闻缺陷则喜何志丹

在智能工厂逐渐普及的今天，工厂对电动工具的动作状态和质量的实时追踪仍然是短板，电动工具在智能化工厂工作时主要存在各种问题，一是电动工具会在使用过程中会产生不可避免的损耗，由损耗带来的准确性下降易导致螺丝卡死、打滑；二是在智能工厂正常作业的过程中，机械臂和传送带的工作周期不能保证永远契合，随着作业时间的增长，机械臂与传送带的工作逐渐失衡，使作业存在隐患；三是在工厂中检测产品质量的方式还是依赖传统的人工质检，这种质检手段无法在总装车间实现全流程全过程覆盖，这样就无法及时发现产品问题并阻止损失。如今多数的智能工

本发明公开了一种适用于极片纠偏对齐度的检测方法、系统及平台。本发明方案通过方法获取极片图像数据，并实时处理所述极片图像数据；根据处理后的极片图像数据，生成并获取与所述极片图像数据相对应的极片长度数据；结合所述极片长度数据，判定极片长度是否符合预设的阈值，若符合，则记录所述极片的长度数据，并实时纠偏对齐度自适应处理所述极片；否则，踢除所述极片，以及与所述方法相应的系统、平台以及存储介质；可以控制极片长度，将异常片排废。并且通过纠偏自适应算法达到保护电芯整体对齐度的效果，提高电芯的良品率，减少整个电芯排废，减少

本发明公开了一种复杂环境下密封钉焊缝质量检测方法，3D机器视觉采集焊缝点云数据，转化为深度图像，对焊缝进行滤波，搜索和定位焊缝位置，然后对焊缝进行积分，得到焊缝具体形态。去除由于机械抖动原因造成图像存在波浪纹干扰信号，从而得到焊缝精确的模型和焊缝的具体形态。根据焊缝的数学模型在焊缝区域内进行搜索，并对焊缝进行初步处理，计算与分析，如果出现有小凹坑或凸起情况，3D软件把搜索到的位置和缺陷形态发送给2D软件。2D软件采用深度学习方法，对采集到的灰度图像，在3D机器视觉发送过来的位置区域内搜索，进行计算和预测，判

本发明公开了一种锂电池测试数据绑定方法、设备及存储介质，应用在锂电池测试机上，锂电池测试机的传送设备上固定有多个治具，每个治具上对应夹持有锂电池；其中，绑定方法包括S1：通过扫描治具上的识别码获取治具数据；并通过扫描治具上对应夹持的锂电池上的识别码获取电池数据；S2：将治具及治具上对应夹持的锂电池进行治具数据和电池数据绑定，并将绑定数据存储于数据库中；S3：治具经传送设备回传到扫描点时，再次扫描治具上的识别码和治具上对应夹持的锂电池上的识别码，并结合数据库判断再次扫描所获得的治具数据和电池数据是否已经相互

发明公开了一种锂电池涂布图像采集标定方法，该方法包括如下步骤：分别将第一相机和第二相机进行相机标定；其中，第一相机用于拍摄锂电池的极片的上表面，第二相机用于拍摄锂电池的极片的下表面；采用标定后的第一相机采集标准标定板的正面图像，采用标定后的第二相机采集标准标定板的反面图像；根据标准标定板的正面图像和标准标定板的反面图像，将第一相机和第二相机进行联合标定。该方法能够有效将拍摄极片正面的相机和拍摄极片反面的相机进行联合标定，标定精确性高，有效提高了后续极片检测的准确性。

最后，进行尺度不变的纵坐标方向一维卷积操作，得到关键点的横坐标分类头输出结果；检测模块，将涂布边缘图像的关键点的纵坐标、横坐标以及可见性并输入到完成训练的全连接网络分类模型进行检测并获取虚边、融合边和实边在涂布边缘图像边缘处的关键点坐标，根据关键点坐标确定虚边、融合边和实边的位置。步骤四：将涂布边缘图像的关键点的纵坐标、横坐标以及可见性并输入到完成训练的全连接网络分类模型进行检测并获取虚边、融合边和实边在涂布边缘图像边缘处的关键点坐标，根据关键点坐标确定虚边、融合边和实边的位置。

