一种用于电芯生产的异常检测方法、系统、设备及介质与流程

本发明属于电池质量检测，特别涉及一种用于电芯生产的异常检测方法、系统、设备及介质。

背景技术：

1、在锂电池电芯的生产制造过程中，包胶工序中的包蓝膜的质量是决定电芯安全性和可靠性的关键指标。包胶工艺若出现褶皱、划痕、气泡、无垫片等缺陷，极易导致电芯在后续使用中发生短路、结构失效或模组难以成组，严重时甚至引发热失控等安全风险。

2、通过对当前主流包胶检测技术的深入分析，本发明人发现其存在以下难以克服的技术瓶颈：

3、1.现有的规则算法通常仅利用了轮廓仪输出的2d高程图中的平均高度或极值，忽略了蓝膜电芯表面的局部形态、边缘梯度以及空间分布特征，导致大量有效信息被浪费。

4、2.包胶异常表现形式多样，既包括明显的高度突变（如褶皱），也包括缓慢的凹陷或微小的气泡。传统的基于固定阈值或简单几何规则的算法无法覆盖所有异常模式，适应性差。

5、3.工业现场的轮廓仪采集的高程图常伴随随机噪声、条纹干扰或局部失真。直接将原始高程图输入模型会导致检测结果不稳定，而传统的去噪方法往往会在去除噪声的同时模糊掉微小的异常特征。

6、4.工业产线通常要求检测系统在毫秒级时间内完成判断。而高精度的3d轮廓数据（tif格式）数据量庞大，若采用复杂的深度学习模型直接处理，推理速度往往无法满足产线节拍。

7、5.现有的许多检测方案仅给出“合格（ok）”或“不合格（ng）”的二值判断，缺乏对异常类型、严重程度及具体尺寸的量化分析，无法为工艺工程师提供反向优化的依据。

技术实现思路

1、为了解决背景技术中的问题，本发明提出一种用于电芯生产的异常检测方法、系统、设备及介质。

2、为了实现上述目的，本发明采用以下技术方案：

3、一种用于电芯生产的异常检测方法，包括以下步骤：

4、对电芯包胶区域进行扫描，获取高程图；

5、对高程图进行预处理，得到伪彩色图像；

6、将伪彩色图像输入分割模型，得到包胶异常区域的二值掩膜以及目标检测框；

7、基于二值掩膜、目标检测框和高程图的像素坐标，计算包胶异常区域的异常参数；

8、将异常参数与工艺范围进行比对，基于对比结果进行异常等级划分，并生成包含包胶异常区域的坐标、类型和尺寸的数据。

9、进一步地，对电芯包胶区域进行扫描，获取高程图，包括以下步骤:

10、利用激光轮廓仪对电芯包胶区域进行扫描，获取32位浮点格式的2d高程图，2d高程图的每个像素值代表对应空间位置的真实高度。

11、进一步地，对高程图进行预处理，得到伪彩色图像，包括以下步骤：

12、对高程图执行高斯拉普拉斯运算，得到增强高程图；

13、将增强高程图进行限制对比度自适应直方图均衡化处理；

14、将直方图均衡化处理后的高程图映射为三通道伪彩色图像。

15、进一步地，将伪彩色图像输入分割模型，得到包胶异常区域的二值掩膜以及目标检测框，包括以下步骤：

16、对伪彩色图像进行归一化处理，并输入yolov11-seg分割模型；

17、基于yolov11-seg分割模型对归一化处理的伪彩色图像进行特征提取与融合，得到融合特征图；

18、将融合特征图输入yolov11-seg分割模型的检测头，输出边界框坐标、分类概率和掩膜系数；

19、对边界框坐标、分类概率和掩膜系数执行非极大值抑制，得到最优的边界框坐标、分类概率和掩膜系数；

20、通过最优掩膜系数得到原始分割掩膜，以最优边界框范围裁剪原始分割掩膜并缩放至高程图尺寸，生成与高程图像素对齐的包胶异常区域的二值掩膜；根据最优分类概率输出异常类别标签与对应置信度分数；

