基于样本扩充的电池质量检测方法、装置和电子设备制造方法及图纸

本申请提供了一种基于样本扩充的电池质量检测方法、装置和电子设备，该方法包括：获取待识别的原始图像数据，图像数据中包含了用于判定电池质量的特征数据；基于所述原始图像数据形成一份或多份待鉴别图像数据，每份待鉴别图像数据中包含一种电池质量类型的标签信息；将所述待鉴别图像数据输入至训练好的基于样本扩充的识别模型中的鉴别器中进行分析，通过所述鉴别器输出所述待鉴别图像数据的真实性鉴别结果；根据所述真实性鉴别结果确定所述原始图像数据所表示的电池质量类型。本申请可以解决在缺乏足够样本的情况下，准确且高效地自动识别电池质量好坏的问题。动识别电池质量好坏的问题。动识别电池质量好坏的问题。

【技术实现步骤摘要】
基于样本扩充的电池质量检测方法、装置和电子设备


[0001]本申请涉及计算机
，更具体地，涉及一种基于样本扩充的电池质量检测方法、装置、可读介质和电子设备。

技术介绍

[0002]在电池生产过程中，出厂前需要对电池的质量进行检测，以避免存在瑕疵的电池被应用到了一些电子产品中而产生风险。针对电池质量的检测，通常会拍摄电池的图像，图像上会反映出电池是否存在瑕疵。
[0003]传统做法是利用肉眼来进行电池质量检测，但这种人工检测的方法效率低下。随着人工智能技术的兴起，市场上开始采用尝试采用一些人工智能技术对电池质量图像进行瑕疵检测，但人工智能模型的好坏严重依赖于训练样本的数量，在缺乏足够样本的情况下，难以人工智能模式难以达到自动判断电池质量好坏的准确性要求。然而现实中电池图像的样本数量较少，人工拍摄和标记电池质量类型来产生满足数量需求的样本并不现实。