三，在待检测图像上标注关键点，并将关键点映射到横坐标轴和纵坐标轴上，计算关键点的横坐标与预测横坐标的第一损失值、纵坐标与预测纵坐标的第二损失值以及真实可见性信息与预测可见性的第三损失值，根据第一损失值、第二损失值和第三损失值总损失值，并判断总损失值能否通过阈值，若不能则筛选掉该关键点。五，所述网络输出头包括纵坐标分类头、横坐标分类头和可见性分类头，所述纵坐标分类头预测关键点的纵坐标，所述横坐标分类头预测关键点的横坐标，所述可见性分类头预测关键点的可见性。

本发明公开一种光伏产品缺陷检测AI深度学习算法，涉及AI算法领域。该光伏产品缺陷检测AI深度学习算法，采用深度卷积神经网络作为预训练模型，使用特征金字塔网络结构FPN对预训练模型得到的不同尺度的特征图进行融合，采用区域提议网络RPN在特征图上生成候选框，该光伏产品缺陷检测AI深度学习算法通过使用预训练模型提取图像特征，使用FPN融合多尺度特征，使用RPN提取候选框，使用ROIAlign抽取局部特征，使用分类、回归、FCN进行缺陷分类、位置回归以及掩膜信息提取，对缺陷的分类以及输出缺陷效果的准确性好，对缺陷的

本发明公开一种光伏加工产品缺陷检测方法，涉及产品检测领域。该光伏加工产品缺陷检测方法，所述缺陷检测方法包括如下步骤：步骤S1：设备启动并通过相机获取产品图像，将图像输入系统中进行处理；步骤S2：对图像进行边缘提取；步骤S3：确定缺陷检测区域；步骤S4：对缺陷进行定位；步骤S5：将缺陷区域分类；步骤S6：输出缺陷数据。

本发明涉及一种基于分类模型的轻量级工业图像关键点检测方法，包括以下步骤：将待检测图像输入特征提取网络，通过特征提取网络提取关键点的图像特征；将图像特征输入网络输出头中，通过网络输出头输出关键点的预测横坐标、预测纵坐标和预测可见性；在待检测图像上标注关键点，并将关键点映射到横坐标轴和纵坐标轴上，计算关键点的横坐标与预测横坐标的第一损失值、纵坐标与预测纵坐标的第二损失值以及真实可见性信息与预测可见性的第三损失值。

本发明公开一种光伏检测系统，涉及检测系统领域。该光伏检测系统包括机架、传送模块和检测装置，所述检测装置包括图像获取模块、图像拼接模块、分析模块和结果输出模块，所述图像获取模块用于获取产品的图像信息，所述图像拼接模块，用于将一组产品的多组图像进行拼接，确定检测的产品区域，所述分析模块用于分析图像信息，确定每个所述图像信息对应的产品区域是否合格。

本发明公开一种光伏加工产品缺陷检测方法，涉及产品检测领域。该光伏加工产品缺陷检测方法，所述缺陷检测方法包括如下步骤：步骤S1：设备启动并通过相机获取产品图像，将图像输入系统中进行处理；步骤S2：对图像进行边缘提取；步骤S3：确定缺陷检测区域；步骤S4：对缺陷进行定位；步骤S5：将缺陷区域分类；步骤S6：输出缺陷数据。该光伏加工产品缺陷检测方法结合边缘提取、确定检测区域、缺陷定位、多特征缺陷分类等方法，构建一种综合的光伏加工产品缺陷检测方法，这种方法能够准确地定位和分类不同类型的缺陷，为生产环节提供及时的反馈

[0001] 本申请涉及计算机技术领域，具体涉及一种日志快速分析方法、设备、存储介质。背景技术[0002] 一台工控机运行产生近百M纯文本日志，人工阅读需要若干天。除了节假日，工厂内部的工控机基本24小时运行。所有客户加起来，几千台电脑，每天产生天量的数据。[0003] 且不同的软件存在不同格式的日志，包括且不限于：和PLC通讯的用时、整个流程用时、接受的消息等。但绝大部分日志的数据，就变成电子垃圾进入回收站。工控机日志的处理存在于以下问题：