买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江西省允福亨新能源有限责任公司申请的专利电池极耳焊接质量检测系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120985164B 。

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511097702.0，技术领域涉及：B23K31/12；该发明授权电池极耳焊接质量检测系统及方法是由彭家新;吴华斌;刘龙;胡镇东设计研发完成，并于2025-08-06向国家知识产权局提交的专利申请。

本电池极耳焊接质量检测系统及方法在说明书摘要公布了：本发明属于电池检测技术领域，本发明公开了电池极耳焊接质量检测系统及方法；方法包括：通过预设的全局时钟信号同步采集X射线图像和电性能数据，构建按时间戳排序的时序数据集；利用初始特征点追踪算法生成相邻X射线图像帧间的几何变换矩阵；基于几何变换矩阵对时序数据集中的X射线图像时序数据进行空间位置对齐，得到位置对齐后的X射线图像时序数据；对时序数据集中的电性能时序数据进行时序特征提取，生成电性能时序特征向量；整体方案显著提高了动态缺陷检测的准确率，解决了传统单帧分析模式下的漏检问题，为锂离子电池质量管控提供了全周期、多维度的检测能力。

本发明授权电池极耳焊接质量检测系统及方法在权利要求书中公布了：1.电池极耳焊接质量检测方法，其特征在于： 通过预设的全局时钟信号同步采集X射线图像和电性能数据，构建按时间戳排序的时序数据集； 利用初始特征点追踪算法生成相邻X射线图像帧间的几何变换矩阵，具体包括： 对第一帧X射线图像进行特征检测，提取电池极耳焊接区域的初始特征点；所述初始特征点包括极耳焊接区域的边缘角点坐标和焊点中心坐标； 基于光流法，对X射线图像中的初始特征点进行追踪，生成各帧X射线图像中初始特征点的坐标序列，得到特征点运动轨迹序列； 根据特征点运动轨迹序列，采用最小二乘法计算相邻X射线图像帧间的平移矩阵、旋转矩阵和缩放因子，组合形成相邻X射线图像帧间的几何变换矩阵； 基于几何变换矩阵对时序数据集中的X射线图像时序数据进行空间位置对齐，得到位置对齐后的X射线图像时序数据，具体包括： 令索引变量k=1，k的取值范围为[1,K]；索引变量q=1，q的取值范围为[1,Q]；K为X射线图像帧数，Q为每帧X射线图像的像素点数量； S101:对时序数据集中的第k帧X射线图像的第q个在经过几何变换矩阵作用后的新像素点，根据几何变换矩阵的逆矩阵计算第q个新像素点在经过几何变换矩阵作用前对应的采样位置，标记为原采样位置； S102:以第q个新像素点在原采样位置为中心确定最近邻S个整数坐标的像素点，并计算该S个像素点的灰度值； S103:根据第q个新像素点在原采样位置与S个像素点的相对距离计算权重系数； S104:将S个像素点的灰度值分别与对应权重系数相乘后求和，得到第q个在经过几何变换矩阵作用后的新像素点的灰度值； S105：若q小于Q，则令q自加1，执行S101至S105；若q大于或等于Q，且k小于k，则令q=0，k自加1，执行S101至S105；若q大于或等于Q，且k大于或等于k，则完成X射线图像时序数据的空间位置变换，得到位置对齐后的X射线图像时序数据； 对时序数据集中的电性能时序数据进行时序特征提取，生成电性能时序特征向量； 将位置对齐后的X射线图像时序数据和电性能时序特征向量输入预设的神经网络模型，输出预测缺陷发展概率，并诊断焊接质量； 神经网络模型的训练方法包括： 获取训练数据集，所述训练数据集包括带时间戳的位置对齐后的X射线图像时序数据样本、对应的电性能时序数据样本及人工标注的焊接质量标签向量； 构建双分支神经网络模型，所述双分支神经网络模型包括图像特征提取分支、时序融合分支和全连接分类层； 将位置对齐后的X射线图像时序数据输入图像特征提取分支，输出图像特征向量； 将图像特征向量和电性能时序数据输入时序融合分支，通过拼接操作生成融合特征向量； 将融合特征向量输入全连接分类层，输出缺陷概率向量； 计算缺陷概率向量每个维度的二元交叉熵损失值并求均值得到综合损失值； 利用反向传播算法更新双分支神经网络模型的可训练参数，直至综合损失值收敛，得到训练好的神经网络模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江西省允福亨新能源有限责任公司，其通讯地址为：336000 江西省宜春市经济技术开发区双创基地9栋；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。