【技术实现步骤摘要】
本专利技术属于新能源汽车，尤其涉及基于yolov5的新能源汽车电池缺陷检测方法及装置。
技术介绍
1、为实现环保目标，应对能源危机，发展新能源汽车更能满足新经济时代要求。目前，新能源汽车电池的应用尚处于探索阶段，安全性要求较高，锂离子电池作为新型高能蓄电池，具有综合性能好的优势，故而在新能源乘用车中被广泛应用。电池一般包括集流盘、外壳、电芯。在相关技术过程中(见图1)，在电芯制备完成后，将集流盘与电芯的端面做激光焊接，其焊接质量对后续全极耳电池的制备有重要影响。在将电芯放入外壳时，因电芯与外壳间存在间隙使得电芯轴线偏离外壳轴线，容易导致偏移(焊偏、重度不良)；焊接时间过短没焊牢导致传输过程中集流盘脱落(无盖)；机器故障导致焊接时间过长出现集流盘不同程度损坏(坏点、焊穿)。造成的这些缺陷会影响电池的可靠性和使用寿命，严重的会造成电池短路进而引发爆炸，近几年关于新能源汽车的起火爆炸事故多达数百例，然而，如果在加工时对集流盘进行缺陷检查，这些问题是可以避免的。如若采用人工确认，存在以下缺点：主观性强，造成误检率高；效率低，人工观察耗时长；微小的缺陷很容易被漏检等。因此，高效和全面的物体检测算法在工件制造场景中发挥着非常重要的作用。
2、通过上述分析，现有技术存在的问题及缺陷为：目前，目标检测技术在各自的应用领域都获得了很好的成果，但在汽车电池集流盘缺陷检测方面难以在精度和速度之间实现良好的平衡，不能满足实际中的应用。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了
2、本专利技术是这样实现的，一种基于yolov5的新能源汽车电池缺陷检测装置，包括电池集流盘缺陷检测模型和实时检测装置；所述电池集流盘缺陷检测模型在yolov5模型的基础上，将shufflenet v2作为主干网络，并采用fpn(feature pyramid network)结构和ghost卷积设计了ghost-fpn模块作为特征融合网络；所述实时检测装置包括移动端、图像获取组件和电源组件。
3、进一步，所述移动端为嵌入式平台nvidia jetson nano；获取图像组件为单目摄像头，安装在移动端上，获取样品图像并进行实时缺陷检测；电源组件连接移动端进行供电。
4、进一步，在嵌入式设备nvidia jetson nano上部署池集流盘缺陷检测模型，新能源汽车电池集流盘缺陷检测装置，包括：搭建tensorrt平台,将模型转化为onnx形式,把模型读入tensorrt的加速引擎中,部署到嵌入式设备jetson nano中。
5、进一步，基于yolov5的新能源汽车电池缺陷检测装置的基于yolov5的新能源汽车电池缺陷检测方法包括以下步骤：
6、步骤一，收集电池集流盘图像，通过lableme自制数据集；
7、步骤二，优化yolov5模型，将收集的待检测图像作为输入，通过优化后的目标检测模型进行多次训练，得到最终的模型；
8、步骤三，在移动端部署目标检测模型；
9、步骤四，在移动端利用单目摄像头对电池集流盘进行实时缺陷检测并统计结果。
10、进一步，以yolov5为基准模型进行优化，包括以下步骤：
11、步骤1，backbone部分：采用shufflenet v2网络；
12、步骤2，neck部分：构建ghost-fpn模块；
13、步骤3，将上述改进结合在一起，构建出优化后的网络模型。
14、进一步，所述步骤1内容如下：将shufflenet v2作为主干网络，所述shufflenetv2结构分为unit 1和unit 2。
15、进一步，unit 1中，首先进行通道划分，左边的分支不做处理，右边的分支依次通过1×1的逐点卷积层、3×3的深度卷积层、1×1的逐点卷积层，左右分支进行特征融合，最后通过channel shuffle实现不同组之间的特征融合。
16、unit 2中，左边的分支经过3×3的深度卷积层、1×1的逐点卷积层，右边的分支与unit 1中类似，但stride＝2，左右分支进行特征融合，最后通过channel shuffle实现不同组之间的特征融合。
17、进一步，所述步骤2内容如下：在特征融合网络采用fpn结构，将cbs模块替换为ghost卷积模块，将c3模块替换为c3ghost模块。
18、进一步，ghost卷积将普通卷积操作分为两部分：
19、(1)将少量的卷积核通过普通卷积得到一部分特征图y′，如下：
20、y′＝f*f′+b
21、f∈rh×w×c(h：高，w：宽，c：通道数)，f′∈rm×k×k×c，b为偏置项，y′∈rm×h′×w′；
22、(2)进行线性操作得到更多的特征图，新的特征图yij被称为之前特征图的“ghost”，如下：
23、yij＝φi,j(y′i),i∈[1,m],j∈[1,s]
24、φ为线性操作；
25、(3)将得到的这些特征图连接起来组合作为新的输出。
26、本专利技术的另一目的在于提供一种基于yolov5的新能源汽车电池缺陷检测装置在新能源汽车电池缺陷检测的应用，在相同角度和光线下，使用单目摄像头获取图像并且进行实时缺陷检测，检测的缺陷类型包括：焊偏、焊穿、无盖、重度不良和坏点。
27、结合上述的技术方案和解决的技术问题，本专利技术所要保护的技术方案所具备的优点及积极效果为：
28、第一，本专利技术在yolov5模型的基础上，将shufflenet v2作为主干网络；引入轻量级卷积模块ghost卷积，设计了ghost-fpn模块作为特征融合网络。本专利技术在保证检测精度和速度的同时实现了轻量化。同时，将优化后的目标检测模型成功部署到嵌入式平台nvidia jetson nano上，实现了电池集流盘目标缺陷实时检测要求。
29、本专利技术提供的基于yolov5的新能源汽车电池缺陷检测方法及装置能够同时在检测精度和检测速度之间实现良好平衡。
30、第二，集流盘缺陷类型在形状和规模上的显著差异给集流盘缺陷检测带来了挑战。本专利技术提出的电池集流盘缺陷检测模型在保证检测精度的同时有着较低的计算复杂度。以shufflenet v2作为主干特征提取网络，在提取有效特征的同时降低计算复杂度，降低参数量。以ghost-fpn为特征融合网络，在减少参数冗余和保证检测精度的情况下充分保留特征图的语义信息，从而降低了计算成本。的模型在自制的表面缺陷数据库上有着良好的鲁棒性，在有限的计算资源下进行实时检测，满足了工业中集流盘缺陷检测任务的实时性要求。
31、第三，本专利技术的技术方案转化后的预期收益和商业价值为：电池是新能源汽车的关键组件，我国的新能源汽车在发展方面的困境之一就是缺乏健全的新能源汽车电池检测及维护体系。目前，关于集流盘本文档来自技高网...
