(19)國家知識產(chǎn)權(quán)局(72)發(fā)明人梁劍道馬朋超張凱陳達志事務(wù)所(普通合伙)44489GO6T7/00(2017一種基于多模態(tài)傳感器的電池缺陷檢測方(57)摘要本發(fā)明公開涉及一種基于多模態(tài)傳感器的圖像中疑似存在缺陷的目標區(qū)域以及視覺特征；森林算法獲取與視覺特征對應(yīng)的視覺初步缺陷率，依據(jù)D-S理論獲取目標概率分配下的目數(shù)據(jù)，提升最終判定的可靠性，并有效控制了檢通過該圖像采集模塊對該運動控制平臺上的待檢測電池進行圖像采集，獲取待檢測圖像通過該處理器根據(jù)預(yù)設(shè)的圖像處理算法對該待檢測圖像進行分析，確定圖像中疑似存在缺陷的目標區(qū)域并提取該目標區(qū)域?qū)?yīng)的視覺特征通過該觸覺傳感器對該目標區(qū)域進行掃描，通過該處理器根據(jù)該目標區(qū)域的掃描結(jié)果提取觸覺特征通過該處理器利用隨機森林算法獲取與視覺特征對應(yīng)的視覺初步缺陷概率，以及獲取與觸覺特征對應(yīng)的觸覺初步缺陷概率通過該處理器根據(jù)該視覺初步缺陷概率和觸覺初步缺陷概率，依據(jù)DS理論獲取目標概率分配下的目標缺陷概率，以根據(jù)該目標缺陷概率確定該目標區(qū)域是否存在目標缺陷21.一種基于多模態(tài)傳感器的電池缺陷檢測方法，其特征在于，所述方法應(yīng)用于基于多模態(tài)傳感器的電池缺陷檢測系統(tǒng)，所述系統(tǒng)包括：圖像采集模塊、觸覺傳感器模塊、處理器通過所述圖像采集模塊對所述運動控制平臺上的待檢測電池進行圖像采集，獲取待檢測圖像；通過所述處理器根據(jù)預(yù)設(shè)的圖像處理算法對所述待檢測圖像進行分析，確定圖像中疑似存在缺陷的目標區(qū)域并提取所述目標區(qū)域?qū)?yīng)的視覺特征；通過所述觸覺傳感器對所述目標區(qū)域進行掃描，通過所述處理器根據(jù)所述目標區(qū)域的掃描結(jié)果提取觸覺特征；通過所述處理器利用隨機森林算法獲取與視覺特征對應(yīng)的視覺初步缺陷概率，以及獲取與觸覺特征對應(yīng)的觸覺初步缺陷概率；通過所述處理器根據(jù)所述視覺初步缺陷概率和觸覺初步缺陷概率，依據(jù)D-S理論獲取目標概率分配下的目標缺陷概率，以根據(jù)所述目標缺陷概率確定所述目標區(qū)域是否存在目標缺陷。2.根據(jù)權(quán)利要求1所述的基于多模態(tài)傳感器的電池缺陷檢測方法，其特征在于，所述通過所述處理器根據(jù)所述視覺初步缺陷概率和觸覺初步缺陷概率，依據(jù)D-S理論獲取目標概率分配下的目標缺陷概率，以根據(jù)所述目標缺陷概率確定所述目標區(qū)域是否存在目標缺將所述視覺初步缺陷概率和觸覺初步缺陷概率轉(zhuǎn)化為D-S理論的視覺缺陷基本概率分配和觸覺缺陷基本概率分配，并計算出圖像采集模塊和觸覺傳感器的沖突系數(shù)；若所述沖突系數(shù)大于或等于預(yù)設(shè)系數(shù)閾值，通過圖像采集模塊權(quán)重系數(shù)和觸覺傳感器權(quán)重系數(shù)對所述視覺缺陷基本概率分配和觸覺缺陷基本概率分配進行修正，根據(jù)修正后的視覺缺陷基本概率分配和修正后的觸覺缺陷基本概率分配獲取目標概率分配下的目標缺陷概率；若所述沖突系數(shù)小于預(yù)設(shè)系數(shù)閾值，根據(jù)所述視覺缺陷基本概率分配和觸覺缺陷基本概率分配獲取目標概率分配下的目標缺陷概率；若所述目標缺陷概率大于或等于所述目標缺陷對應(yīng)的預(yù)設(shè)缺陷閾值，確定所述目標區(qū)域存在目標缺陷；若所述目標缺陷概率小于所述目標缺陷對應(yīng)的預(yù)設(shè)缺陷閾值，確定所述目標區(qū)域不存在目標缺陷。