一种基于深度学习的锂电池电芯铝壳蓝膜外观检测算法
基本信息
| 申请号 | CN202111172298.0 | 申请日 | - |
| 公开（公告）号 | CN114119462A | 公开（公告）日 | 2022-03-01 |
| 申请公布号 | CN114119462A | 申请公布日 | 2022-03-01 |
| 分类号 | G06T7/00（2017.01）I;G06T7/11（2017.01）I;G06T7/136（2017.01）I;G06T7/187（2017.01）I;G06T5/30（2006.01）I;G06K9/62（2022.01）I;G06V10/774（2022.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 陈文贤;曾睿 | 申请（专利权）人 | 厦门微亚智能科技有限公司 |
| 代理机构 | 厦门仕诚联合知识产权代理事务所（普通合伙） | 代理人 | 蔡稷元 |
| 地址 | 361000福建省厦门市火炬高新区信息光电园金丰大厦201A室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明属于锂电池检测技术领域，具体的说是一种基于深度学习的锂电池电芯铝壳蓝膜外观检测算法，该外观检测包括以下步骤：S1：获取三张不同方向的图像；S2：利用光度立体算法合成图像；S3：截取铝壳锂电池表面指定待检ROI区域；S4：利用高斯滤波器对图像进行滤波处理；S5：对滤波后的图像进行傅里叶变换；S6：对S5处理后的图像进行形态学处理；S7：对S6处理后的图像进行阈值分割以及连通域筛选；利用光度立体法合成图像有效的增强了铝壳锂电池表面图像中缺陷特征使得特征更易提取，且使用传统算法结合深度学习的方式来对缺陷进行双重检测，最后以简单神经网络进行复判有效降低了误检率，提高了准确性。 |