【技术保护点】
1.一种基于YOLOv5的新能源汽车电池缺陷检测装置，其特征在于，包括电池集流盘缺陷检测模型和实时检测装置；所述电池集流盘缺陷检测模型在YOLOv5模型的基础上，将ShuffleNet V2作为主干网络，并采用FPN结构和Ghost卷积设计了Ghost-FPN模块作为特征融合网络；所述实时检测装置包括移动端、图像获取组件和电源组件。
2.如权利要求1所述的基于YOLOv5的新能源汽车电池缺陷检测装置，其特征在于，所述移动端为嵌入式平台NVIDIA Jetson Nano；获取图像组件为单目摄像头，安装在移动端上，获取样品图像并进行实时缺陷检测；电源组件连接移动端进行供电。
3.如权利要求1所述的基于YOLOv5的新能源汽车电池缺陷检测装置，其特征在于，在嵌入式设备NVIDIA Jetson Nano上部署优化后的目标检测模型，包括：搭建TensorRT平台,将模型转化为ONNX形式,把模型读入TensorRT的加速引擎中,部署到嵌入式设备Jetson Nano中。
4.如权利要求1～3所述的基于YOLOv5的新能源汽车电池缺陷检测装置的基于YO
5.如权利要求4所述的基于YOLOv5的新能源汽车电池缺陷检测方法，其特征在于，所述步骤二以YOLOv5为基准模型进行优化，包括以下步骤：
6.如权利要求5所述的基于YOLOv5的新能源汽车电池缺陷检测方法，其特征在于，所述步骤1内容如下：将ShuffleNet V2作为主干网络，所述ShuffleNet V2结构分为Unit 1和Unit 2。
7.如权利要求6所述的基于YOLOv5的新能源汽车电池缺陷检测方法，其特征在于，Unit1中，首先进行通道划分，左边的分支不做处理，右边的分支依次通过1×1的逐点卷积层、3×3的深度卷积层、1×1的逐点卷积层，左右分支进行特征融合，最后通过Channel Shuffle实现不同组之间的特征融合。
8.如权利要求5所述的基于YOLOv5的新能源汽车电池缺陷检测方法，其特征在于，所述步骤2内容如下：在特征融合网络采用FPN结构，将CBS模块替换为Ghost卷积模块，将C3模块替换为C3Ghost模块。
9.如权利要求8所述的基于YOLOv5的新能源汽车电池缺陷检测方法，其特征在于，Ghost卷积将普通卷积操作分为两部分：
10.如权利要求1～9任一项所述的一种基于YOLOv5的新能源汽车电池缺陷检测装置在新能源汽车电池缺陷检测的应用，其特征在于，在相同角度和光线下，使用单目摄像头获取图像并且进行实时缺陷检测，检测的缺陷类型包括：
...【技术特征摘要】
1.一种基于yolov5的新能源汽车电池缺陷检测装置，其特征在于，包括电池集流盘缺陷检测模型和实时检测装置；所述电池集流盘缺陷检测模型在yolov5模型的基础上，将shufflenet v2作为主干网络，并采用fpn结构和ghost卷积设计了ghost-fpn模块作为特征融合网络；所述实时检测装置包括移动端、图像获取组件和电源组件。
2.如权利要求1所述的基于yolov5的新能源汽车电池缺陷检测装置，其特征在于，所述移动端为嵌入式平台nvidia jetson nano；获取图像组件为单目摄像头，安装在移动端上，获取样品图像并进行实时缺陷检测；电源组件连接移动端进行供电。
3.如权利要求1所述的基于yolov5的新能源汽车电池缺陷检测装置，其特征在于，在嵌入式设备nvidia jetson nano上部署优化后的目标检测模型，包括：搭建tensorrt平台,将模型转化为onnx形式,把模型读入tensorrt的加速引擎中,部署到嵌入式设备jetson nano中。
4.如权利要求1～3所述的基于yolov5的新能源汽车电池缺陷检测装置的基于yolov5的新能源汽车电池缺陷检测方法包括以下步骤：
5.如权利要求4所述的基于yolov5的新能源汽车电池缺陷检测方法，其特征在于，所述步骤二以y...
【专利技术属性】
技术研发人员：袁磊，陈彦蓉，唐海，高刃，吴文欢，
申请(专利权)人：湖北汽车工业学院，
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。