(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210689202.6 (22)申请日 2022.06.17 (71)申请人 深圳市菲尼基科技有限公司 地址 518172 广东省深圳市龙岗区宝龙街 道宝龙社区宝荷大道76号智慧家园二 期3A一单 元2303 (72)发明人 王秦英　李斌　区志伟　陈柯宇　 (74)专利代理 机构 深圳汉林汇融知识产权代理 事务所(普通 合伙) 44850 专利代理师 吴洪波 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/30(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 5/00(2006.01) (54)发明名称 基于图像的锂电池缺陷检测方法、 装置、 设 备及存储介质 (57)摘要 本发明涉及人工智能领域， 公开了一种基于 图像的锂电池缺陷检测方法、 装置、 设备及存储 介质， 用于提高锂电池缺陷检测的准确率。 所述 方法包括： 将正负极图像输入预置的正负极偏差 检测模型进行正负极偏差检测， 得到正负极偏差 检测结果； 将绝缘膜间隙图像输入 预置的绝缘膜 间隙检测模 型进行绝缘膜间隙检测， 得到绝缘膜 间隙检测结果； 将绝缘膜图像输入 预置的绝缘膜 异常检测模 型进行绝缘膜异常检测， 得到绝缘膜 异常检测结果； 根据正负极偏差检测结果、 绝缘 膜间隙检测结果和绝缘膜异常检测结果生成待 检测锂电池 对应的锂电池缺陷检测结果。 权利要求书3页 说明书14页 附图4页 CN 114782429 A 2022.07.22 CN 114782429 A 1.一种基于 图像的锂电池缺陷检测方法， 其特征在于， 所述基于图像的锂电池缺陷检 测方法包括： 设置图像采集终端的图像采集参数， 并基于所述图像采集终端和预设的正负极点位信 息采集待检测锂电池的第一检测图像， 以及根据预置的绝缘膜点位信息采集所述待检测锂 电池的第二检测图像， 其中， 所述第一检测图像包含所述待检测锂电池的正负极， 所述第二 检测图像包 含所述待检测锂电池的绝 缘膜； 对所述第一检测图像进行降噪和裁剪， 得到正负极图像， 并对所述第二检测图像进行 降噪和图像分割处 理， 得到绝 缘膜间隙图像和绝 缘膜图像； 将所述正负极图像输入预置的正负极偏差检测模型进行正负极偏差检测， 得到正负极 偏差检测结果， 其中， 所述 正负极偏差检测结果包括： 偏差大和偏差小； 将所述绝缘膜间 隙图像输入预置的绝缘膜间 隙检测模型进行绝缘膜间 隙检测， 得到绝 缘膜间隙检测结果， 其中， 所述 绝缘膜间隙检测结果包括： 间隙宽和间隙窄； 将所述绝缘膜图像输入预置的绝缘膜异常检测模型进行绝缘膜异常检测， 得到绝缘膜 异常检测结果， 其中， 所述绝缘膜异常检测结果包括： 绝缘膜破损、 绝缘膜丢失和绝缘膜褶 皱； 提取所述正负极偏差检测结果、 所述绝缘膜间 隙检测结果和所述绝缘膜异常检测结果 中的缺陷区域， 并计算所述缺陷区域的特征值， 以及根据所述特征值对所述缺陷区域进行 分类存储并生成所述待检测锂电池 对应的锂电池缺陷检测结果。 2.根据权利要求1所述的基于图像的锂电池缺陷检测方法， 其特征在于， 所述对所述第 一检测图像进行降噪和裁剪， 得到正负极图像， 并对所述第二检测图像进行降噪和图像分 割处理， 得到绝 缘膜间隙图像和绝 缘膜图像， 包括： 将所述第一检测图像输入预置的ED SR模型进行噪声 去除， 得到第一高清检测图像； 对所述第一高清检测图像按照预设的图像尺寸进行裁 剪， 得到正负极图像； 将所述第二检测图像输入所述ED SR模型进行噪声 去除， 得到第二高清检测图像； 对所述第二高清检测图像进行区域检测， 得到绝 缘膜区域和绝 缘膜间隙区域； 根据所述绝缘膜区域和所述绝缘膜间 隙区域对所述第 二高清检测图像进行区域分割， 得到绝缘膜间隙图像和绝 缘膜图像。 3.