-
公开(公告)号：CN111815572B
公开(公告)日：2022-03-08
申请号：CN202010551312.7
申请日：2020-06-17
申请人： 深圳市大德激光技术有限公司 , 深圳大学
IPC分类号： G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/08 , G06N3/04
摘要： 本发明提供了一种基于卷积神经网络对锂电池焊接质量的检测方法，包括：采集锂电池相关的源样本，对源样本进行分类；将卷积神经网络模型在预设数据集里进行预训练，获得预训练模型，且基于实际的分类样本数据集对预训练模型进行再次训练处理，获得最终模型；保存所述最终模型，并输入焊接样本进行在线检测，预测所述焊接样本的分类类型。通过采集训练样本，训练基于预训练的卷积神经网络的焊接质量分类器，使其能快速准确地分类不同种类的焊接缺陷类型，能有效解决当前分类技术中需要提前人工提取特征，准确性较低等问题。
-
公开(公告)号：CN112215834A
公开(公告)日：2021-01-12
申请号：CN202011139458.7
申请日：2020-10-22
申请人： 深圳大学 , 深圳市大德激光技术有限公司
摘要： 本发明提供一种基于卷积神经网络的动力电池焊接质量检测方法及系统，其中，方法包括：构建初始卷积神经网络模型；获取第一样本数据，将第一样本数据按预设比例随机分为第一数量的训练集、第二数量的验证集和第三数量的测试集；基于训练集、验证集合测试集对初始卷积神经网络模型进行训练，获得检测模型；将待测试图像输入检测模型，获取第一检测结果。本发明的基于卷积神经网络的动力电池焊接质量检测方法，基于计算机视觉的检测方法来自动检测激光焊接缺陷，具有稳定高效的特点，可以从根本上避免人为因素导致的检测错误。
-
公开(公告)号：CN111815572A
公开(公告)日：2020-10-23
申请号：CN202010551312.7
申请日：2020-06-17
申请人： 深圳市大德激光技术有限公司 , 深圳大学
摘要： 本发明提供了一种基于卷积神经网络对锂电池焊接质量的检测方法，包括：采集锂电池相关的源样本，对源样本进行分类；将卷积神经网络模型在预设数据集里进行预训练，获得预训练模型，且基于实际的分类样本数据集对预训练模型进行再次训练处理，获得最终模型；保存所述最终模型，并输入焊接样本进行在线检测，预测所述焊接样本的分类类型。通过采集训练样本，训练基于预训练的卷积神经网络的焊接质量分类器，使其能快速准确地分类不同种类的焊接缺陷类型，能有效解决当前分类技术中需要提前人工提取特征，准确性较低等问题。
-
公开(公告)号：CN112184686B
公开(公告)日：2022-08-23
申请号：CN202011077305.4
申请日：2020-10-10
申请人： 深圳大学 , 深圳市大德激光技术有限公司
摘要： 本发明涉及数字图像处理和识别技术领域，具体为一种用于检测动力电池安全阀激光焊接缺陷的分割算法，包括如下步骤：通过AOI系统获取动力电池安全阀焊接缺陷数据集；通过注意力机制和多尺度对网络结构进行优化，获得多尺度注意力网络；以改进的Res2Net作为下采样过程中特征提取子模块，利用不同扩充率的空洞卷积来获得不同的感受野；通过定位模块与边缘抗锯齿模块，获取模型的分割结果；将训练好的模型进行保存参数，实时的对输入的焊接样本进行检测，预测样本是否含有缺陷。本发明以改进的Res2Net作为特征提取子模块，无需人工提取特征，训练和检测速度更快，准确率更高，并且模型参数以及计算复杂度更小。
-
公开(公告)号：CN112184686A
公开(公告)日：2021-01-05
申请号：CN202011077305.4
申请日：2020-10-10
申请人： 深圳大学 , 深圳市大德激光技术有限公司
摘要： 本发明涉及数字图像处理和识别技术领域，具体为一种用于检测动力电池安全阀激光焊接缺陷的分割算法，包括如下步骤：通过AOI系统获取动力电池安全阀焊接缺陷数据集；通过注意力机制和多尺度对网络结构进行优化，获得多尺度注意力网络；以改进的Res2Net作为下采样过程中特征提取子模块，利用不同扩充率的空洞卷积来获得不同的感受野；通过定位模块与边缘抗锯齿模块，获取模型的分割结果；将训练好的模型进行保存参数，实时的对输入的焊接样本进行检测，预测样本是否含有缺陷。本发明以改进的Res2Net作为特征提取子模块，无需人工提取特征，训练和检测速度更快，准确率更高，并且模型参数以及计算复杂度更小。
