【技术实现步骤摘要】
电池极片缺陷检测方法、计算设备和存储介质
[0001]本申请涉及目标检测
,特别涉及一种电池极片缺陷检测方法
、
计算设备和存储介质
。
技术介绍
[0002]随着新能源产业的迅速发展,越来越多的行业通过电力取代传统化石燃料作为能量的来源
。
作为电力的储存方式,电池技术也在不断发展当中,目前锂电池已成为其中研究与应用最为广泛的电池,而极片作为锂电池中的电极,其重要性不言而喻,生产出的极片如果存在缺陷,一方面会降低电池充放电等性能,另一方面会对安全性造成较大的隐患,严重的时候可能导致电池隔膜刺穿,正负极短路,进而引发电池燃烧,甚至爆炸
。
因此,保证生产出锂电池及极片具备良好品质,并在出厂前检测出存在缺陷的产品就显得尤为重要
。
[0003]自
20
世纪以来,人们逐渐开始对瑕疵和缺陷进行了深入研究,在实际的工业检测过程中,由于被检测目标在尺寸
、
背景
、
颜色和纹理特征等方面存在不同程度的差异,给缺陷检测工作带来了较大的困难
。
对于表面缺陷检测方法的发展过程,大致可分为三个阶段:人工目视检测
、
光学传感器检测以及机器视觉检测
。
其中,传统的人工检测法和光学传感器检测法由于检测精度和效率较低等因素,已逐渐被机器视觉法所取代,机器视觉技术以其高精度
、
高效率
、
高安全性
、
无损检测等特点 ...
【技术保护点】
【技术特征摘要】
1.
一种电池极片缺陷检测方法,其特征在于,所述方法包括:
S1、
获取电池极片表面缺陷数据集,所述电池极片缺陷数据集包括多张电池极片表面缺陷图像;
S2、
构建目标检测网络,所述目标检测网络包括:基于可变形下采样卷积模块构建的主干网络
、
基于上下文增强模块和下采样卷积块构建的特征融合网络以及基于注意力机制的检测头;
S3、
基于所述电池极片表面缺陷数据集,训练所述目标检测网络;
S4、
通过训练好的所述目标检测网络,对待检测的电池极片表面缺陷图像进行检测,得到缺陷的位置
、
大小和类别中至少一项
。2.
根据权利要求1所述的电池极片缺陷检测方法,其特征在于,所述步骤
S2
包括:
S21、
将可变形下采样卷积模块,作为所述目标检测网络主干网络的特征提取器,所述主干网络的下采样倍数为预设倍数,所述预设倍数用于增大所述主干网络的感受野,以使所述主干网络对图像的全局信息进行特征提取,其中,所述可变形下采样卷积模块包括串联模块
、
多个卷积模块和可变形下采样模块;
S22、
在所述目标检测网络中特征融合网络的引出分支,加入所述上下文增强模块以及所述下采样卷积块;
S23、
在所述目标检测网络的检测头中加入融合注意力机制的解耦头,所述解耦头用于解耦并分别执行针对所述电池极片表面缺陷的分类任务和回归任务,所述分类任务为检测所述缺陷的类型,所述回归任务为检测所述缺陷的位置坐标和
/
或缺陷的置信度
。3.
根据权利要求1所述的电池极片缺陷检测方法,其特征在于,所述步骤
S3
包括:
S31、
按照预设的像素比例,将所述电池极片表面缺陷数据集中的电池极片表面缺陷图像自适应缩放;
S32、
将缩放后的所述电池极片表面缺陷图像输入所述目标检测网络进行训练,使用
K
均值聚类方法生成所述电池极片表面缺陷图像的锚框;
S33、
对所述电池极片表面缺陷图像的锚框进行分类,按照分类结果的置信度,采用随机梯度下降优化器,按照预设的训练...
【专利技术属性】
技术研发人员:郑力新,冉庆东,马健,黄鹤锋,陈坚墩,
申请(专利权)人:华侨大学,
类型:发明
国别省市:
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。