【技术实现步骤摘要】
本申请属于图像处理，尤其涉及一种电池缺陷数据增强方法及装置。
技术介绍
1、随着新能源技术的快速发展，电池(例如锂电池和钠电池)的市场竞争越来越大，很多厂商开始注重电池的出厂质量问题，其中就包括对电池的极柱进行外观缺陷检测。与此同时，随着人工智能(artificial intelligence，ai)自动化检测的兴起，由自动化设备采集极柱图像，输入深度学习算法输出缺陷检测结果已成为当下的研究热点。但深度学习网络性能往往依赖于训练数据的规模，而在生产工艺已趋于成熟的锂电行业，尤其是在电池极柱工位，每天产线能获取的缺陷样本十分有限，往往一周只能收集十几张缺陷图，具体如图1所示。显然，这样收集缺陷样本周期极长，易造成项目前期样本规模不足，难以支撑深度学习模型的训练。
2、此外，电池产线产生极柱缺陷，往往是因为某道生产工序在短时间内发生了外因干扰。不同批次缺陷数据因外因不同，彼此间的形态和位置差异较大。但是同批次的极柱缺陷往往外因一致，缺陷形态和缺陷位置相对固定。图2给出了不同批次收集的不同类缺陷示意图。
3、这种产线偶发外因造成的小批次极柱缺陷形态位置单一，导致仅用这些数据训练迭代得到的深度学习模型泛化性和稳定性表现都不理想，为项目实施人员增加了工作难度。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种电池缺陷数据增强方法及装置，可在锂电池极柱存在缺陷区域的电池极柱图像收集困难的场景下，基于收集到的存在缺陷区域的电池极柱图像
2、第一方面，本申请提供了一种电池缺陷数据增强方法，该方法包括：
3、获取真实产线数据对应的区域掩膜图像，所述真实产线数据至少包括极柱存在缺陷区域的第一电池极柱图像；
4、基于所述真实产线数据中电池极柱图像对应的极柱区域，生成所述真实产线数据对应的增强数据集，所述极柱区域基于所述区域掩膜图像得到。
5、根据本申请的电池缺陷数据增强方法，可在电池极柱存在缺陷区域的电池极柱图像收集困难的场景下，基于收集到的真实产线数据中的电池极柱图像对应的极柱区域，生成该电池极柱图像对应的增强数据集，有效扩充高质量数据，缓解项目前期因数据匮乏造成训练得到的深度学习模型稳定性和泛化性不足问题，有助于电池(例如锂电池和钠电池)极柱缺陷检测项目的降本增效。
6、根据本申请的一个实施例，所述基于所述真实产线数据中锂电池极柱图像对应的极柱区域，生成所述真实产线数据对应的增强数据集，还包括：
7、对所述极柱区域进行偏移，得到目标极柱区域；
8、将目标极柱区域添加到所述电池极柱图像对应的目标背景图像中，生成所述增强数据集；
9、其中，所述目标背景图像通过如下方式得到：
10、基于所述区域掩膜图像，获取所述电池极柱图像的原始背景区域；
11、基于所述原始背景区域，生成与所述电池极柱图像尺寸相同的背景图像；
12、将随机噪声添加到所述背景图像中，得到所述目标背景图像。
13、根据本申请的电池缺陷数据增强方法，可在电池极柱存在缺陷区域的电池极柱图像收集困难的场景下，对真实产线数据中的电池极柱图像对应的极柱区域进行偏移得到目标极柱区域，并在与锂电池极柱图像对应的背景图像中添加随机噪声后，得到该电池极柱图像对应的目标背景图像，将该目标极柱区域融合到该目标背景图像中，生成该电池极柱图像对应的增强数据集，有效扩充高质量数据，缓解项目前期因数据匮乏造成训练得到的深度学习模型稳定性和泛化性不足问题，增强单批次缺陷数据的丰富性，为项目实施人员迭代优化模型减轻负担，实现项目降本增效。
14、根据本申请的一个实施例，所述基于所述真实产线数据中电池极柱图像对应的极柱区域，生成所述真实产线数据对应的增强数据集，包括：
15、获取所述第一电池极柱图像对应的缺陷数据库，所述缺陷数据库存储有所述第一电池极柱图像中缺陷区域对应的缺陷图像；
16、对从所述缺陷数据库中随机选择的多个缺陷图像进行增强变换，得到所述新的缺陷图像；
17、在所述极柱区域添加所述新的缺陷图像或所述缺陷图像，生成所述增强数据集。
18、根据本申请的电池缺陷数据增强方法，可在电池极柱存在缺陷区域的电池极柱图像收集困难的场景下，通过将缺陷数据库中存储的多个缺陷图像进行增强变换得到的新的缺陷图像或者缺陷数据库中存储的多个缺陷图像添加到极柱区域，生成该电池极柱图像对应的增强数据集，有效扩充高质量数据，缓解项目前期因数据匮乏造成训练得到的深度学习模型稳定性和泛化性不足问题，并且能基于单批次缺陷数据泛化出更多缺陷形态，增强单批次缺陷数据的丰富性，为项目实施人员迭代优化模型减轻负担，实现项目降本增效。
