是指将尺寸相匹配的极片及隔膜、终止胶带等卷成电芯的一种生产工艺。卷绕工艺生产出的机芯，正负极片是连续的。卷绕后正负极耳位于极片上方，每绕一圈包含一个正极极耳和一个负极极耳，正极耳和负极耳的材质分别是铝、铜，在卷绕过程中，这两个极耳容易发生翻折、褶皱等，从而影响电芯的质量安全和外观。

3、作为电池安全的一道重要关卡，极耳翻折对电池品质有严重影响甚至引发安全隐患，因此，对极耳的翻折情况进行精准检测，是行业的难点之一。

技术实现思路

1、有鉴于此，本申请实施例提供的极耳翻折检测方法及装置、设备、存储介质，能够精准识别出极耳的翻折情况。本申请实施例提供的极耳翻折检测方法及装置、设备、存储介质是这样实现的：

2、第一方面，本申请实施例提供一种极耳翻折检测方法，包括：

3、获取待检测图像，所述待检测图像中包括极耳和隔膜；

4、将所述待检测图像输入检测模型，得到所述极耳的目标检测框和所述目标检测框的参数信息，所述参数信息包括所述目标检测框的位置；

5、确定所述待检测图像中隔膜的边缘位置；

6、根据所述目标检测框的参数信息和所述边缘位置，确定所述极耳的翻折情况，所述翻折情况包括极耳内翻、极耳外翻、极耳褶皱、极耳翘起或未翻折中的一种。

7、在一些实施例中，所述检测模型包括顺次连接的预处理模块、特征提取模块和预测模块，所述将所述待检测图像输入检测模型，得到所述极耳的目标检测框和所述目标检测框的参数信息，包括：

8、通过所述预处理模块，对所述待检测图像进行预处理，得到输入图像，所述输入图像为尺寸满足预设需求的图像；

9、通过所述特征提取模块，对所述输入图像进行特征提取，得到特征提取图像；

10、通过所述预测模块，对所述特征提取图像进行预测处理，得到所述极耳对应的目标检测框以及所述目标检测框的位置。

11、在一些实施例中，所述参数信息还包括所述检测框的类别和所述检测框的置信度，所述对所述特征提取图像进行预测处理，得到所述极耳对应的目标检测框，包括：

12、将所述特征提取图像输入所述预测模块，得到所述极耳对应的至少一个候选检测框以及每一所述候选检测框的目标参数；

13、根据每一所述候选检测框的类别和置信度，对所述至少一个候选检测框进行筛选处理，得到所述极耳对应的目标检测框。

14、在一些实施例中，所述根据每一所述候选检测框的类别和置信度，对所述至少一个候选检测框进行筛选处理，得到所述极耳对应的目标检测框，包括：

15、根据每一所述候选检测框的类别，对所述至少一个候选检测框进行非极大值抑制处理，得到至少一个中间检测框，每一所述中间检测框的类别相同，所述中间检测框的数量小于所述候选检测框的数量；

16、确定置信度最大的中间检测框为所述极耳对应的目标检测框。

17、在一些实施例中，所述确定所述待检测图像中隔膜的边缘位置，包括：

18、对所述待检测图像进行滤波处理，得到滤波图像；

19、根据所述滤波图像中每一像素点的梯度值的梯度强度和方向，识别所述滤波图像中的第一候选边缘；

20、对所述第一候选边缘进行非极大值抑制处理，得到第二候选边缘，所述第二候选边缘的数量小于或等于所述第一候选边缘的数量；

21、根据预设的第一筛选阈值和第二筛选阈值，对所述第二候选边缘进行筛选，得到所述隔膜对应的目标边缘，所述目标边缘的位置为所述隔膜的边缘位置，所述第一筛选阈值小于所述第二筛选阈值。

22、在一些实施例中，所述目标检测框的参数信息中还包括所述目标检测框的类别，所述根据所述目标检测框的参数信息和所述边缘位置，确定所述极耳的翻折情况，包括：

23、根据所述目标检测框的目标框线的位置和所述边缘位置，确定所述目标检测框与所述隔膜之间的距离；

24、在所述距离小于预设的距离阈值的情况下，确定所述极耳的翻折情况为未翻折；

25、在所述距离大于或等于所述预设的距离阈值的情况下，确定所述极耳的翻折情况为所述目标检测框的类别所指示的翻折情况，所述目标检测框的类别包括极耳内翻、极耳外翻、极耳褶皱或极耳翘起中的一种。

