(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211479747.0 (22)申请日 2022.11.24 (71)申请人 江苏时代新能源科技有限公司 地址 213300 江苏省常州市溧阳市昆仑街 道城北大道1000号 (72)发明人 高金伙　李海波　张凤琳　于广东　 李后勇　罗宇　 (74)专利代理 机构 北京华进京联知识产权代理 有限公司 1 1606 专利代理师 乔改利 (51)Int.Cl. G01N 23/04(2018.01) G06T 7/00(2017.01) (54)发明名称 检测装置、 缺陷检测方法、 装置、 计算机设备 和存储介质 (57)摘要 本申请涉及一种检测装置、 缺陷检测方法、 装置、 计算机设备和存储介质。 该检测装置包括 射线源、 载物托盘、 探测器和图像检测装置。 其 中， 射线源和探测器分别设置于载物 托盘的相对 的两侧， 且， 射线源的射线出射方向朝向载物托 盘； 探测器， 用于接收从目标电池穿透的射线， 并 根据从目标电池穿透的射线生成目标电池的检 测图像， 目标电池设置于载物托盘上， 射线为射 线源向目标电池发出的射线； 图像检测装置， 用 于接收检测图像， 并利用目标深度学习模型对检 测图像进行缺陷检测， 以得到目标电池的缺陷检 测结果， 目标深度学习模型是根据多个电池的检 测图像样 本训练得到的模型。 采用本检测装置能 够提高内部缺陷检测的准确性。 权利要求书2页 说明书17页 附图10页 CN 115508389 A 2022.12.23 CN 115508389 A 1.一种检测装置， 其特征在于， 所述检测装置包括射线源、 载物托盘、 探测器、 控制部件 和图像检测装置； 所述射线源和所述探测器分别设置于所述载物托盘的相对的两侧， 且， 所 述射线源的射线出射方向朝向所述载物托盘； 所述探测器， 用于接收从目标电池穿透的射线， 并根据从所述目标电池穿透的射线生 成所述目标电池的检测图像， 所述 目标电池设置于所述载物托盘上， 所述射线为所述射线 源向所述目标电池发出的射线； 所述图像检测装置， 用于接收所述检测图像， 并利用目标深度学习模型对所述检测图 像进行缺陷检测， 以得到所述 目标电池的缺陷检测结果， 所述 目标深度学习模型是根据多 个电池的检测图像样本训练得到的模型； 所述控制部件， 用于带动所述射线源和/或所述探测器沿第 一方向移动， 所述第 一方向 与所述目标电池的长度方向一 致， 以使所述检测装置对所述目标电池分段检测。 2.根据权利要求1所述的检测装置， 其特征在于， 所述载物托盘， 用于承载多个所述目 标电池， 且， 多个所述目标电池在所述载物托盘上沿所述第一方向和/或第二方向排布； 所述控制部件， 还用于在多个所述目标电池在所述载物托盘上沿所述第一方向和/或 所述第二方向排布的情况下， 带动所述射线源和/或所述探测器沿所述第一方向和/或所述 第二方向移动， 所述第一方向与所述第二方向不同。 3.根据权利要求1所述的检测装置， 其特征在于， 所述控制部件， 具体用于带动所述射 线源和/或所述探测器沿第三方向移动， 以使所述检测装置在所述射线源与所述载物托盘 的距离小于所述探测器与所述载物托盘的距离时工作， 其中， 所述第三方向为与所述载物 托盘的电池 承载面垂直的方向。 4.根据权利要求3所述的检测装置， 其特征在于， 所述控制部件， 具体用于根据预设的 目标放大倍 率， 控制所述 射线源和/或所述探测器沿所述第三方向移动。 5.根据权利要求4所述的检测装置， 其特征在于， 所述目标放大倍率等于第 一长度与第 二长度的比值， 所述第一长度为所述探测器的宽度方向的长度， 所述第二长度为所述探测 器所探测到的目标区域的最小边长， 所述目标区域为所述探测器所探测到的所述目标电池 上的表面区域。 6.根据权利要求1所述的检测装置， 其特征在于， 所述检测装置还包括与所述载物托盘 连接的托盘旋转装置， 所述托盘旋转装置用于带动所述载物托盘在第一预设角度内按照第 二预设角度旋转。 7.一种缺陷检测方法， 其特征在于， 应用于权利要求1 ‑6任一项所述的检测装置， 所述 方法包括： 获取所述检测图像， 所述检测图像是射线穿透待检测的目标电池后所生成的图像； 根据所述检测图像和所述目标深度学习模型， 得到所述目标电池的缺陷检测结果， 所 述目标深度学习模型 是根据多个电池的检测图像样本训练得到的模型。 8.根据权利要求7所述的方法， 其特征在于， 所述根据所述检测图像和目标深度 学习模 型， 得到所述目标电池的缺陷检测结果， 包括： 对所述检测图像进行预处理， 得到目标检测图像； 所述预处理包括模糊处理、 卷积处理 和增强处理中的至少一种处 理； 将所述目标检测图像输入至所述目标深度 学习模型， 得到所述目标电池的缺陷检测结权　利　要　求　书 1/2 页 2 CN 115508389 A 2果。 9.根据权利要求8所述的方法， 其特 征在于， 所述方法还 包括： 获取检测图像样本集和所述检测图像样本集中各 所述检测图像样本对应的标签 类型； 根据所述检测图像样本集和各所述检测图像样本对应的标签类型， 训练初始检测模型 得到所述目标深度学习模型。 10.根据权利要求9所述的方法， 其特征在于， 所述根据所述检测图像样本集和各所述 检测图像样本对应的标签 类型， 训练初始检测模型 得到所述目标深度学习模型， 包括： 根据训练样本集和所述训练样本集中的检测图像样本对应的标签类型， 训练所述初始 检测模型 得到中间深度学习模型； 根据验证样本集和所述验证样本集中的检测图像样本对应的标签类型， 更新所述中间 深度学习模型 得到所述目标深度学习模型； 其中， 所述检测图像样本集包括所述训练样本集和所述验证样本集。 11.根据权利要求10所述的方法， 其特 征在于， 所述方法还 包括： 根据所述缺陷检测结果和所述目标电池的实际缺陷结果， 更新所述目标深度学习模 型。 12.一种缺陷检测装置， 其特 征在于， 所述 缺陷检测装置包括： 获取模块， 用于获取检测图像， 所述检测图像是射线穿透待检测的目标电池后透射至 所生成的图像； 检测模块， 用于根据所述检测图像和目标深度学习模型， 得到所述目标电池的缺陷检 测结果， 所述目标深度学习模型 是根据多个电池的检测图像样本训练得到的模型。 13.一种计算机设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求7至1 1中任一项所述的方法的步骤。 14.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求7至1 1中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115508389 A 3