19、根据本申请的一个实施例，所述在所述极柱区域添加所述新的缺陷图像或所述缺陷图像，生成所述增强数据集，包括：
20、在所述极柱区域随机生成多个坐标位置，所述每个坐标位置均是唯一的；
21、在所述极柱区域中的每个坐标位置处添加一个所述新的缺陷图像或一个所述缺陷图像，生成所述增强数据集。
22、根据本申请的电池缺陷数据增强方法，在电池极柱存在缺陷区域的电池极柱图像对应的极柱区域中的每个唯一的坐标位置添加一个新的缺陷图像或一个缺陷图像，有效避免在固定坐标位置重复添加缺陷而造成的数据混乱。
23、根据本申请的一个实施例，所述对从所述缺陷数据库中随机选择的多个缺陷图像进行增强变换，得到所述新的缺陷图像，包括：
24、对所述多个缺陷图像进行几何变换和颜色变换中的至少一种增强变换，得到所述新的缺陷图像。
25、根据本申请的一个实施例，所述获取真实产线数据对应的区域掩膜图像，包括：
26、将所述真实产线数据输入至目标语义分割模型，获取所述区域掩膜图像；
27、其中，所述目标语义分割模型通过如下方式获取：
28、将无缺陷区域的第二电池极柱图像和目标标签输入至预设语义分割模型进行训练，直至所述预设语义分割模型收敛为止，所述目标标签用于指示所述第二锂电池极柱图像的极柱区域；
29、将收敛后的所述预设语义分割模型作为所述目标语义分割模型。
30、第二方面，本申请提供了一种电池缺陷数据增强装置，该装置包括：
31、图像获取模块，用于获取真实产线数据对应的区域掩膜图像，所述真实产线数据至少包括极柱存在缺陷区域的第一电池极柱图像；
32、图像增强模块，用于基于所述真实产线数据中电池极柱图像对应的极柱区域，生成所述真实产线数据对应的增强数据集，所述极柱区域基于所述区域掩膜图像得到。
33、根据本申请的电池缺陷本文档来自技高网...
【技术保护点】
1.一种电池缺陷数据增强方法，其特征在于，包括：
2.根据权利要求1所述的电池缺陷数据增强方法，其特征在于，所述基于所述真实产线数据中电池极柱图像对应的极柱区域，生成所述真实产线数据对应的增强数据集，还包括：
3.根据权利要求1所述的电池缺陷数据增强方法，其特征在于，所述基于所述真实产线数据中电池极柱图像对应的极柱区域，生成所述真实产线数据对应的增强数据集，包括：
4.根据权利要求3所述的电池缺陷数据增强方法，其特征在于，所述在所述极柱区域添加所述新的缺陷图像或所述缺陷图像，生成所述增强数据集，包括：
5.根据权利要求3所述的电池缺陷数据增强方法，其特征在于，所述对从所述缺陷数据库中随机选择的多个缺陷图像进行增强变换，得到所述新的缺陷图像，包括：
6.根据权利要求1-5任一项所述的电池缺陷数据增强方法，其特征在于，所述获取真实产线数据对应的区域掩膜图像，包括：
7.一种电池缺陷数据增强装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6任一项所述的电池缺陷数据增强方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的电池缺陷数据增强方法。
...【技术特征摘要】
1.一种电池缺陷数据增强方法，其特征在于，包括：
2.根据权利要求1所述的电池缺陷数据增强方法，其特征在于，所述基于所述真实产线数据中电池极柱图像对应的极柱区域，生成所述真实产线数据对应的增强数据集，还包括：
3.根据权利要求1所述的电池缺陷数据增强方法，其特征在于，所述基于所述真实产线数据中电池极柱图像对应的极柱区域，生成所述真实产线数据对应的增强数据集，包括：
4.根据权利要求3所述的电池缺陷数据增强方法，其特征在于，所述在所述极柱区域添加所述新的缺陷图像或所述缺陷图像，生成所述增强数据集，包括：
5.根据权利要求3所述的电池缺陷数据增强方法，其特征在于，所述对从所述缺陷数据库中随机选择的多个缺陷图像进行增强变换，得到所述新的缺陷图像，...
【专利技术属性】
技术研发人员：史胡祎，
申请(专利权)人：凌云光技术股份有限公司，
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。