根据权利要求1所述的基于图像的锂电池缺陷检测方法， 其特征在于， 所述将所述正 负极图像输入预置的正负极偏差检测模型进行正负极偏差检测， 得到正负极偏差检测结 果， 其中， 所述 正负极偏差检测结果包括： 偏差大和偏差小， 包括： 将所述正负极图像输入预置的正负极偏差检测模型， 其中， 所述正负极偏差检测模型 包括： Dark net‑53网络、 Batc h NonIlalization层、 隐藏层和输出层； 将所述正负极图像输入所述Dark net‑53网络进行 特征提取， 得到正负极特 征图像； 将所述正负极特征图像输入所述Batch  NonIlalization层进行批量归一化处理， 得到 规范化特 征图像； 将所述规范化特 征图像输入所述隐藏层进行 特征叠加， 得到细粒度的特 征图； 将所述细粒度的特征图输入所述输出层进行正负极偏差点预测， 得到正负极像素点预 测图像； 根据所述正负极像素点预测图像生成所述正负极图像对应的正负极偏差检测结果， 其权　利　要　求　书 1/3 页 2 CN 114782429 A 2中， 所述正负极偏差检测结果包括： 偏差大和偏差小。 4.根据权利要求3所述的基于图像的锂电池缺陷检测方法， 其特征在于， 所述根据 所述 正负极像素点预测图像生成所述正负极图像对应的正负极偏差检测结果， 其中， 所述正负 极偏差检测结果包括： 偏差大和偏差小， 包括： 提取所述正负极像素点预测图像中的多个正极像素点和多个负极像素点； 对所述多个正极像素点和所述多个负极像素点进行像素级分类比较， 得到正负极偏差 检测结果， 其中， 所述 正负极偏差检测结果包括： 偏差大和偏差小。 5.根据权利要求1所述的基于图像的锂电池缺陷检测方法， 其特征在于， 所述将所述绝 缘膜间隙图像输入预置的绝缘膜间隙检测模型进 行绝缘膜间隙检测， 得到绝缘膜间隙检测 结果， 其中， 所述 绝缘膜间隙检测结果包括： 间隙宽和间隙窄， 包括： 将所述绝缘膜间隙图像输入预置的绝缘膜间隙检测模型， 其中， 所述绝缘膜间隙检测 模型包括： 目标 特征提取网络、 RPN网络、 ROI  Align层和FCN网络； 将所述绝缘膜间 隙图像输入所述目标特征提取网络进行特征提取， 得到绝缘膜间 隙特 征图； 将所述绝缘膜间隙特征图输入所述RPN网络， 通过所述RPN网络根据预置的锚框信息生 成所述绝缘膜间隙特 征图对应的预选 框； 将所述预选框和所述绝缘膜间隙特征图输入所述ROI  Align层， 并通过所述ROI  Align 层对所述预选框和绝缘膜间隙特征图进行特征融合， 并对所述预选框进 行分割和端点的池 化， 得到绝 缘膜间隙特 征标注图； 将所述绝缘膜间隙特征标注图输入所述FCN网络， 并通过所述FCN网络对所述绝缘膜间 隙特征标注图的各个 像素点进行 预测， 得到绝 缘膜间隙像素点预测结果并输出； 根据所述绝缘膜间隙像素点预测结果生成所述绝缘膜间隙图像对应的绝缘膜间隙检 测结果， 其中， 所述 绝缘膜间隙检测结果包括： 间隙宽和间隙窄。 6.根据权利要求5所述的基于图像的锂电池缺陷检测方法， 其特征在于， 所述根据 所述 绝缘膜间隙像素点预测结果生成所述绝缘膜间隙图像对应的绝缘膜间隙检测结果， 其中， 所述绝缘膜间隙检测结果包括： 间隙宽和间隙窄， 包括： 对所述绝缘膜间隙像素点预测结果进行间隙距离测量， 得到目标间隙宽度； 对所述目标间隙宽度和预设的间隙阈值进行比较， 得到间隙比较结果； 根据所述绝缘膜间隙像素点预测结果根据所述间隙比较结果生成绝缘膜间隙检测结 果， 其中， 所述 绝缘膜间隙检测结果包括： 间隙宽和间隙窄。 7.根据权利要求1 ‑6中任一项所述的基于图像的锂电池缺陷检测方法， 其特征在于， 所 述将所述绝缘膜图像输入预置的绝缘膜异常检测模型进行绝缘膜异常检测， 得到绝缘膜异 常检测结果， 其中， 所述绝缘膜异常检测结果包括： 绝缘膜破损、 绝缘膜丢失和绝缘膜褶皱， 包括： 将所述绝缘膜图像输入预置的绝缘膜异常检测模型， 其中， 所述绝缘膜异常检测模型 包括： 卷积网络、 多个残差网络和输出层； 通过所述卷积网络对所述 绝缘膜图像进行 卷积运算， 得到高维绝 缘膜图像； 将所述高维绝 缘膜图像输入所述多个残差网络进行残差处 理， 得到特 征绝缘膜图像； 将所述特征绝缘膜图像输入所述输出层进行绝缘膜像素点检测， 生成绝缘膜异常检测权　利　要　求　书 2/3 页 3 CN 114782429 A 3