-
公开(公告)号：CN112215834B
公开(公告)日：2022-04-01
申请号：CN202011139458.7
申请日：2020-10-22
申请人： 深圳大学 , 深圳市大德激光技术有限公司
摘要： 本发明提供一种基于卷积神经网络的动力电池焊接质量检测方法及系统，其中，方法包括：构建初始卷积神经网络模型；获取第一样本数据，将第一样本数据按预设比例随机分为第一数量的训练集、第二数量的验证集和第三数量的测试集；基于训练集、验证集合测试集对初始卷积神经网络模型进行训练，获得检测模型；将待测试图像输入检测模型，获取第一检测结果。本发明的基于卷积神经网络的动力电池焊接质量检测方法，基于计算机视觉的检测方法来自动检测激光焊接缺陷，具有稳定高效的特点，可以从根本上避免人为因素导致的检测错误。
-
公开(公告)号：CN112872586B
公开(公告)日：2021-08-31
申请号：CN202011547433.0
申请日：2020-12-24
申请人： 深圳市大德激光技术有限公司
摘要： 本发明公开了一种动力电池正负电极的激光焊接定位与压紧装置，包括：底座；承压装置，所述承压装置设于所述底座上；升降装置，所述升降装置设于所述底座上；旋转摆臂装置，所述旋转摆臂装置设于所述升降装置上，所述旋转摆臂装置位于所述承压装置的上方。通过设计的升降装置控制旋转摆臂装置固定和保护好电池盖板进行焊接，避免了操作不方便和激光焊接时产生的飞溅物污染电池盖板表面，同时操作完全可以通过旋转摆臂装置完成，提高了焊接装置的自动化程度。
-
公开(公告)号：CN112620955B
公开(公告)日：2021-08-31
申请号：CN202011514855.8
申请日：2020-12-21
申请人： 深圳市大德激光技术有限公司
IPC分类号： B23K26/362 , B23K26/70
摘要： 本发明公开了一种动力电池防爆片激光精雕系统及方法，两个所述料带输送单元交替式将料带送入激光精雕单元内进行激光精雕，举例来说，料带A送料于其中一个料带输送单元上，料带B送料于其中另一个料带输送单元上，通过料带输送单元，实现料带A与料带B并行通过激光精雕单元内，且料带A和料带B可以分开独立动作，两者交替循环动作；此时料带输送单元的动作时间在生产节拍中为零，生产节拍仅仅只有激光的精雕时间，最大化缩短生产节拍，提高效率。
-
公开(公告)号：CN112620957A
公开(公告)日：2021-04-09
申请号：CN202011518679.5
申请日：2020-12-21
申请人： 深圳市大德激光技术有限公司
IPC分类号： B23K26/362 , B23K26/70 , B23K37/04
摘要： 本发明公开了一种动力电池防爆片激光精雕夹具，包括：料带行走平台，料带限位行走于料带行走平台内；定位压紧单元，所述定位压紧单元可升降安装于料带行走平台上，所述料带行走平台用于完成料带上表面的固定；真空吸附单元，所述真空吸附位于料带行走平台底端，所述真空吸附单元用于完成料带下表面的固定；升降驱动单元，所述升降驱动单元位于料带行走平台底端，所述升降驱动单元用于完成定位压紧单元的升降。
-
公开(公告)号：CN112475603A
公开(公告)日：2021-03-12
申请号：CN202011278715.5
申请日：2020-11-16
申请人： 深圳市大德激光技术有限公司
摘要： 本发明涉及一种激光焊接头3D防撞保护装置，包括：焊接头主体；XY防撞装置，所述XY防撞装置安装于所述焊接头主体下端；Z防撞装置，所述Z防撞装置安装于所述焊接头主体上，且所述防撞装置与所述XY防撞装置连接；同轴保护气气嘴，所述同轴保护气气嘴通过中间零件安装于所述XY防撞装置下端；电控感应装置，所述电控感应装置安装在所述焊接头主体上，且所所述电控感应装置与所述XY防撞装置和所述Z防撞装置电连接；该激光焊接头3D防撞保护装置可避免撞击后会损坏激光焊接头和设备本身，满足复杂工况下的生产加工要求，能够加快生产速度，降低现场生产安全事故的发生，在批量生产过程激光焊接头撞机后可节约调机时间。
-
-
-
-
-
-
-
-
-
搜索结果
79 条记录 (耗时 0.101 秒)