3.根據(jù)權(quán)利要求2所述的基于多模態(tài)傳感器的電池缺陷檢測方法，其特征在于，所述根據(jù)修正后的視覺缺陷基本概率分配和修正后的觸覺缺陷基本概率分配獲取目標概率分配下的目標缺陷概率，或者，所述根據(jù)所述視覺缺陷基本概率分配和觸覺缺陷基本概率分配獲取目標概率分配下的目標缺陷概率，包括：根據(jù)修正后的視覺缺陷基本概率分配和修正后的觸覺缺陷基本概率分配，或者，根據(jù)所述視覺缺陷基本概率分配和觸覺缺陷基本概率分配，通過預(yù)設(shè)的目標缺陷概率公式確定目標缺陷概率，3,m(A)為所述目標概率分配中的目標缺陷視覺缺陷基本概率分配中存在缺陷的概率，m?(Y)為所述觸覺缺陷基本概率中存在缺陷的過圖像采集模塊權(quán)重系數(shù)和觸覺傳感器權(quán)重系數(shù)對所述視覺缺陷基本概率分配和觸覺缺通過圖像采集模塊權(quán)重系數(shù)對所述視覺缺陷基本概率分配進通過觸覺傳感器權(quán)重系數(shù)對所述觸覺缺陷基本概率分配進行通過圖像采集模塊對所述放置臺上的待檢測電池進行采集，通過所述機械臂在采集圖像的過程中移動所述待檢測電池，以確保所述待檢測電池所7.一種基于多模態(tài)傳感器的電池缺陷檢測系統(tǒng)，其特征在于，所述系統(tǒng)用于實現(xiàn)權(quán)利所述圖像采集模塊和觸覺傳感器模塊設(shè)置在所述運動控制平析并確定目標區(qū)域后，移動所述待檢測電池將目標區(qū)域?qū)?yīng)的檢測面對準所述觸覺傳感410.根據(jù)權(quán)利要求7所述的基于多模態(tài)傳感器的電池缺陷檢測系統(tǒng)，其特征在于，所述放置臺上設(shè)置有平面坐標系。5技術(shù)領(lǐng)域[0001]本發(fā)明公開涉及電池檢測技術(shù)領(lǐng)域，具體地，涉及一種基于多模態(tài)傳感器的電池缺陷檢測方法及系統(tǒng)。背景技術(shù)[0002]在電池制造與質(zhì)量檢測領(lǐng)域，電池外觀的完整性以及焊接質(zhì)量關(guān)系到電池的使用壽命、可靠性以及終端產(chǎn)品的整體安全性。在實際生產(chǎn)過程中，電池外觀可能會出現(xiàn)諸如劃嚴重安全事故。[0003]目前，在電池外觀和焊接質(zhì)量檢測方面，現(xiàn)有的檢測技術(shù)存在諸多局限性。傳統(tǒng)的2D視覺檢測技術(shù)雖然在一定程度上能夠?qū)﹄姵赝庥^和焊接缺陷進行檢測，但由于電池外殼通常采用金屬材質(zhì)，具有高反光特性，這使得傳統(tǒng)2D視覺系統(tǒng)在檢測過程中容易受到金屬外表反光效果的干擾，導(dǎo)致圖像出現(xiàn)光斑、陰影等不良現(xiàn)象，從而影響檢測的準確性和可靠性，難以對鋁殼等高反光表面的細微缺陷進行有效識別。為了克服上述不足，部分企業(yè)考慮采用3D相機進行檢測，在一定程度上可以提高檢測的精度和可靠性，但3D相機的設(shè)備成本高昂，對于大多數(shù)電池制造企業(yè)來說，無疑增加了巨大的生產(chǎn)成本負擔，限制了其大規(guī)模應(yīng)[0004]因此，本領(lǐng)域技術(shù)人員亟待研發(fā)一種新的技術(shù)方案來解決上述問題。