CN119404095A 检查电池电极的设备和方法 （株式会社Lg新能源）

2024.12.13PCT/KR2023/0128842023.08.30WO2024/049201KO2024.03.07根据本发明的实施方式的一种检查电池电电极图像来提取包括怀疑有缺陷的区域的检查于确定与检查对象图像对应的电极是否有缺陷过基于更新后的训练数据重新训练学习模型来2从拍摄了至少一个电极表面的电极图像中获得提取了怀疑有缺陷的区域的检查对象通过将所述检查对象图像输入到预训练的学习模型中来输出与所述电池电极是否有至少一个训练数据的量来确定多个学习模型中的任意3.根据权利要求2所述的电池电极检查设备，其中，确定任意一个学习模型的指令包在所述训练数据的量小于预定参考值时，使用预训练的基于4.根据权利要求3所述的电池电极检查设备，其中，确定任意一个学习模型的指令包在所述训练数据的量大于或等于所述预定参考值时，通过将所述至少一个图像特征值输入到所述第一学习模型中来获得所述结果数据的所述结果数据用作学习数据来重新训练所述预训练的学习模12.一种使用基于人工智能模型的电池电极检查设备的电池电极检查方法，所述电池3从拍摄了至少一个电极表面的电极图像中获得提取了怀疑有缺陷的区域的检查对象通过将所述检查对象图像输入到预训练的学习模型中来输出与所述电池电极是否有在所述训练数据的量小于预定参考值时，使用预训练的基于在所述训练数据的量大于或等于所述预定参考值时，通过将所述至少一个图像特征值输入到所述第一学习模型中来获得所述45[0001]本申请要求于2022年8月31日在韩国知识产权局提交的韩国专利申请No.10_2022_0109765以及于2023年8月9日在韩国知识产权局提交的韩国专利申请No.10_2023_的学习模型根据电极图像确定电极是否由于表面缺陷而有缺陷的检查电池的电极的设备6[0017]为了实现本公开的目的，一种基于人工智能模型检预训练的学习模型中来输出与所述电池电极是否有缺陷有关的结果[0019]确定任意一个学习模型的指令可以包括：在所述训练数据的量小于预定参考值定参考值时使用预训练的基于深度学习的第二学习模型输出所算法从所述检查对象图像提取所述至少一个(aspectratio)以及圆度(roundness)中的[0024]所述第一学习模型可以是基于随机森林的学习模型(randomforest_based[0025]使用所述预训练的基于深度学习的第二学习模型来输出所述结果数据的指令可[0027]所述至少一条指令还可以包括通过将所述结果数据用作学习数据来重新训练所7[0036]使用所述预训练的基于深度学习的第二学习模型来通过将至少一个检查对象图像输入到所述第二学习模型中来获得所述[0046]图5是使用根据本发明的实施方式的电池电极检查设备的电池电极检查方法的操[0047]图6是用于说明根据本发明的实施方式的电池电极检查方法中的提取检查对象图[0048]图7是用于说明根据本发明的实施方式的电池电极检查方法中的确定电极是否发[0049]图8是用于说明使用根据本发明的实施方式的电池电极检查方法的第一学习模型8[0050]图9是示出根据本发明的另一实施方式的使用电池电极检查方法的第二学习模型[0051]图10是用于说明根据本发明的另一实施方式的电池电极检查方法中的再学习步[0064]参照图1，电池电极检查设备可以检测电极的表面上的缺陷并确定电极是否发生[0065]通用电池电极检查设备使用预先设计的检测逻辑来确定从安装在现场的相机获认缺陷类型的至少一个电极图像的图像特征9[0067]参照图2，基于在工艺的初始应用期间从安装在现场的相机获得的电极的缺陷图辑的检查结果是出现缺陷而被确定为发生故障图像中提取怀疑具有电极的表面缺陷的检查对象图像，并且基于此确定电极是否发生故[0072]参照图3，电池电极检查系统可以在电极制备工艺期间检测具有表面缺陷的电极[0075]电池电极检查设备5000可以与至少一个相机1000连接以从相机1000获得至少一读存储器(ROM)和随机存取存储器(RAM)中的预训练的学习模型中来输出关于电池电极是否有缺陷的结果[0086]确定任意一个学习模型的指令可以包括在训练数据的量小于预定参考值时使用预训练的基于机器学习的第一学习模型来输出结果[0087]确定任意一个学习模型的指令可以包括在训练数据的量大于或等于预定参考值[0089]从检查对象图像提取至少一个图像特征值的指令可以包括使用基于规则的算法[0092]使用预训练的基于深度学习的第二学习模型来输出结果数据的指令可以包括通过将至少一个检查对象图像输入到第二学习模型中来获得结[0094]至少一条指令还可以包括通过将结果数据用作学习数据来重新训练预训练的学[0095]另外，处理器200可以指执行根据本发明的实施方式的方法的中央处理器(CPU)、[0097]图5是使用根据本发明的实施方式的电池电极检查设备的电池电极检查方法的操[0103]图6是用于说明根据本发明的实施方式的电池电极检查方法中提取检查对象图像设备5000可以通过将电极图像和预定义的条件命令输入到基于规则的算法中来输出检查[0105]这里，基于规则的算法可以根据预定义的条件命令来计算电极图像的平均亮度[0106]图7是用于说明根据本发明的实施方式在电池电极检查方法中确定电极是否发生[0107]参照图7，根据本发明的实施方式的电池电极检查设备5000可以核查按照存储器[0114]图8是用于说明根据本发明的实施方式的使用电池电极检查方法的第一学习模型横比以及圆度中的一项或更多项。使用基于规则的算法从至少一个检查对象图像习模型可以是基于在存储器100的数据集中预先分类的至少一个学习数据预训练的装袋型[0122]图9是示出根据本发明的另一实施方式的使用电池电极检查方法的第二学习模型备5000可以使用预训练的第二学习模型[0125]根据实施方式，预训练的第二学习模型可以是基于在存储器100中的数据集中预[0127]根据实施方式，预训练的第二学习模型可以是基于卷积神经网络(CNN)的人工神[0128]图10是用于说明根据本发明的另一实施方式的电池电极检查方法中的再学习步[0129]参照图10，电池电极检查设备5000可以将从本发明的实施方式获得的结果数据[0132]根据本发明的实施方式的电池电极检查设备和方法可以基于从相机获得的电极[0134]根据本发明的实施方式的方法的操作可以实现为计算机可读记录介质上的代码[0135]此外，计算机可读记录介质可以包括专门配置为存储和执行程序指令的硬件装