【技术实现步骤摘要】
本专利技术涉及计算机视觉与人工智能领域，更具体的，涉及一种基于随机卷积增强的yolo锂电池外观检测方法。
技术介绍
1、近年来，随着人工智能和计算机视觉技术的迅猛发展，图像识别和检测领域取得了显著的进展。特别是在物体检测和识别方面，yolo(you only look once)算法以其高效的实时性能和准确度受到广泛关注。
2、另一方面，锂电池作为一种重要的能源存储装置，在电动汽车、移动设备和可再生能源等领域得到广泛应用。然而，锂电池外观缺陷的检测一直是一个挑战，因为传统的检测方法往往耗时且不够准确。yolo算法：yolo(you only look once)算法是一种基于深度学习的实时目标检测算法。它通过将目标检测问题转化为回归问题，实现了高效的实时检测。yolo算法在物体检测领域已被广泛应用。
3、锂电池外观检测技术：目前，针对锂电池外观缺陷的检测，已经有一些方法和技术被提出。例如，传统的图像处理和机器学习方法，如基于特征提取和分类器的方法，用于检测锂电池外观缺陷。然而，这些方法往往存在检测准确率不高和耗时
【技术保护点】
1.一种基于随机卷积增强的YOLO锂电池外观检测方法，其特征在于，包括：
2.根据权利要求1所述的基于随机卷积增强的YOLO锂电池外观检测方法，其特征在于，随机划分数据集80％为训练数据集，20％为测试数据集。
3.根据权利要求2所述的基于随机卷积增强的YOLO锂电池外观检测方法，其特征在于，预定义卷积库δ＝{卷积，深度可分离卷积，空洞卷积}，及卷积核尺寸库K＝{1，…，n}，随机卷积概率阈值α；
4.根据权利要求3所述的基于随机卷积增强的YOLO锂电池外观检测方法，其特征在于，随机卷积的具体步骤如下：
5.根据权利要求...
【技术特征摘要】
1.一种基于随机卷积增强的yolo锂电池外观检测方法，其特征在于，包括：
2.根据权利要求1所述的基于随机卷积增强的yolo锂电池外观检测方法，其特征在于，随机划分数据集80％为训练数据集，20％为测试数据集。
3.根据权利要求2所述的基于随机卷积增强的yolo锂电池外观检测方法，其特征在于，预定义卷积库δ＝{卷积，深度可分离卷积，空洞卷积}，及卷积核尺寸库k＝{1，…，n}，随机卷积概率阈值α；
4.根据权利要求3所述的基于随机卷积增强的yolo锂电池外观检测方法，其特征在于，随机卷积的具体步骤如下：
5.根据权利要求1所述的基于随机卷积增强的yol0锂电池外观检测方法，其特征在于，使用随机卷积的图像irc和原始图像...
【专利技术属性】
技术研发人员：肖继民，王滔文，王晓阳，李浩程，方正，
申请(专利权)人：苏州元瞰科技有限公司，
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。