發(fā)明內(nèi)容[0005]為克服相關(guān)技術(shù)中存在的問題，本發(fā)明公開提供一種基于多模態(tài)傳感器的電池缺陷檢測方法及系統(tǒng)。[0006]根據(jù)本發(fā)明公開實施例的第一方面，提供一種基于多模態(tài)傳感器的電池缺陷檢測方法，所述方法應(yīng)用于基于多模態(tài)傳感器的電池缺陷檢測系統(tǒng)，所述系統(tǒng)包括：圖像采集模[0007]通過所述圖像采集模塊對所述運動控制平臺上的待檢測電池進行圖像采集，獲取待檢測圖像；[0008]通過所述處理器根據(jù)預(yù)設(shè)的圖像處理算法對所述待檢測圖像進行分析，確定圖像中疑似存在缺陷的目標區(qū)域并提取所述目標區(qū)域?qū)?yīng)的視覺特征；[0009]通過所述觸覺傳感器對所述目標區(qū)域進行掃描，通過所述處理器根據(jù)所述目標區(qū)域的掃描結(jié)果提取觸覺特征；[0010]通過所述處理器利用隨機森林算法獲取與視覺特征對應(yīng)的視覺初步缺陷概率，以及獲取與觸覺特征對應(yīng)的觸覺初步缺陷概率；[0011]通過所述處理器根據(jù)所述視覺初步缺陷概率和觸覺初步缺陷概率，依據(jù)D-S理論獲取目標概率分配下的目標缺陷概率，以根據(jù)所述目標缺陷概率確定所述目標區(qū)域是否存在目標缺陷。6[0012]可選的，所述通過所述處理器根據(jù)所述視覺初步缺陷概率和觸覺初步缺陷概率，依據(jù)D-S理論獲取目標概率分配下的目標缺陷概率，以根據(jù)所述目標缺陷概率確定所述目[0013]將所述視覺初步缺陷概率和觸覺初步缺陷概率轉(zhuǎn)化為D-S理論的視覺缺陷基本概后的視覺缺陷基本概率分配和修正后的觸覺缺陷基本概率分配獲取目標概率分配下的目[0019]根據(jù)修正后的視覺缺陷基本概率分配和修正后的觸覺缺陷基本概率分配，或所述視覺缺陷基本概率分配中存在缺陷的概率，m?的視覺缺陷基本概率分配m(X)=@?·m(X)+(1-@?)/2,其中，m?(X)為所述視覺缺陷基[0024]通過觸覺傳感器權(quán)重系數(shù)對所述觸覺缺陷基本概率分配進行修正，獲取修正后的觸覺缺陷基本概率分配m?(Y)=@?·m?(Y)+(1-@?)/2,其中，m?(Y)為所述觸覺缺陷基本7[0026]通過圖像采集模塊對所述放置臺上的待檢測電池進行采集，獲取所述待檢測電池一個檢測面的待檢測圖像；[0027]通過所述機械臂在采集圖像的過程中移動所述待檢測電池，以確保所述待檢測電池所有檢測面的待檢測圖像被采集完畢。[0028]可選的，所述放置臺上設(shè)置有平面坐標系，所述通過所述觸覺傳感器對所述目標[0029]確定所述目標區(qū)域在所述平面坐標系中的坐標位置；[0030]根據(jù)所述坐標位置確定所述觸覺傳感器掃描所述目標區(qū)域時的接觸路徑；[0031]通過所述觸覺傳感器根據(jù)所述接觸路徑對所述目標區(qū)域進行掃描。[0032]根據(jù)本發(fā)明公開實施例的第二方面，提供一種基于多模態(tài)傳感器的電池缺陷檢測系統(tǒng)，所述系統(tǒng)用于實現(xiàn)本發(fā)明公開實施例第一方面所述的基于多模態(tài)傳感器的電池缺陷[0033]所述圖像采集模塊和觸覺傳感器模塊設(shè)置在所述運動控制平臺的上方，分別與所述處理器電連接，所述運動控制平臺用于放置所述待檢測電池。