一种基于深度学习算法的梯次利用电芯外观缺陷检测方法技术

本发明专利技术公开了一种基于深度学习算法的梯次利用电芯外观缺陷检测方法；其包含以下步骤：采集梯次利用电芯外观图像，建立原始数据集；运用Labelme图像标注工具对数据集中图像的缺陷信息进行标注；数据预处理：扩充数据集数量并将数据集划分制作成训练集、验证集和测试集所需的格式；选定所用检测模型Mask R‑CNN的网络结构；用训练集对模型进行训练调参，并经验证集验证，选出训练效果最佳的检测模型；用训练好的检测模型对测试集进行检测。本发明专利技术可对影响退役锂电池梯次利用过程安全性的主要外观缺陷进行检测，大幅提升了当前人工检测的精度和效率，实现了梯次利用电芯外观缺陷的实时高精度检测，具有极好的产业化应用前景。

【技术实现步骤摘要】

本专利技术涉及退役动力电池综合利用领域，具体涉及梯次利用电芯外观缺陷自动化检测，尤其涉及一种基于深度学习算法的梯次利用电芯外观缺陷检测方法。

技术介绍

1、随着新能源汽车产业的快速发展，动力电池作为其核心组件，装机量逐年攀升。根据车用动力电池5-8年的一般使用年限，预测动力电池即将迎来“退役潮”，梯次利用被认为在解决退役动力电池回收利用问题上是最节能、最具有环境效益的方法。目前，退役动力电池梯次利用面临外观缺陷实时高精度检测、余能估计及一致性评估等问题亟需突破。相较于新出厂的电池，回收的退役动力电池难免会在外观、安全性、性能等方面存在差异，尤其是电芯级别的梯次利用，电芯在使用和拆卸过程中难免会产生划痕、凹坑、脏污等表面缺陷。2021年国家新出台了《车用动力电池回收利用梯次利用》国家标准，其中包括《车用动力电池回收利用梯次利用第3部分：梯次利用要求》(gb/t 34015.3-2021)，该标准对梯次利用单体电池有一定外观要求，要求梯次利用电芯不应有泄露、破损、腐蚀，表面应平整无外伤、无污物，且标识清晰正确，因此退役动力电池的表面缺陷检测成为评估其是否可以进本文档来自技高网...

【技术保护点】

1.一种基于深度学习算法的梯次利用电芯外观缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习算法的梯次利用电芯外观缺陷检测方法，其特征在于，步骤S1中，梯次利用电芯外观图像中的缺陷包括脏污、覆膜破损、划痕、凹坑和漏液，对数据集进行统计分析，确定含有不同缺陷的图像数量。

3.根据权利要求1所述的基于深度学习算法的梯次利用电芯外观缺陷检测方法，其特征在于，步骤S2中，图像标注工具为Labelme，所述标注方法为多边形标注，所述的缺陷包括划痕、脏污、凹坑、覆膜破损和漏液，对以上缺陷及电池本身进行标注，得到JSON文件。p>

4.根据权...

【技术特征摘要】

1.一种基于深度学习算法的梯次利用电芯外观缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习算法的梯次利用电芯外观缺陷检测方法，其特征在于，步骤s1中，梯次利用电芯外观图像中的缺陷包括脏污、覆膜破损、划痕、凹坑和漏液，对数据集进行统计分析，确定含有不同缺陷的图像数量。

3.根据权利要求1所述的基于深度学习算法的梯次利用电芯外观缺陷检测方法，其特征在于，步骤s2中，图像标注工具为labelme，所述标注方法为多边形标注，所述的缺陷包括划痕、脏污、凹坑、覆膜破损和漏液，对以上缺陷及电池本身进行标注，得...

【专利技术属性】
技术研发人员：张西华，迟亚欣，梁鸿飞，陈晓阳，宋雨佳，
申请(专利权)人：上海第二工业大学，
类型：发明
国别省市：