26、在一些实施例中，所述检测模型为基于单个神经网络的目标检测模型，在所述待检测图像中包括正极耳和负极耳的情况下，所述极耳的翻折情况包括所述正极耳的翻折情况和所述负极耳的翻折情况。

27、第二方面，本申请实施例提供一种极耳翻折检测装置，包括：

28、获取模块，用于获取待检测图像，所述待检测图像中包括极耳和隔膜；

29、检测模块，用于将所述待检测图像输入检测模型，得到所述极耳的目标检测框和所述目标检测框的参数信息，所述参数信息包括所述目标检测框的位置；

30、确定模块，用于确定所述待检测图像中隔膜的边缘位置；根据所述目标检测框的参数信息和所述边缘位置，确定所述极耳的翻折情况，所述翻折情况包括极耳内翻、极耳外翻、极耳褶皱、极耳翘起或未翻折中的一种。

31、第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请实施例所述的方法。

32、第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的所述的方法。

33、本申请实施例所提供的极耳翻折检测方法、装置、计算机设备和计算机可读存储介质，通过获取包括极耳和隔膜的待检测图像，并将待检测图像输入检测模型中，先确定出极耳的目标检测框和目标检测框的位置，再确定待检测图像中的隔膜的边缘位置，最后根据极耳的目标检测框的位置和隔膜的边缘位置，确定极耳的翻折情况，且该翻折情况划分为极耳内翻、极耳外翻、极耳褶皱、极耳翘起或未翻折多种情况。

34、在本申请实施例中，一方面，利用检测模型精准识别极耳的位置，且根据极耳的位置和隔膜的位置，共同确定极耳的翻折情况，能够提高对极耳的翻折情况的检测准确度；另一方面，在确定极耳的翻折情况时，对极耳的翻折开启进行了更为细致的划分，增加了划分类别，从而进一步提高了对极耳的翻折情况的检测准确度，解决背景技术中所提出的技术问题。

技术特征：

1.一种极耳翻折检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述检测模型包括顺次连接的预处理模块、特征提取模块和预测模块，所述将所述待检测图像输入检测模型，得到所述极耳的目标检测框和所述目标检测框的参数信息，包括：

3.根据权利要求2所述的方法，其特征在于，所述参数信息还包括所述检测框的类别和所述检测框的置信度，所述对所述特征提取图像进行预测处理，得到所述极耳对应的目标检测框，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据每一所述候选检测框的类别和置信度，对所述至少一个候选检测框进行筛选处理，得到所述极耳对应的目标检测框，包括：

5.根据权利要求1所述的方法，其特征在于，所述确定所述待检测图像中隔膜的边缘位置，包括：

6.根据权利要求5所述的方法，其特征在于，所述目标检测框的参数信息中还包括所述目标检测框的类别，所述根据所述目标检测框的参数信息和所述边缘位置，确定所述极耳的翻折情况，包括：

7.根据权利要求1至6任一项所述的方法，其特征在于，所述检测模型为基于单个神经网络的目标检测模型，在所述待检测图像中包括正极耳和负极耳的情况下，所述极耳的翻折情况包括所述正极耳的翻折情况和所述负极耳的翻折情况。

8.一种极耳翻折检测装置，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。

技术总结本申请实施例公开了一种极耳翻折检测方法及装置、设备、存储介质，包括：获取待检测图像，待检测图像中包括极耳和隔膜；将待检测图像输入检测模型，得到极耳的目标检测框和目标检测框的参数信息，参数信息包括目标检测框的位置；确定待检测图像中隔膜的边缘位置；根据目标检测框的参数信息和边缘位置，确定极耳的翻折情况，翻折情况包括极耳内翻、极耳外翻、极耳褶皱、极耳翘起或未翻折中的一种。能够精准识别出极耳的翻折情况。技术研发人员：请求不公布姓名受保护的技术使用者：上海先导慧能技术有限公司技术研发日：技术公布日：2024/9/9