[0034]可選的，所述運動控制平臺包括機械臂和放置臺，所述放置臺用于放置所述待檢測電池，所述機械臂用于移動所述待檢測電池。[0035]可選的，所述機械臂用于在采集圖像的過程中移動所述待檢測電池，以確保所述待檢測電池各個檢測面的圖像被采集完畢，以及，在所述處理器通過圖像處理算法對所述待檢測電池的圖像進行分析并確定目標區(qū)域后，移動所述待檢測電池將目標區(qū)域?qū)?yīng)的檢測面對準所述觸覺傳感器。[0038](1)先利用隨機森林對視覺特征和觸覺特征進行分類，輸出初步缺陷概率，再利用D-S理論融合多個傳感器的置信度，采用多模態(tài)融合算法，提升最終判定的可靠性；[0039](2)采用高分辨率工業(yè)相機和陣列式觸覺傳感器等價格偏低的器件作為圖像采集模塊和觸覺傳感器，相對于價格昂貴的3D相機來說，有效地控制了電池缺陷檢測過程中的[0040](3)通過觸覺傳感器對目標區(qū)域的“疑似缺陷”進行進一步驗證，將觸覺傳感器重點檢測的區(qū)域集中在了目標區(qū)域，可解決觸覺傳感器工作效率低下的問題，有效提升電池缺陷檢測效率。[0041]本發(fā)明公開的其他特征和優(yōu)點將在隨后的具體實施方式部分予以詳細說明。附圖說明[0042]附圖是用來提供對本公開的進一步理解，并且構(gòu)成說明書的一部分，與下面的具體實施方式一起用于解釋本公開，但并不構(gòu)成對本公開的限制。在附圖中：[0043]圖1是根據(jù)一示例性實施例示出的一種基于多模態(tài)傳感器的電池缺陷檢測方法的流程示意圖；[0044]圖2是根據(jù)圖1示出的一種圖像采集方法的流程示意圖；[0045]圖3是根據(jù)圖1示出的一種觸覺傳感器掃描目標區(qū)域方法的流程圖示意圖；8[0046]圖4是根據(jù)圖1示出的一種目標缺陷判定方法的流程示意圖；[0047]圖5是根據(jù)一示例性實施例示出的一種基于多模態(tài)傳感器的電池缺陷檢測系統(tǒng)的結(jié)構(gòu)示意圖。具體實施方式[0048]以下結(jié)合附圖對本發(fā)明公開的具體實施方式進行詳細說明。應(yīng)當理解的是，此處所描述的具體實施方式僅用于說明和解釋本公開，并不用于限制本公開。[0049]本發(fā)明公開實施例中的電池缺陷檢測方法通過視覺檢測與觸覺檢測相結(jié)合的方式，采集多個維度的電池外殼數(shù)據(jù)，并將多個維度的數(shù)據(jù)(2D視覺數(shù)據(jù)+3D觸覺數(shù)據(jù))進行融合，得到高精度的檢測結(jié)果，識別出電池外殼表面的缺陷。該電池缺陷檢測方法應(yīng)用于一種基于多模態(tài)傳感器的電池缺陷檢測系統(tǒng)，該系統(tǒng)包括：圖像采集模塊、觸覺傳感器模塊、處理器和運動控制平臺，圖像采集模塊和觸覺傳感器模塊分別用于采集視覺維度和觸覺維度的數(shù)據(jù)，處理器用于分析上述數(shù)據(jù)，對數(shù)據(jù)進行融合處理后得出缺陷檢測的結(jié)果，運動控制平臺可用于放置需要檢測的電池外殼，以及移動電池外殼使每個待檢測的面對準圖像采集模塊或觸覺傳感器。[0050]圖1是根據(jù)一示例性實施例示出的一種基于多模態(tài)傳感器的電池缺陷檢測方法的[0051]在步驟101中，通過該圖像采集模塊對該運動控制平臺上的待檢測電池進行圖像[0052]示例地，該運動控制平臺包括機械臂和放置臺，該放置臺用于放置待檢測電池，該機械臂用于移動待檢測電池?？