摘要
本发明提供电池组装工序缺陷实时检测与分类方法及系统,涉及智能制造技术领域,包括对采集的电池表面图像和三维点云数据分别进行标准化预处理;采用分布式边缘计算架构进行特征提取,分布式边缘计算架构包括基于图神经网络的缺陷传播预测模块,将工序间缺陷特征构建为动态图结构,通过图网络学习缺陷演变规律并动态调整特征提取参数;将提取的特征输入深度学习检测模型,通过多模态时空特征编码层进行特征自适应映射与对齐,经基于因果推理的动态推理层构建工序关联图并计算传播影响度,并由自适应阈值的预测感知检测层对不同缺陷演变概率区域实施分层精度检测,输出缺陷检测结果;基于缺陷分类标准对缺陷检测结果进行分类。
技术关键词
二维图像特征
分布式边缘
参数
全局特征描述子
三维光学扫描仪
节点
三维点云数据
动态
高速工业相机
融合特征
电池组
计算机程序指令
分类方法
推理机制
曲率特征
局部特征描述子
多模态
点云特征
矩阵
注意力机制