(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 202210568474.0 (22)申请日 2022.05.23 (71)申请人 广东人工智能与先进计算研究院 地址 510530 广东省广州市黄埔区开源大 道11号B2栋801室 申请人 芯跳科技 （广州） 有限公司 (72)发明人 蒿杰　詹恒泽　梁俊　孙亚强　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 常芳 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/136(2017.01) G06T 7/194(2017.01)G06T 5/00(2006.01) G06T 5/30(2006.01) G06V 10/762(2022.01) (54)发明名称 一种电池极片表面缺陷检测方法、 装置、 设 备及产品 (57)摘要 本发明提供一种电池极片表面缺陷检测方 法、 装置、 设备及产品， 涉及工业缺陷检测技术领 域， 该方法包括以下步骤： 获取包含电池极片的 待检测图像， 并将所述待检测图像转化为单通道 的灰度图像； 提取所述灰度图像的图像边缘， 得 到梯度图像； 对所述梯度图像进行滤波去噪， 去 除所述梯度图像中的噪声点； 对 滤波去噪后的所 述梯度图像进行非极大值抑制处理， 得到二值化 图像； 根据每组类组的聚类中心以及与其邻近的 边缘点的类距离， 对所述二值化图像进行聚类缺 陷检测， 得到所述待检测图像的表面缺陷结果。 本发明能够通过上位机等控制系统进行调整速 率和各项参数的优化， 实现形成一个高效而 稳定 的电池极片缺陷检测及处 理方案。 权利要求书3页 说明书13页 附图8页 CN 115035050 A 2022.09.09 CN 115035050 A 1.一种电池极片表面 缺陷检测方法， 其特 征在于， 包括以下步骤： 获取包含电池极片的待检测图像， 并将所述待检测图像转 化为单通道的灰度图像； 提取所述灰度图像的图像边 缘， 得到梯度图像； 对所述梯度图像进行 滤波去噪， 去除所述梯度图像中的噪声点； 对滤波去噪后的所述梯度图像进行非极大值抑制处理， 得到二值化图像； 其中， 所述二 值化图像中非边 缘点的灰度值 为第一灰度值， 边 缘点的灰度值 为第二灰度值； 根据每组类组的聚类中心以及与其邻 近的边缘点的类距离， 对所述二值化图像进行聚 类缺陷检测， 得到所述待检测图像的表面 缺陷结果。 2.根据权利要求1所述的电池极片表面缺陷检测方法， 其特征在于， 所述提取所述灰度 图像的图像边 缘， 得到梯度图像， 具体包括以下步骤： 对所述灰度图像作第 一边缘检测处理， 得到所述灰度图像的每个像素点对应的第 一梯 度幅值和第一梯度方向； 其中， 所述第一边缘检测处理为基于S charr算子， 采用第一预设尺 寸邻域的一阶偏导的差分进行处 理； 对经过所述第 一边缘检测处理 的所述灰度图像作第 二边缘检测处理， 得到所述灰度图 像的每个像素点对应的第二梯度幅值和 第二梯度方向， 以及所述梯度图像； 其中， 所述第二 边缘检测处 理为基于 Canny算子， 采用二阶范 数进行处 理。 3.根据权利要求2所述的电池极片表面缺陷检测方法， 其特征在于， 所述对滤波去噪后 的所述梯度图像进行非极大值抑制处 理， 得到二 值化图像， 具体包括以下步骤： 采用第二预设尺寸， 在包含预设数量方向的邻域上对所述第 二梯度幅值阵列的所有像 素点沿所述第二梯度方向进行 所述第二幅值梯度的插值； 判断邻域中心点的所述第二梯度幅值与所述第二梯度方向上的两个相邻插值的关系； 若所述邻域中心点的所述第 二梯度幅值大于所述第 二梯度方向上的两个相邻插值， 则 将所述邻域中心点作为 候选边缘点； 若所述邻域中心点的所述第 二梯度幅值不大于所述第 二梯度方向上的两个相邻插值， 为所述邻域中心点的灰度值赋予第一灰度值； 获取所述候选边缘点的所述第 二梯度幅值与第 一阈值、 第 二阈值的关系； 其中， 所述第 一阈值大于所述第二阈值； 若所述候选边缘点的所述第 二梯度幅值大于所述第 一阈值， 则将所述候选边缘点作为 边缘点， 并为所述 边缘点的灰度值赋予第二灰度值； 若所述候选边缘点的所述第 二梯度幅值小于所述第 二阈值， 为所述候选边缘点的灰度 值赋予第一灰度值； 若所述候选边缘点的所述第 二梯度幅值介于所述第 一阈值和所述第 二阈值之间， 判断 所述候选边缘点的邻接像素点的所述第二梯度幅值与所述第一阈值、 所述第二阈值的关 系； 若存在所述邻 接像素点的所述第 二梯度幅值大于所述第 一阈值， 则将该邻 接像素点作 为所述边缘点， 并为所述 边缘点的灰度值赋予第二灰度值。 