极片缺陷识别及模型训练方法、装置及电子设备制造方法及图纸

本申请提供了一种极片缺陷识别及模型训练方法、装置及电子设备，包括：将极片原始图像输入到训练好的极片缺陷识别模型中，获得所述极片缺陷识别模型输出的识别结果，所述识别结果包括缺陷图像；其中，所述极片缺陷识别模型包括区域子模型和缺陷识别子模型；所述区域子模型用于提取所述极片原始图像中的极片区域，得到极片区域图像；所述缺陷识别子模型用于对所述极片区域图像进行缺陷提取，得到缺陷图像。本申请实施例通过将极片原始图像输入到极片缺陷识别模型中，通过模型实现对缺陷极片的识别，基于模型处理图片的速度远大于常规的图像处理方法进行图片处理的速度，提高了极片缺陷识别的效率。陷识别的效率。陷识别的效率。

【技术实现步骤摘要】
极片缺陷识别及模型训练方法、装置及电子设备


[0001]本申请涉及模型训练领域，具体而言，涉及一种极片缺陷识别及模型训练方法、装置及电子设备。

技术介绍

[0002]目前，对模切材料缺陷的检测通常是对极片图像进行增强和滤波后，再对极片图像进行二值化处理，并通过特定的算法进行实现对模切材料的不良产品进行识别。虽然，此种方法能够实现对模切材料的不良产品的识别。但是，该识别方法需要处理的步骤较多，且每个步骤人为参与设定较多，存在检测效率较低的问题。

技术实现思路

[0003]有鉴于此，本申请实施例的目的在于提供一种极片缺陷识别及模型训练方法、装置、电子设备及可读存储介质。能够提高模切材料的检测效率。
[0004]第一方面，本申请实施例提供了一种极片缺陷识别方法，包括：将极片原始图像输入到训练好的极片缺陷识别模型中，获得所述极片缺陷识别模型输出的识别结果，所述识别结果包括缺陷图像；其中，所述极片缺陷识别模型包括区域子模型和缺陷识别子模型；所述区域子模型用于提取所述极片原始图像中的极片区域，得到极片区域图像；所述缺陷识别子模型用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种极片缺陷识别方法，其特征在于，包括：将极片原始图像输入到训练好的极片缺陷识别模型中，获得所述极片缺陷识别模型输出的识别结果，所述识别结果包括缺陷图像；其中，所述极片缺陷识别模型包括区域子模型和缺陷识别子模型；所述区域子模型用于提取所述极片原始图像中的极片区域，得到极片区域图像；所述缺陷识别子模型用于对所述极片区域图像进行缺陷提取，得到缺陷图像。2.根据权利要求1所述的方法，其特征在于，所述获得所述极片缺陷识别模型输出的识别结果之后，所述方法还包括：提取所述缺陷图像中缺陷区域；根据所述缺陷区域的缺陷属性判断所述缺陷图像对应的极片是否为缺陷极片。3.一种极片缺陷识别模型训练方法，其特征在于，包括：将多个标注有特征区域的极片原始图像输入预训练模型中进行预训练，获得预训练好的区域子模型；利用所述预训练好的区域子模型对多个所述极片原始图像进行区域特征提取，得到极片区域图像；将待识别图像输入待训练模型中进行训练，获得训练好的极片缺陷识别子模型，所述待识别图像为所述极片区域图像进行缺陷标注后的图像。4.根据权利要求3所述的方法，其特征在于，所述将多个带有待训练特征区域的极片原始图像放入到预训练模型中进行预训练，获得预训练好的区域子模型，包括：获取多个目标图像，所述目标图像为对所述极片原始图像进行特征区域标注后得到的；将多个所述极片原始图像与多个所述目标图像输入到所述预训练模型中进行预训练，获得预训练好的区域子模型；其中，所述预训练模型为Python模型在TensorFlow框架下构建深度学习网络后得到的，所述区域子模型用于提取所述极片原始图像中的极片区域。5.根据权利要求4所述的方法，其特征在于，所述获取多个目标图像，包括：根据多个所述极片原始图像生成JSON文件，所述JSON文件包括多个所述极片原始图像进行特征区域标注后得到的多个标注后的极片原始...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：广东利元亨智能装备股份有限公司，
类型：发明
国别省市：