激光焊接在锂离子电池制造的应用研究

随着新能源电动汽车的发展,具有出色充、放电性能,高能量和高功率密度的锂离子电池成为当前重要发展方向之一。焊接质量的好坏决定了电池的密封性、一致性、安全性以及使用寿命等,如何提高焊接质量和效率是制约锂离子电池制造的关键因素。激光焊接作为新型焊接方法的一种,具有热影响区小、能量密度高、焊接速度快、加工精度高等优势,被广泛应用在锂离子电池焊接中。研究激光焊接锂离子电池的工艺规律以及激光焊接设备,具有重要的理论研究价值和广阔的应用前景。     

太阳能硅片焊接质量参数在线视觉测量

针对硅电池片高速串焊系统,根据焊接质量参数在线检测的技术指标对视觉测量系统的核心部件进行了选型计算;对视觉测量系统的内部参数进行了标定,完成了畸变校正与像素当量计算;设计了焊后硅片视觉检测流程,研究了图像预处理、图像掩膜ROI提取、改进双阈值Otsu图像分割技术;建立了硅电池片焊带偏移参数测量模型,提出了一种硅电池片焊接质量参数在线视觉测量方法。最后将该在线视觉测量方法应用于某硅电池片高速串焊生产线,其综合检测率和单帧检测时间满足焊接质量在线检测的精度和实时性要求,为提高太阳能电池组件的焊接质量和生产效率打下了良好的技术基础。     

基于机器视觉的指针式仪表读数自动校准方法

指针式仪表是工业生产的重要辅助工具,其读数显示精度直接影响工业生产质量,通过机器视觉技术的应用优化设计指针式仪表读数自动校准方法。首先,利用机器视觉技术采集指针式仪表图像,经过灰度化处理、畸变校正和滤波等3个步骤,完成初始图像的预处理;其次,定位提取仪表图像中的表盘区域、指针以及刻度线;最后,利用角度法自动识别当前的仪表读数,确定仪表校准方向,计算仪表校准量,实现指针式仪表读数的自动校准。实验结果表明：应用优化设计的校准方法,压力表、温度表和电流表的平均校准误差分别降低了3.88 MPa、0.78℃和0.044 A,即优化方法在校准效果方面更加具有优势。     

基于非负矩阵分解的熔池图像识别方法

为探求视觉传感智能识别焊接缺陷技术，利用电荷耦合器件(CCD)相机采集了熔化极气体保护焊(GMAW)熔池图像，分析了不同工艺条件下熔池动态变化过程及所对应的焊接缺陷，提出利用非负矩阵分解法对熔池图像进行解析，得到熔池图像的特征矩阵。通过最小二乘法计算未知焊接过程测试图像在特征矩阵的投影值，给出了焊接缺陷的自动识别方法。研究结果表明，焊接质量和熔池稳定程度有关联，熔池紊乱表现为熔池轮廓波动、浮渣离散等特点，熔池稳定程度下降伴随着焊接质量的下降，以及焊缝出现缺陷。利用非负矩阵分解法得到的熔池图像特征矩阵，能够对原始图像进行整体性描述(如熔池轮廓)和局部性描述(如浮渣区域、电弧区域等),具有物理可解释性，可用于识别焊接缺陷。     

一种基于智能相机和机器视觉的电池极片检测系统的设计

介绍了一种基于智能相机和机器视觉的电池极片检测系统,以智能相机为平台,通过图像平滑、边缘提取、区域填充、数学形态学等多种方法处理,得到极片缺陷完整的几何特征,从而实现自动化检测。系统不受工艺要求影响,对空间要求较低,有较强的适用性,检测结果与人眼检测结果相符,不仅保证了检测的准确性,而且大大提高了极片检测的效率。     

机器视觉与科学成像为机电产品制造和精确性开辟新途径

一机器视觉系统的构成与应用特征 近年来．计算机技术不断进步，使图像采集成为一种广为使用的测量数据来源，从而推动了基于计算机的机器视觉与科学成像技术在电子产品捡测技术中取得新的突破．所以才会有“任何通过人来完成的检测过程都适合于用机器视觉技术来代替”的新机理。     