梢岳斫獾氖?，每個待檢測電池的外殼包含若干個檢測面，通過圖像采集模塊采集待檢測圖像時，需要對各個檢測面的待檢測圖像采集完全。[0053]具體的，圖2是根據(jù)圖1示出的一種圖像采集方法的流程示意圖，如圖2所示，該步驟101包括：[0054]在步驟1011中，通過圖像采集模塊對該放置臺上的待檢測電池進行采集，獲取該待檢測電池一個檢測面的待檢測圖像。[0055]在步驟1012中，通過該機械臂在采集圖像的過程中移動該待檢測電池，以確保該待檢測電池所有檢測面的待檢測圖像被采集完畢。[0056]示例地，通過機械臂對放置臺的待檢測電池進行移動，以使每個檢測面對準圖像采集模塊，完成該檢測面的圖像采集。[0057]在步驟102中，通過該處理器根據(jù)預(yù)設(shè)的圖像處理算法對該待檢測圖像進行分析，確定圖像中疑似存在缺陷的目標區(qū)域并提取該目標區(qū)域?qū)?yīng)的視覺特征。[0058]示例地，處理器分析待檢測圖像時，對每個檢測面進行單獨分析。預(yù)設(shè)的圖像處理算法包括：多光源成像算法、邊緣增強算法、輪廓提取算法等現(xiàn)有的圖像處理方式。根據(jù)預(yù)設(shè)的圖像處理算法對該待檢測圖像進行分析的具體步驟為：針對每個檢測面，將不同角度的圖像采集模塊采集到的該檢測面的待檢測圖像進行融合，以突出缺陷特征。使用Sobel或Scharr算子計算該檢測面待檢測圖像的圖像梯度，強化線性特征(例如，劃痕通常表現(xiàn)為長條狀高梯度區(qū)域),通過輪廓提取技術(shù)確定出焊縫區(qū)域的輪廓，采用局部對比增強等方式，9焊渣區(qū)域、虛焊區(qū)域等也可以通過現(xiàn)有的圖像處理算法進行確定，本發(fā)明公開實施例中不缺陷的目標區(qū)域。之所以將上述目標區(qū)域稱為疑似存在缺陷，是由于圖像采集模塊采集到的2D視覺數(shù)據(jù)容易受到金屬外表面反光以及其他環(huán)境光線的影響，導(dǎo)致檢測結(jié)果存在一定的偏差。為了保證電池外殼各個檢測面缺陷檢測結(jié)果的準確性，將通過2D視覺數(shù)據(jù)得到的缺陷檢測結(jié)果稱為疑似存在缺陷的目標區(qū)域，再通過下述步驟103-105對“疑似缺陷”進行進一步的驗證。[0059]該目標區(qū)域?qū)?yīng)的視覺特征包括：紋理特征(LBP、Haralick)、形狀描述子(Hu矩)、深度學(xué)習(xí)特征(CNN中間層輸出)。[0060]在步驟103中，通過該觸覺傳感器對該目標區(qū)域進行掃描，通過該處理器根據(jù)該目標區(qū)域的掃描結(jié)果提取觸覺特征。[0061]示例地，通過觸覺傳感器對目標區(qū)域的“疑似缺陷”進行進一步驗證，觸識目標區(qū)觸覺特征包括：壓力分布均值/方差、力覺時間序列特征(過零率)、表面粗糙度。[0062]該放置臺上設(shè)置有平面坐標系，具體的，圖3是根據(jù)圖1示出的一種觸覺傳感器掃描目標區(qū)域方法的流程圖示意圖，如圖3所示，該步驟103,包括：[0063]在步驟1031中，確定該目標區(qū)域在該平面坐標系中的坐標位置。[0064]在步驟1032中，根據(jù)該坐標位置確定該觸覺傳感器掃描該目標區(qū)域時的接觸路[0065]在步驟1033中，通過該觸覺傳感器根據(jù)該接觸路徑對該目標區(qū)域進行掃描。