新能源汽车快速发展为实现双碳目标做出重要贡献,动力电池是新能源汽车的核心部件。在生产方形动力电池模组过程中,侧缝焊接是一个非常重要的环节,定位精度不高会造成焊接误差,同时焊缝的质量也会影响模组整体品质。目前工业生产过程中模组侧缝定位和缺陷检测主要以人工目检为主,效率低下,质量也难以保证。因此,本文通过机器视觉技术对方形动力电池模组侧缝焊接的定位与缺陷检测进行研究,主要内容如下:
(1)焊接需求分析与相关方法理论基础。对模组侧缝焊接的需求进行分析;对侧缝焊前图像进行预处理算法研究,并对焊后缺陷检测深度学习相关理论进行介绍。
(2)侧缝焊前定位方法研究。为实现模组侧缝焊接高精度定位,通过改进去除毛刺的快速并行细化算法提取焊前图像骨架中心线;使用灰度投影法筛选中心线的点并利用插值亚像素法获取两个直线拟合亚像素点集;分析不同直线拟合效果后,提出一种基于最小二乘法和随机抽样一致性算法的粗细两阶段的直线拟合算法,解决拟合精度不高、迭代时间长的问题;通过实验对比验证,本文方法拟合的直线效果更佳;利用两拟合直线方程求出交点坐标作为基准点,进而由已知长度信息求得起终点坐标信息。
(3)侧缝焊后缺陷检测算法研究。为实现焊缝缺陷的高准确检测,基于求得的焊接起终点坐标信息提出一种加权灰度和自适应准则的区域生长法提取焊缝图像,并利用图像增强技术制作缺陷样本数据集;介绍Goog Le Net、Res Net、Shuffle Net V2三种经典分类网络的优缺点后,基于Shuffle Net V2网络模型将SK注意力机制、替代Re LU激活函数的Hard Swish激活函数融入网络的基本单元中,并精简网络结构,提出一种适用本文焊缝缺陷的分类网络;训练四种网络模型,在验证集进行测试后,选择改进Shuffle Net V2模型作为缺陷检测网络。
(4)软件功能开发与实验分析。整合本文侧缝定位与缺陷检测算法,完成相关功能的软件开发,并在此软件上进行样本测试实验,实验结果表明,该软件定位精度高,单条焊缝定位耗时平均为387.9ms,缺陷检测准确性达到95.8%以上,单条焊缝检测不超过800ms,稳定性好,实时性佳,可以满足工业现场需求。
暂无评论