基于视觉的机器人智能化焊接技术现状与发展

针对机器人自动焊接技术快速发展的现状,结合机器视觉技术、智能控制技术和信息技术在焊接技术领域应用的特点,归纳综合了弧焊视觉传感技术、激光接缝跟踪技术、熔池视觉形态特征传感与提取技术、熔透与熔深智能控制技术、缺陷监测及控制技术和基于网络的数字化焊接技术的研究现状,分析了激光跟踪传感器结构、熔池与接缝计算机图像处理方法、熔池视觉几何特征提取方法、熔深熔透视觉传感与判断技术、基于网络的焊接信息远程传输与品质评价技术,给出了弧焊机器人智能化和数字化焊接技术优质、高效、柔性、快速、适应性强的特点,探讨了的智能化、数字化焊接技术的主要发展方向。     

硅电池片自动串焊表面缺陷在线视觉检测研究

针对太阳能硅电池片集成串焊在线表面缺陷检测存在的问题,提出了基于机器视觉的硅电池片串焊质量在线检测方法,包括特征识别与视觉测量两部分。在特征识别阶段,提出了一种改进的区域生长算法,对断栅特征实现高速稳定地检测,对于焊后赃污划痕缺陷,先将感兴趣区域自适应阈值化,再通过不变矩等特征筛选异类缺陷;在视觉测量方面,利用目标图像对称性,通过若干采样矩形对焊带偏移及片间距进行基于像素点的测量。该方法实现了在每个传送节拍获取片间图像,通过边缘定位并将原始图像分割为多个感兴趣区域并完成高速在线检测的目标。研究结果表明:提出的硅电池片焊后视觉检测方法能够在自动串焊生产线的快节拍下精确测量与识别缺陷,并具有较好的鲁棒性。     

基于机器视觉的共轨针阀尺寸参数在线测量

针对喷油嘴共轨针阀零件的尾部尺寸参数在线检测需求,开发了一套基于机器视觉技术的共轨针阀多参数尺寸在线测量系统。通过对共轨针阀零件尾部图像采集,引入基于中值滤波的小区域滤波算法,大大缩短了滤波降噪时间;在轮廓边缘检测方面,通过对比实验,引入了基于Sobel的小区域定向搜索边缘检测算法,提高了边缘定位效率,并采用小区域边缘特征点跟踪方法,基于学习训练逻辑,完成目标特征点定位;在边缘亚像素定位和拟合方面,引入基于稳健线性回归的直线拟合方法,在特定小区域下完成高精度边缘拟合,并完成直径、角度、距离的多参数同时计算,系统测试表明,该视觉系统精确稳定,具有良好的应用。     

基于视觉的激光振镜精密焊接系统研究

新能源动力锂电池模组焊接是新能源电池模组装配工艺中十分关键的一环,焊接质量的好坏将直接影响产品质量。以实际项目为例,提出一种基于新能源动力电池模组的激光振镜精密焊接系统。该系统集成视觉系统进行位置纠偏,提高焊接系统的焊接精度,采用振镜提高焊接效率,自定义选择焊接参数,进行焊接性能优化。研究的主要内容包括整体机械结构设计、控制系统设计以及焊接参数优化等。     

基于视觉技术的扣式电池自动检测系统设计

介绍扣式电池自动化检测系统的实现方法,以实现其在线检测。设计了该系统硬件模块组成和控制系统结构,基于机器视觉的外观缺陷检测是重点,设计了分布式机器视觉系统组成方案,以实现并行检测。上位机软件具有系统控制、图像处理等功能,并包含能够实时显示的人机界面。     

基于机器视觉的机械加工零件表面微缺陷检测方法

为提高微缺陷检测结果精度、提升机械加工零件外观质量，该文引进了机器视觉技术，以某机械生产制造单位为例，设计了一种针对零件表面微缺陷的全新检测方法。根据机器视觉技术的应用需求，搭建了集成工业相机、采集装置、照射光源等为一体的扫描装置，采集零件表面图像；对采集的原始图像进行均值滤波处理，去除图像中可能对缺陷区域的判别造成干扰的因素与噪声；采用阈值分割的方式，提取并划分机械加工零件表面的微缺陷区域；采用提取图像边缘算子的方法，计算零件表面原始图像与待检测图像之间的像素相关性，通过对零件表面微缺陷灰度性质点的匹配，完成检测方法的设计。通过对比实验证明：该方法不仅可以精准检测机械加工零件表面微缺陷，还可以检测到具体的缺陷类别。     

深圳机器视觉技术研讨会暨展览会六月上演

第三届深圳机器视觉技术工业应用研讨会暨展览会即将举办。本届研讨会将以视觉与自动化完美结合理论普及为主题,重在针对视觉应用客户介绍视觉行业在各个领域的未来发展趋势,以及视觉设备如何为产品质量保驾护航进行演讲。演讲内容初步设定为：视觉在自动化市场的未来发展趋势、CCD／CMOS相机基本原理、光源实用说明、镜头技术参数及操作说明、如何获得完美的图像、视觉系统与设备通讯简述、机器视觉的应用案例、图像软件实用介绍、国外绑定机技术简述。     

