一种基于卷积神经网络对锂电池焊接质量的检测方法
基本信息
| 申请号 | CN202010551312.7 | 申请日 | - |
| 公开（公告）号 | CN111815572B | 公开（公告）日 | 2022-03-08 |
| 申请公布号 | CN111815572B | 申请公布日 | 2022-03-08 |
| 分类号 | G06T7/00（2017.01）I;G06V10/764（2022.01）I;G06V10/774（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/08（2006.01）I;G06N3/04（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 杨亚涛;潘龙辉;杨顺情;陶凯;陈勇;马君显;张力;杨润泽;朱义双 | 申请（专利权）人 | 深圳市大德激光技术有限公司 |
| 代理机构 | 北京冠和权律师事务所 | 代理人 | 朱健 |
| 地址 | 518000广东省深圳市龙岗区宝龙街道龙东社区爱南路78号利好工业园10栋1楼 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供了一种基于卷积神经网络对锂电池焊接质量的检测方法，包括：采集锂电池相关的源样本，对源样本进行分类；将卷积神经网络模型在预设数据集里进行预训练，获得预训练模型，且基于实际的分类样本数据集对预训练模型进行再次训练处理，获得最终模型；保存所述最终模型，并输入焊接样本进行在线检测，预测所述焊接样本的分类类型。通过采集训练样本，训练基于预训练的卷积神经网络的焊接质量分类器，使其能快速准确地分类不同种类的焊接缺陷类型，能有效解决当前分类技术中需要提前人工提取特征，准确性较低等问题。 |
