一种用于检测动力电池安全阀激光焊接缺陷的分割算法制造技术

本发明专利技术涉及数字图像处理和识别技术领域，具体为一种用于检测动力电池安全阀激光焊接缺陷的分割算法，包括如下步骤：通过AOI系统获取动力电池安全阀焊接缺陷数据集；通过注意力机制和多尺度对网络结构进行优化，获得多尺度注意力网络；以改进的Res2Net作为下采样过程中特征提取子模块，利用不同扩充率的空洞卷积来获得不同的感受野；通过定位模块与边缘抗锯齿模块，获取模型的分割结果；将训练好的模型进行保存参数，实时的对输入的焊接样本进行检测，预测样本是否含有缺陷。本发明专利技术以改进的Res2Net作为特征提取子模块，无需人工提取特征，训练和检测速度更快，准确率更高，并且模型参数以及计算复杂度更小。

【技术实现步骤摘要】
一种用于检测动力电池安全阀激光焊接缺陷的分割算法
本专利技术涉及一种分割算法，特别是涉及一种用于检测动力电池安全阀激光焊接缺陷的分割算法，属于数字图像处理和识别

技术介绍
近年来，随着国家对环保问题越来越重视以及国家政策的大力支持，新能源汽车动力电池技术不断革新，新能源汽车相关行业得到了快速的发展，动力电池作为新能源汽车最重要的核心部件之一，它的产品质量直接关乎到用户的生命安全以及汽车的使用寿命，动力电池的安全问题尤其需要关注，为了避免动力电池在使用过程中存在爆炸的隐患，通常在电池盖板上固定一个安全通风孔，当动力电池内部压力超过阈值时，安全阀将破裂释放压力，使电池避免发生意外，因此安全阀的焊接就显得格外重要，它直接影响到产品的质量和使用安全，由于激光焊接具备快速、精确、焊缝细腻等特点，故当前安全阀的焊接主要采用激光焊接，实际生产中，动力电池的安全阀与其电池盖板的激光焊接主要在自动生产线上完成。动力电池作为新能源汽车最重要的核心部件之一，它的产品质量直接关乎到用户的生命安全以及汽车的使用寿命，为了避免动力电池在使用过程中存在爆炸本文档来自技高网...

【技术保护点】
1.一种用于检测动力电池安全阀激光焊接缺陷的分割算法，其特征在于，包括如下步骤：/nS1：通过AOI系统获取动力电池安全阀焊接缺陷数据集；/nS2：通过注意力机制和多尺度对网络结构进行优化，获得多尺度注意力网络；/nS3：以改进的Res2Net作为下采样过程中特征提取子模块，利用不同扩充率的空洞卷积来获得不同的感受野；/nS4：通过定位模块与边缘抗锯齿模块，获取模型的分割结果；/nS5：将训练好的模型进行保存参数，实时的对输入的焊接样本进行检测，预测样本是否含有缺陷。/n

【技术特征摘要】
1.一种用于检测动力电池安全阀激光焊接缺陷的分割算法，其特征在于，包括如下步骤：
S1：通过AOI系统获取动力电池安全阀焊接缺陷数据集；
S2：通过注意力机制和多尺度对网络结构进行优化，获得多尺度注意力网络；
S3：以改进的Res2Net作为下采样过程中特征提取子模块，利用不同扩充率的空洞卷积来获得不同的感受野；
S4：通过定位模块与边缘抗锯齿模块，获取模型的分割结果；
S5：将训练好的模型进行保存参数，实时的对输入的焊接样本进行检测，预测样本是否含有缺陷。


2.根据权利要求1所述的一种用于检测动力电池安全阀激光焊接缺陷的分割算法，其特征在于：在S1中，在激光焊接AOI系统中，通过数码相机和LED光源获取焊接区域图像，然后经过AOI系统处理获取动力电池安全阀焊接缺陷数据集，并将将数据集随机按8：1：1比例或者7：2：1比例分为训练样本、验证样本和测试样本。


3.根据权利要求1所述的一种用于检测动力电池安全阀激光焊接缺陷的分割算法，其特征在于：在S2中，通过注意力机制和多尺度对网络结构进行优化，获得多尺度注意力网络，多尺度注意力网络使得下采样阶段能够提取不同尺度的特征，多尺度注意力网络输入特征x在经过1*1卷积后，将输出4组特征子集xi，xi具有相同的空间大小并且通道数为原始特征的1/4，除了x1不经过卷积操作以保持输入特征感受野尺度，其他各组特征都需要经过相应的3*3卷积，使用3个不同膨胀率的3*3空洞卷积对上一步输出的特征并行进行卷积，扩充率参数为1，2，4，其后都接上1*1卷积保持通道一致，最后各组特征在通道维度进行拼接融合并通过Gelu函数和1*1卷积得到具有不同尺度感受野的模型输出特征。


4.根据权利要求3所述的一种用于检测动力电池安全阀激光焊接缺陷的分割算法，其特征在于：多尺度注意...

【专利技术属性】
技术研发人员：杨亚涛，朱义双，杨顺情，陶凯，马君显，张力，杨润泽，陈勇，
申请(专利权)人：深圳大学，深圳市大德激光技术有限公司，
类型：发明
国别省市：广东;44