[0066]示例地，該平面坐標系以放置臺的左下角頂點為圓心，以放置臺的下側(cè)邊緣為x軸所在直線，以放置臺的左側(cè)邊緣為y軸所在直線，放置臺中的每一個點都可以在平面坐標系中找到對應(yīng)的坐標位置。確定目標區(qū)域?qū)?yīng)的坐標位置之后，可根據(jù)目標區(qū)域所在的位置以及目標區(qū)域面積的大小，設(shè)置合理的觸覺傳感器掃描接觸路徑，從而使觸覺傳感器按照規(guī)定的接觸路徑進行掃描。[0067]另外，需要說明的是，在確定目標區(qū)域之后，可以通過機械臂移動待檢測電池將目標區(qū)域?qū)?yīng)的檢測面對準觸覺傳感器，便于觸覺傳感器執(zhí)行下一步的掃描動作。[0068]在步驟104中，通過該處理器利用隨機森林算法獲取與視覺特征對應(yīng)的視覺初步缺陷概率，以及獲取與觸覺特征對應(yīng)的觸覺初步缺陷概率。[0069]示例地，建立隨機森林分類器，將視覺特征和觸覺特征分別作為隨機森林分類器的輸入，根據(jù)隨機森林分類器的輸出獲取視覺初步缺陷概率和觸覺初步缺陷概率。[0070]在步驟105中，通過該處理器根據(jù)該視覺初步缺陷概率和觸覺初步缺陷概率，依據(jù)D-S理論獲取目標概率分配下的目標缺陷概率，以根據(jù)該目標缺陷概率確定該目標區(qū)域是否存在目標缺陷。[0071]示例地，根據(jù)視覺初步缺陷概率和觸覺初步缺陷概率，轉(zhuǎn)化為D-S理論下輸出置信度，獲取目標缺陷的概率分配，從而確定目標區(qū)域是否存在目標缺陷。其中，D-S描述不確定性信息。本發(fā)明公開實施例中，先利用隨機森林對視覺特征和觸覺特征進行分[0073]在步驟1051中，將該視覺初步缺陷概率和觸覺初步缺陷概率轉(zhuǎn)化為D-S理論的視系數(shù)和觸覺傳感器權(quán)重系數(shù)對該視覺缺陷基本概率分配和觸覺缺陷基本概率分配進行修視覺缺陷基本概率分配m,(X)=@?·m,(X)+(1-w?)/2,其中，m?(X)為該視覺缺陷基本概覺缺陷基本概率分配m?(Y)=@?·m?(Y)+(1-@?)/2,其中，m?(Y)為該觸覺缺陷基本概率[0082]具體的根據(jù)修正后的視覺缺陷基本概率分配和修正后的觸覺缺陷基本概率分配[0083]根據(jù)修正后的視覺缺陷基本概率分配和修正后的觸覺缺陷基本概率分配，或11[0085],m(A)為該目標概率分配中的目標缺陷概率，m(X)為該視覺缺陷基本概率分配中存在缺陷的概率，m?(Y)為該觸覺缺陷基本概率中存在缺陷的概[0086]在步驟1054中，若該目標缺陷概率大于或等于該目標缺陷對應(yīng)的預(yù)設(shè)缺陷閾值，確定該目標區(qū)域存在目標缺陷。[0087]在步驟1055中，若該目標缺陷概率小于該目標缺陷對應(yīng)的預(yù)設(shè)缺陷閾值，確定該目標區(qū)域不存在目標缺陷。注庫中包含每個目標類型對應(yīng)的預(yù)設(shè)缺陷閾值，通過對2D視覺數(shù)據(jù)+3D觸覺數(shù)據(jù)的分析，可初步確定目標缺陷類型，若目標缺陷概率大于或等于該目標缺陷類型對應(yīng)的預(yù)設(shè)缺陷閾值，則確定目標區(qū)域存在該目標缺陷，否則，確定目標區(qū)域不存在該目標缺陷。