基于机器视觉的光电传感器焊缝自动识别方法

针对光电传感器焊缝自动识别的F1较低、方法复杂度较高和存在识别时间较长的问题,提出基于机器视觉的光电传感器焊缝自动识别方法。通过机器视觉技术采集光电传感器焊缝图像,利用高斯模型检测出图像的目标区域,结合海森矩阵提取目标区域的特征点,将提取的特征点输入到量子门神经网络模型中,得到识别结果。仿真实验结果表明,所提方法的光电传感器焊缝自动识别复杂度低,且识别效率与F1值均较高。     

搅拌摩擦焊在新能源汽车电池下壳体焊接工艺中的应用

介绍了搅拌摩擦焊的原理及优点、电池下壳体的结构、搅拌摩擦焊系统及生产工艺流程,针对搅拌摩擦焊技术在新能源汽车电池下壳体焊接工艺中的应用,利用机器人搅拌摩擦焊对焊接工艺参数及母材连接方式进行了试验研究,得到优化后的主轴转速S、焊接速度F、下压力P及工件连接方式,提高了焊缝融合度和接头稳定性,且焊接接头的抗拉强度均能达到母材标准抗拉强度的70％以上,表明该工艺方法在焊接速度、节能环保和产品质量等方面具有一定的优势.     

机器视觉技术在质量检测中的应用

介绍机器视觉技术的基本原理、实现方法和机器视觉系统的组成 ,以及机器视觉技术在质量检测中的应用和具体的工控实例分析。     

深度视觉技术在焊接轨迹识别中的研究综述

机器视觉在机器人自动焊接领域得到广泛应用。图像识别可以对不同的焊接对象进行有效识别,而识别及跟踪焊缝轨迹是实现自动焊缝的关键问题。分析了焊接轨迹跟踪传感器的发展历程,讨论了视觉传感器在焊缝识别跟踪上的应用,对焊缝图像处理方法进行了分析,总结了视觉焊缝跟踪技术现状。分析结果表明,TOF相机更适合于焊缝跟踪应用,研究鲁棒性强的图像去噪方法和基于深度学习的焊缝图像分割方法是未来的发展方向,同时提出了稳定性好、精度高,效率好的深度视觉焊缝跟踪控制系统思路。     

基于深度学习机器视觉对于动力总成制造防错应用的研究

汽车动力总成装配线环境中,为有效保证装配质量,通常采用机器视觉方法进行零部件装配的防错检测。目前主流传统的机器视觉防错技术无法有效满足投产初期极高的准确率要求,且具有受现场环境变化影响大、成本高等缺点。提出了基于深度学习的机器视觉防错技术,采用卷积神经网络算法进行模型学习训练,获得99.99%以上的学习准确率;实际图像经预处理后导入深度学习模型进行识别判断;完成了系统的硬件选型和软件设计开发。两个实际应用案例均实现了99.95%以上的准确率,表明深度学习机器视觉防错技术能够有效适应图像扰动,满足高产能下的生产质量监控要求,同时可以降低硬件要求和成本,有效弥补传统机器视觉防错技术的不足。     

基于Labview的机械手视觉引导系统设计

机器人的使用在工业中变得越来越广泛,如何使机器人的运行更加智能化、人性化,成为许多学者研究的热门课题。机器视觉作为一种新兴的技术,也越来越受到关注。工业机器人通过机器视觉获取的图像信息特征,能够更加准确地定位引导,抓取和放置物料。以机械手的目标识别和数据通讯为研究目标,针对物料的实时匹配识别以及上位机与机械手的数据通讯进行了详细的研究,并通过Labview编程完成整个机械手视觉定位引导的软件的编写。该视觉引导系统可以实现图像的图像标定和匹配定位,最终完成抓取和放置的动作。定位误差为±0.1mm。     

机器视觉：质量监控的第三只眼——机器视觉在发动机厂装配线上的应用

机器视觉及其应用 机器视觉是利用图像摄取装置（分CCD和CMOS两种）,将被摄取的目标转换成图像信号,传送给专用的处理系统后,根据像素分布和亮度、颜色等信息,转变成数字化信号。图像系统通过对这些信号进行各种运算,抽取出目标的特征,进而根据判别的结果来完成各种运作。