技术实现思路

[0004]有鉴于此，有必要提供一种基于样本扩充的电池质量检测方法、装置、可读介质和电子设备，以解决在缺乏足够真实样本的情况下，难以准确且高效地自动识别电池质量好坏的问题。
[0005]本申请第一方面，提供了一种基于样本扩充的电池质量检测方法，所述方法包括：获取待识别的第一原始图像数据，所述第一原始图像数据中包含了用于判定电池质量的特征数据；基于所述第一原始图像数据形成一份或多份第一待鉴别图像数据，每份所述第一待鉴别图像数据中包含一种电池质量类型的标签信息；将所述待鉴别图像数据输入至训练好的基于样本扩充的识别模型中的鉴别器中进行分析，通过所述鉴别器输出所述第一待鉴别图像数据的第一真实性鉴别结果；根据所述第一真实性鉴别结果确定所述第一原始图像数据所表示的电池质量类型。
[0006]在其中一个实施例中，所述方法还包括：将确定了电池质量类型的第一原始图像数据作为扩充样本，根据所述扩充样本对预设的图像分类模型进行训练，形成训练好的图像分类模型；获取待识别的第二原始图像数据，所述第二原始图像数据中包含了用于判定电池质量的特征数据；基于所述第二原始图像数据形成一份或多份第二待鉴别图像数据和一份或多份待分类图像数据，每份所述第二待鉴别图像数据中包含一种电池质量类型的标签信息，所述待分类图像数据中不包含所述标签信息；将所述第二待鉴别图像数据输入至所述训练好的基于样本扩充的识别模型中的
鉴别器中进行分析，通过所述鉴别器输出所述第二待鉴别图像数据的第二真实性鉴别结果；将所述待分类图像数据输入至所述训练好的图像分类模型中进行分析，通过所述图像分类模型输出所述待分类图像数据的分类结果；根据所述第二真实性鉴别结果和所述分类结果确定所述第二原始图像数据所表示的电池质量类型。
[0007]在其中一个实施例中，所述标签信息包括第一标签和第二标签；所述根据所述第一真实性鉴别结果确定所述第一原始图像数据所表示的电池质量类型，包括：当带有第一标签的第一待鉴别图像数据的鉴别结果为真，带有其他标签的第一待鉴别图像数据的鉴别结果为假时，确定所述第一原始图像数据表示的电池质量类型为第一标签对应的电池类型。
[0008]在其中一个实施例中，所述标签信息包括凸点、褶皱和正常，所述根据所述第一真实性鉴别结果确定所述第一原始图像数据所表示的电池质量类型，包括：当带有褶皱标签的第一待鉴别图像数据和/或带有凸点标签的第一待鉴别图像数据的鉴别结果为真，且带有正常标签的第一待鉴别图像数据的鉴别结果为假时，确定所述第一原始图像数据表示的电池质量类型为凸点和/或褶皱的类型；和/或当带有正常标签的第一待鉴别图像数据的鉴别结果为真，且带有褶皱标签的第一待鉴别图像数据和/或带有凸点标签的第一待鉴别图像数据的鉴别结果也为真时，确定所述第一原始图像数据表示的电池质量类型为凸点和/或褶皱的类型；和/或当带有正常标签的第一待鉴别图像数据的鉴别结果为真，且带有褶皱标签的第一待鉴别图像数据和带有凸点标签的第一待鉴别图像数据的鉴别结果均为假时，确定所述第一原始图像数据表示的电池质量类型为正常的类型。
[0009]在其中一个实施例中，所述识别模型的训练步骤包括：获取带标签信息的真实样本数据；将所述真实样本数据输入至待训练模型中的生成器中进行分析，所述生成器根据所述真实样本数据生成模拟样本数据；将所述模拟样本数据输入至所述待训练模型中的鉴别器中进行分析，所述鉴别器输出所述模拟样本数据的第一真实性鉴别结果；计算所述第一真实性鉴别结果和模拟样本数据的分类交叉熵；基于所述分类交叉熵调整所述待训练模型中的生成器和/或鉴别器的参数，得到训练好的识别模型。
[0010]在其中一个实施例中，根据计算所述分类交叉熵；当所述分类交叉熵达到预设值时，结束对所述待训练模型的训练，其中是识别带有标签y的图像数据x为真实图像数据的期望值，是带有标签y的图像数据x为真实图像数据的期望值，z表示随机向量。
[0011]在其中一个实施例中，所述基于所述第一原始图像数据形成一份或多份第一待鉴
别图像数据，包括：从所述第一原始图像数据中裁切出包含电池质量的特征数据的裁切图像数据；对所述裁切图像数据进行分辨率降低处理，形成一份或多分待标记图像数据；针对每份待标记图像数据，采用独热编码将其中一种标签信息拼接至一份待标记图像数据中，形成第一待鉴别图像数据。
[0012]本申请第二方面，提供了一种基于样本扩充的电池质量检测装置，所述装置包括：数据获取模块，用于获取待识别的第一原始图像数据，所述第一原始图像数据中包含了用于判定电池质量的特征数据；基于所述第一原始图像数据形成一份或多份第一待鉴别图像数据，每份所述第一待鉴别图像数据中包含一种电池质量类型的标签信息；类型识别模块，用于将所述待鉴别图像数据输入至训练好的基于样本扩充的识别模型中的鉴别器中进行分析，通过所述鉴别器输出所述第一待鉴别图像数据的第一真实性鉴别结果；类型确定模块，用于根据所述第一真实性鉴别结果确定所述第一原始图像数据所表示的电池质量类型。
[0013]本申请第三方面，提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行本申请任一项实施例中所述的方法。
[0014]本申请第四方面，提供了一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行本申请任一项实施例中所述的方法。
[0015]上述的基于样本扩充的电池质量检测方法、装置、可读介质和电子设备，在样本不足的情况下，可以利用基于样本扩充的识别模型来进行电池质量检测，通过将待检测数据先标记类型，然后给识别模型的鉴别器对所标记的类型进行真实性鉴别，根据真实性鉴别结果，可以推导出所标记类型的正确与否，进而可以确定该图像所反映出来的电池的质量类型，实现了在缺乏足够真实样本的情况下，准确且高效地自动识别出电池质量好坏。
[0016]相比较于通过利用基于扩充的训练好的识别模型来生成足够多的模拟样本，然后拿该模拟样本去训练专门用于进行图像类型识别的分类模型，最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于样本扩充的电池质量检测方法，其特征在于，所述方法包括：获取待识别的第一原始图像数据，所述第一原始图像数据中包含了用于判定电池质量的特征数据；基于所述第一原始图像数据形成一份或多份第一待鉴别图像数据，每份所述第一待鉴别图像数据中包含一种电池质量类型的标签信息；将所述待鉴别图像数据输入至训练好的基于样本扩充的识别模型中的鉴别器中进行分析，通过所述鉴别器输出所述第一待鉴别图像数据的第一真实性鉴别结果；根据所述第一真实性鉴别结果确定所述第一原始图像数据所表示的电池质量类型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将确定了电池质量类型的第一原始图像数据作为扩充样本，根据所述扩充样本对预设的图像分类模型进行训练，形成训练好的图像分类模型；获取待识别的第二原始图像数据，所述第二原始图像数据中包含了用于判定电池质量的特征数据；基于所述第二原始图像数据形成一份或多份第二待鉴别图像数据和一份或多份待分类图像数据，每份所述第二待鉴别图像数据中包含一种电池质量类型的标签信息，所述待分类图像数据中不包含所述标签信息；将所述第二待鉴别图像数据输入至所述训练好的基于样本扩充的识别模型中的鉴别器中进行分析，通过所述鉴别器输出所述第二待鉴别图像数据的第二真实性鉴别结果；将所述待分类图像数据输入至所述训练好的图像分类模型中进行分析，通过所述图像分类模型输出所述待分类图像数据的分类结果；根据所述第二真实性鉴别结果和所述分类结果确定所述第二原始图像数据所表示的电池质量类型。3.根据权利要求1所述的方法，其特征在于，所述标签信息包括第一标签和第二标签；所述根据所述第一真实性鉴别结果确定所述第一原始图像数据所表示的电池质量类型，包括：当带有第一标签的第一待鉴别图像数据的鉴别结果为真，带有其他标签的第一待鉴别图像数据的鉴别结果为假时，确定所述第一原始图像数据表示的电池质量类型为第一标签对应的电池类型。4.根据权利要求1所述的方法，其特征在于，所述标签信息包括凸点、褶皱和正常，所述根据所述第一真实性鉴别结果确定所述第一原始图像数据所表示的电池质量类型，包括：当带有褶皱标签的第一待鉴别图像数据的鉴别结果为真，且带有正常标签的第一待鉴别图像数据的鉴别结果为假时，确定所述第一原始图像数据表示的电池质量类型为褶皱的类型；或当带有正常标签的第一待鉴别图像数据的鉴别结果为真，且带有褶皱标签的第一待鉴别图像数据的鉴别结果也为真时，确定所述第一原始图像数据表示的电池质量类型为褶皱的类型；或当带有正常标签...

【专利技术属性】
技术研发人员：颜聪，韩旭，
申请(专利权)人：东声苏州智能科技有限公司，
类型：发明
国别省市：