針對標準庫中的預(yù)設(shè)缺陷閾值，可在初期建立高質(zhì)量標注庫(涵蓋主要的缺陷類型),中期引入主動學(xué)習(xí)降低增量成本，長期結(jié)合成數(shù)據(jù)與遷移學(xué)習(xí)實現(xiàn)高效可持續(xù)的模型優(yōu)化。[0089]圖5是根據(jù)一示例性實施例示出的一種基于多模態(tài)傳感器的電池缺陷檢測系統(tǒng)的結(jié)構(gòu)示意圖，如圖5所示，該系統(tǒng)500包括：圖像采集模塊510、觸覺傳感器模塊520、處理器(圖中未示出)和運動控制平臺(包含機械臂531和放置臺532);該圖像采集模塊510和觸覺傳感器模塊520設(shè)置在該運動控制平臺的上方(還可以在運動控制平臺側(cè)面增設(shè)一個圖像采集模塊510,用于采集待檢測電池其他檢測面的圖像),分別與該處理器電連接，該運動控制平臺用于放置待檢測電池。[0090]具體的，圖像采集模塊510可以為高分辨工業(yè)相機，含有環(huán)形偏振光源抑制反光和結(jié)構(gòu)光，并且可以從不同顏色發(fā)射出不同角度的光源來抑制反光。觸覺傳感器520可以為陣列式觸覺傳感器。高分辨率工業(yè)相機和陣列式觸覺傳感器的價格偏低，可有效控制電池缺陷檢測過程中的成本。[0091]圖像采集模塊510用于對該運動控制平臺上的待檢測電池進行圖像采集，獲取待檢測圖像；觸覺傳感器520用于對該目標區(qū)域進行掃描；處理器用于根據(jù)預(yù)設(shè)的圖像處理算法對該待檢測圖像進行分析，確定圖像中疑似存在缺陷的目標區(qū)域并提取該目標區(qū)域?qū)?yīng)的視覺特征；根據(jù)該目標區(qū)域的掃描結(jié)果提取觸覺特征；利用隨機森林算法獲取與視覺特征對應(yīng)的視覺初步缺陷概率，以及獲取與觸覺特征對應(yīng)的觸覺初步缺陷概率；根據(jù)該視覺初步缺陷概率和觸覺初步缺陷概率，依據(jù)D-S理論獲取目標概率分配下的目標缺陷概率，以根據(jù)該目標缺陷概率確定該目標區(qū)域是否存在目標缺陷。[0092]該運動控制平臺包括機械臂531和放置臺532,該放置臺532用于放置該待檢測電池，該機械臂531用于移動該待檢測電池，在采集圖像的過程中移動該待檢測電池，以確保該待檢測電池各個檢測面的圖像被采集完畢，以及，在該處理器通過圖像處理算法對該待檢測電池的圖像進行分析并確定目標區(qū)域后，移動該待檢測電池將目標區(qū)域?qū)?yīng)的檢測面對準該觸覺傳感器。[0093]該放置臺上設(shè)置有平面坐標系。確定該目標區(qū)域在該平面坐標系中的坐標位置；根據(jù)該坐標位置確定該觸覺傳感器掃描該目標區(qū)域時的接觸路徑；通過該觸覺傳感器根據(jù)該接觸路徑對該目標區(qū)域進行掃描。[0094]綜上所述，本發(fā)明公開涉及一種基于多模態(tài)傳感器的電池缺陷檢測方法及系統(tǒng)，該方法包括：對待檢測電池進行圖像采集，獲取待檢測圖像；根據(jù)預(yù)設(shè)的圖像處理算法對待檢測圖像進行分析，確定圖像中疑似存在缺陷的目標區(qū)域以及視覺特征；對目標區(qū)域進行掃描，提取觸覺特征；利用隨機森林算法獲取與視覺特征對應(yīng)的視覺初步缺陷概率，以及獲取與觸覺特征對應(yīng)的觸覺初步缺陷概率；根據(jù)視覺初步缺陷概率和觸覺初步缺陷概率，依據(jù)D-S理論獲取目標概率分配下的目標缺陷概率，以根據(jù)目標缺陷概率確定目標區(qū)域是否存在目標缺陷。能夠通過觸覺傳感器