21、得到二值掩膜的同时，yolov11-seg分割模型输出包围包胶异常区域的目标检测框。

22、进一步地，基于二值掩膜、目标检测框和高程图的像素坐标，计算包胶异常区域的异常参数，包括以下步骤：

23、将二值掩膜与高程图的像素坐标对齐，提取包胶异常区域内所有像素坐标对应的高度值，计算出高度值中的最大高度与最小高度的高度差；

24、基于二值掩膜进行连通域分析，统计连通区域的数量；

25、统计二值掩膜内像素总数量，结合单像素实际物理面积换算得到包胶异常区域的实际物理面积；

26、基于目标检测矩形框的尺寸缩放换算得到包胶异常区域的实际物理长宽；高度差、连通区域数量、实际物理面积和实际物理长度均为包胶异常区域的异常参数。

27、进一步地，将异常参数与工艺范围进行比对，基于对比结果进行异常等级划分，包括以下步骤：

28、设定工艺范围的上限为拒收阈值，下限为警告阈值；

29、若任一异常参数大于拒收阈值，则判断为重度异常等级；

30、若任一异常参数位于拒收阈值与警告阈值之间且所有异常参数均小于或等于拒收阈值，则判定为中度异常等级；

31、若所有异常参数小于警告阈值，则判定为合格。

32、一种用于电芯生产的异常检测系统，包括：

33、扫描单元，用于对电芯包胶区域进行扫描，获取高程图；

34、预处理单元，用于对高程图进行预处理，得到伪彩色图像；

35、分析单元，用于将伪彩色图像输入分割模型，得到包胶异常区域的二值掩膜以及目标检测框；

36、计算单元，用于基于二值掩膜、目标检测框和高程图的像素坐标，计算包胶异常区域的异常参数；

37、输出单元，用于将异常参数与工艺范围进行比对，基于对比结果进行异常等级划分，并生成包含包胶异常区域的坐标、类型和尺寸的数据。

38、进一步地，预处理单元包括：

39、log模块，对高程图执行高斯拉普拉斯运算，得到增强高程图；

40、均衡模块，用于将增强高程图进行限制对比度自适应直方图均衡化处理；

41、映射模块，用于将直方图均衡化处理后的高程图映射为三通道伪彩色图像。

42、一种设备，包括：

43、存储器，用于存放计算机程序；

44、处理器，用于执行存储器上所存放的计算机程序时，实现上述的一种用于电芯生产的异常检测方法。

45、一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的一种用于电芯生产的异常检测方法。

46、本发明的有益效果：

47、1、本发明基于高程图扫描采集、预处理、模型分割、参数计算及等级判定，摒弃传统规则算法仅抽取高程图平均高度、极值的单一信息提取方式，完整利用电芯包胶区域高程图的像素信息，能够保留电芯蓝膜表面局部形态、边缘梯度及空间分布等关键特征，避免大量有效信息被舍弃的问题，解决了传统检测算法信息利用维度单一、有效信息浪费的技术问题；

48、2、本发明通过分割模型智能识别包胶异常区域，可同时适配高度突变类缺陷（褶皱、气泡等），覆盖电芯包胶工序的各类缺陷类型，突破了传统算法异常覆盖范围窄、无法适配多样化异常场景的瓶颈，显著提升检测算法在复杂工业生产场景下的通用性与适配能力；

49、3、本发明通过高程图的预处理流程，规避了传统去噪算法过度平滑导致微小缺陷特征丢失的弊端，保障输入检测模型的图像质量，提升复杂工业干扰环境下包胶异常检测结果的稳定性与准确性。

50、4、本发明采用yolov11-seg分割模型完成异常检测，其数据为2d高程图，规避了高精度3d轮廓数据量大、复杂深度学习模型推理速度滞后的问题，实现检测流程的快速推理响应，匹配工业产线毫秒级的实时检测要求，解决了传统高精度检测方案无法适配量产节拍的工程难题。

51、5、本发明摒弃传统检测仅输出合格/不合格二值结果的单一模式，通过计算异常高度差、缺陷面积、尺寸、连通域数量等多维参数，结合工艺阈值完成异常等级精细化划分，可精准输出异常区域坐标、类型、尺寸及严重等级等结构化数据。

52、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。