4.根据权利要求3所述的电池极片表面缺陷检测方法， 其特征在于， 所述根据每组类组 的聚类中心以及与其邻近的边缘点的类距离， 对所述二值化图像进行聚类缺陷检测， 得到 所述待检测图像的表面 缺陷结果， 具体包括以下步骤：权　利　要　求　书 1/3 页 2 CN 115035050 A 2将所述边缘点的离散边缘点三元组组成边缘点结构体； 其中， 所述离散边缘点三元组 包括所述 边缘点、 所述边缘点的所述第二梯度幅值和所述 边缘点的所述第二梯度方向； 将所述边缘点结构体等分为若干所述类组， 并在每组所述类组中随机抽取一个所述边 缘点作为所述聚类中心； 其中， 所述类组初始状态下的聚类点 集合为空集； 判断所述聚类中心与所述聚类中心邻近的所述 边缘点的类距离是否在预设距离内； 若在所述预设距离内， 则将邻近的所述 边缘点纳入所述聚类中心所属的所述类组内； 若不在所述预设距离 内， 则判断所述 聚类中心所属的所述类组内是否存在一个所述边 缘点， 使得该所述边缘点与该所述类组纳 入的所有所述边缘点的所述类距离均在所述预设 距离内； 若存在所述边缘点， 则将所述边缘点更新为该类组的所述聚类中心， 并将邻近的所述 边缘点纳入所述聚类中心所属的所述类组内； 若不存在所述 边缘点， 则删除该所述类组以及所述类组纳入的所有所述 边缘点； 删除不满足预设面积的所述类组， 得到所述待检测图像的表面 缺陷结果。 5.根据权利要求1所述的电池极片表面缺陷检测方法， 其特征在于， 所述获取包含电池 极耳的待检测图像， 并将所述待检测图像转 化为单通道的灰度图像， 具体包括以下步骤： 获取包含电池的原 始图像； 将所述原始图像输入至图像分割模型中， 得到所述图像分割模型输出的图像分割结 果； 其中， 所述图像分割模 型是基于包含有电池的样本图像训练得到的， 所述图像 分割结果 包括电池的极片区域图像、 极耳区域图像以及背景区域图像； 对所述图像分割结果进行细化处理， 得到所述待检测图像； 其中， 所述细化处理为对所 述图像分割结果 通过图像形态学进行扩张和腐蚀； 将所述待检测图像转 化为单通道的所述灰度图像。 6.根据权利要求5所述的电池极片表面缺陷检测方法， 其特征在于， 该方法在所述将所 述原始图像输入至图像分割模型中， 得到所述图像分割模型输出的图像分割结果步骤之 前， 还包括以下步骤： 对所述原始图像进行预处理； 其中， 所述预处理为标准化所述原始图像， 将所述原始图 像中每个像素点存到缓冲器中。 7.一种电池极片表面 缺陷检测装置， 其特 征在于， 包括： 获取模块， 用于获取包含电池极片的待检测图像， 并将所述待检测图像转化为单通道 的灰度图像； 提取边缘模块， 用于提取 所述灰度图像的图像边 缘， 得到梯度图像； 滤波去噪模块， 用于对所述梯度图像进行 滤波去噪， 去除所述梯度图像中的噪声点； 二值化模块， 用于对滤波去噪后的所述梯度图像进行非极大值抑制处理， 得到二值化 图像； 其中， 所述 二值化图像中非边 缘点为第一灰度值， 边 缘点为第二灰度值； 类组处理模块， 用于根据每组类组的聚类中心以及与其邻近的边缘点的类距离， 对所 述二值化图像进行聚类缺陷检测， 得到所述待检测图像的表面 缺陷结果。 8.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 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如权利要求1至6任一项所 述电池极片表面 缺陷检测方法的步骤。权　利　要　求　书 2/3 页 3 CN 115035050 A 3