[發明專利]電池缺陷識別方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201811544225.8
• 申請日: 2018-12-17
• 公開（公告）號: CN111340748A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 謝知非;趙博雅;于天宇
• 申請（專利權）人: 漢能移動能源控股集團有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 孟德棟

1.一種電池缺陷識別方法，所述方法包括：

將包含電池板特征的待識別圖像輸入已訓練的電池缺陷識別模型，所述待識別圖像為電致發光圖像；

通過所述已訓練的電池缺陷識別模型提取所述待識別圖像的所述電池板特征；

根據所述電池板特征對所述待識別圖像進行分類，得到所述待識別圖像的識別結果。

2.根據權利要求1所述的方法，其特征在于，生成所述已訓練的電池缺陷識別模型的步驟，包括：

獲取包含多個訓練圖像的訓練集合和包含多個測試圖像的測試集合，所述訓練圖像和所述測試圖像攜帶對應的缺陷標簽；

構建初始電池缺陷識別模型；

將各個所述訓練圖像和對應的缺陷標簽輸入所述初始電池缺陷識別模型，將各個所述訓練圖像對應的所述缺陷標簽作為各個所述訓練圖像對應的期望輸出結果，對各個所述訓練圖像進行訓練，得到候選的電池缺陷識別模型；

將各個所述測試圖像和對應的缺陷標簽輸入所述候選的電池缺陷識別模型，通過所述候選的電池缺陷識別模型對各個所述測試圖像進行分類識別；

根據各個所述測試圖像的識別結果和對應的缺陷標簽，判斷所述候選的電池缺陷識別模型是否滿足預設收斂條件；

當滿足時，得到所述已訓練的電池缺陷識別模型。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

當未滿足時，更新所述候選的電池缺陷識別模型的模型參數，重新對所述候選的電池缺陷識別模型進行訓練，直至所述候選的電池缺陷識別模型滿足所述預設收斂條件，得到所述已訓練的電池缺陷識別模型。

4.根據權利要求2所述的方法，其特征在于，所述獲取包含多個訓練圖像的訓練集合和包含多個測試圖像的測試集合之前，還包括：

獲取采樣訓練集合，所述采樣訓練集合包含多個采樣圖像；

對所述采樣訓練集合進行降維得到所述訓練集合。

5.根據權利要求4所述的方法，其特征在于，所述對所述采樣訓練集合進行降維得到所述訓練集合，包括：

計算所述采樣訓練集合的樣本均值；

根據各個所述采樣圖像和所述樣本均值計算所述采樣訓練集合的樣本矩陣；

計算所述樣本矩陣的協方差值；

當所述協方差值大于預設閾值時，計算所述樣本矩陣的特征值和對應的特征向量；

從所述特征值中按照預設規則選取目標特征值，將所述目標特征值對應的特征向量作為所述訓練圖像，由所述訓練圖像組成所述訓練集合。

6.根據權利要求1至5任意一項所述的方法，其特征在于，所述已訓練的電池缺陷識別模型輸入層、競爭層和輸出層，其中所述輸入層的輸出作為所述競爭層的輸入，所述競爭層的輸出作為所述輸出層的輸入，將包含電池板特征的待識別圖像輸入已訓練的電池缺陷識別模型包括：

將所述待識別圖像按照所述輸入層的輸入規則進行輸入，得到對所述輸入層的輸出數據；

所述通過所述已訓練的電池缺陷識別模型提取所述待識別圖像的電池板特征，包括：

通過所述競爭層的競爭獲勝規則對輸出數據進行競爭，得到所述競爭層的獲勝神經元提取的電池板特征。

所述根據所述電池板特征對所述待識別圖像進行分類，得到所述待識別圖像的識別結果，包括：

根據所述獲勝神經元提取的電池板特征在所述輸出層輸出所述待識別圖像的所述識別結果。

7.根據權利要求1所述的方法，其特征在于，所述識別結果包括虛焊缺陷、微裂缺陷、斷指缺陷和無缺陷。

8.一種電池缺陷識別裝置，其特征在于，所述裝置包括：

特征提取模塊，用于將包含電池板特征的待識別圖像輸入已訓練的電池缺陷識別模型，通過所述已訓練的電池缺陷識別模型提取所述待識別圖像的電池板特征，所述待識別圖像為電致發光圖像；

識別模塊，用于根據所述電池板特征對所述待識別圖像進行分類，得到所述待識別圖像的識別結果。