一种增强图像特征融合的轻量化锂电池表面缺陷检测方法技术

技术编号:41138030 阅读:32 留言:0更新日期:2024-04-30 18:09
本发明专利技术涉及表面缺陷检测技术领域,具体涉及一种增强图像特征融合的轻量化锂电池表面缺陷检测方法,通过构建和训练缺陷检测模型来对锂电池表面缺陷进行检测,具体以Yolov4网络为基础,利用轻量级的Mobilenetv2网络来作为该缺陷检测模型的主干网络,为进一步使模型变得更加轻量,提出DSC‑SE‑HsId模块并替换掉缺陷检测模型中颈部网络和头部网络中的所有标准3×3的卷积,同时构建LSE‑ASFF模块嵌入到缺陷检测模型的颈部网络中的路径聚合网络的后方,经过自适应空间特征融合模块后将会输出三层特征图,最后特征图被输入到缺陷检测模型的头部网络中进行分类和回归,从而得到缺陷的具体类别和位置,也降低了模型的参数量和计算复杂度。

【技术实现步骤摘要】

本专利技术涉及表面缺陷检测,具体涉及一种增强图像特征融合的轻量化锂电池表面缺陷检测方法


技术介绍

1、锂电池是一种重要的新能源电池。自20世纪90年代第一款商业化锂离子电池问世以来,锂离子电池一直是能源消费市场上最具竞争力的产品之一。锂电池因具有能量密度高、比容量高、自放电率低、长寿命和环保等优点,被广泛应用于便携式电子产品、新能源汽车和移动电源等领域。因此,锂电池正在取代传统燃油动力系统,成为未来发展的主流能源之一。然而,在锂电池生产和使用过程中,表面缺陷不可避免地会出现,如划痕、凹坑、污渍等。这些表面缺陷会严重影响电池性能和稳定性,并且可能引起火灾或爆炸等安全问题,故检测锂电池表面缺陷对于保证电池性能和安全至关重要。

2、传统的人工检测易受主观因素影响,误检率与漏检率都较高,且需耗费大量的人力和时间,不利于现代化的生产,所以应用被大大限制。而随着计算机技术的发展,机器视觉技术逐渐应用于锂电池的表面缺陷检测。当前,基于机器视觉的缺陷检测主要分为两类,一类是基于传统机器视觉算法的缺陷检测,而另一类是基于深度学习算法的缺陷检测。其中,由于锂电池本文档来自技高网...

【技术保护点】

1.一种增强图像特征融合的轻量化锂电池表面缺陷检测方法,其特征在于,包括下列步骤:

2.如权利要求1所述的增强图像特征融合的轻量化锂电池表面缺陷检测方法,其特征在于,

3.如权利要求2所述的增强图像特征融合的轻量化锂电池表面缺陷检测方法,其特征在于,

4.如权利要求3所述的增强图像特征融合的轻量化锂电池表面缺陷检测方法,其特征在于,

5.如权利要求4所述的增强图像特征融合的轻量化锂电池表面缺陷检测方法,其特征在于,

6.如权利要求5所述的增强图像特征融合的轻量化锂电池表面缺陷检测方法,其特征在于,

>7.如权利要求6所...

【技术特征摘要】

1.一种增强图像特征融合的轻量化锂电池表面缺陷检测方法,其特征在于,包括下列步骤:

2.如权利要求1所述的增强图像特征融合的轻量化锂电池表面缺陷检测方法,其特征在于,

3.如权利要求2所述的增强图像特征融合的轻量化锂电池表面缺陷检测方法,其特征在于,

4.如权利要求3所述的增强图像特征融合的轻...

【专利技术属性】
技术研发人员:蒋占四陈晓鑫郑洪鑫程豪封远鹏
申请(专利权)人:桂林电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1