【技术实现步骤摘要】
基于卷积神经网络的极片极耳缺陷检测模型、检测方法及系统
本专利技术涉及极片极耳检测，具体涉及基于卷积神经网络的极片极耳缺陷检测模型、检测方法及系统。
技术介绍
动力电池是指具有较大电能容量和输出功率，可配置电动自行车、电动汽车、电动设备及工具驱动电源的电池，通常也包括在军事上的潜艇与高级智能机器人及企事业单位使用的蓄能设备、通讯指挥系统的常备电源等。随着新兴的电动自行车、电动汽车的开发和商业化生产、新型潜艇及无人水下航行器的发展，使得社会对新型动力电池的需求大幅度增加。动力锂离子电池极片在生产过程中，会因为在涂布工艺中由于涂布机、辊压机等原因造成正负极的露箔、暗斑、亮斑、掉料等缺陷，这样会严重影响电池的性能和使用寿命。因此在制片后会通过人工检测或采用传统机器视觉自动化检测，但是由于人工易受主观因素影响导致漏检频发，检测效率低下，而传统机器视觉算法无法覆盖生产中的各种缺陷且分类效果较差从而导致经常发生误检，因此基于深度学习的卷积神经网络与计算机视觉检测必将代替人工检测与传统机器视觉检测成为未来主要发展方向。动力锂离子电池极片自动检测方法(201310549948.8...
【技术保护点】
1.基于卷积神经网络的极片极耳缺陷检测模型的构建方法，其特征在于，包括：(1)图像预处理：将输入图片进行双高斯差分，分割为极片和极耳两类数据；(2)数据标注：对步骤(1)分割得到的极片图像数据中的缺陷进行位置标注，对极耳图像数据进行分类标注；(3)神经网络的构建：设计四个卷积神经模型，模型1为提取图像固定维度特征的神经网络模型；模型2在模型1的基础上添加分类层，用于对极耳缺陷特征进行分类，模型3在模型1的基础上对极片缺陷检测出的特征进行多尺度边界回归以确定锚框方位，再通过非极大值抑制方法确定主要边界框体；模型4在模型1的基础上对极片缺陷边界回归主体输出的特征向量进行分类；将...
【技术特征摘要】
1.基于卷积神经网络的极片极耳缺陷检测模型的构建方法，其特征在于，包括：(1)图像预处理：将输入图片进行双高斯差分，分割为极片和极耳两类数据；(2)数据标注：对步骤(1)分割得到的极片图像数据中的缺陷进行位置标注，对极耳图像数据进行分类标注；(3)神经网络的构建：设计四个卷积神经模型，模型1为提取图像固定维度特征的神经网络模型；模型2在模型1的基础上添加分类层，用于对极耳缺陷特征进行分类，模型3在模型1的基础上对极片缺陷检测出的特征进行多尺度边界回归以确定锚框方位，再通过非极大值抑制方法确定主要边界框体；模型4在模型1的基础上对极片缺陷边界回归主体输出的特征向量进行分类；将模型1作为图像固定维度特征提取模型，将模型2作为极耳缺陷分类模型，模型3、4通过多尺度融合成为极片缺陷检测模型；(4)模型训练：对极耳缺陷分类模型和极片缺陷检测模型进行模型训练；(5)创建损失函数：分别针对极耳缺陷分类模型和极片缺陷检测模型创建损失函数，将两个损失相加得到最终损失函数；(6)模型评估：分别对极耳缺陷分类模型和极片缺陷检测模型进行评估；(7)模型融合：依据模型评估结果得到极耳缺陷分类与极片缺陷检测的最优模型，通过concentrate函数将两种模型作为子模型融合成一个最优融合模型，以加快检测速度；(8)数据推理：将经过图像预处理分割出的极耳与极片图像数据转换成张量数据同时进入步骤(7)的最优融合模型，在数据向前传播的过程中，极耳的张量数据进入极耳缺陷分类子模型，极片的张量数据进入极片缺陷检测子模型，最后经过置信度阈值的调整输出检测结果。2.根据权利要求1所述的构建方法，其特征在于，步骤(4)中，分别将极片图像数据和极耳图像数据分为80％的训练数据集与20％的验证数据集，采用多卷积层，小卷积核的方法，利用训练集和验证集分别对极耳缺陷分类模型和极片缺陷检测模型进行训练并在每次迭代后对训练...
【专利技术属性】
技术研发人员：李鑫，薛强，蔡蔚，
申请(专利权)人：陕西何止网络科技有限公司，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。