[發(fā)明專利]一種基于深度學(xué)習(xí)的通用型電池極性自動檢測方法

有效

• 申請?zhí)枺?/td>: 201910386913.4
• 申請日: 2019-05-10
• 公開（公告）號: CN110222679B
• 公開（公告）日: 2023-07-11
• 發(fā)明（設(shè)計）人: 王麗明;郭慶明;羅仕桂;聶龍如;游國富;陳豫川;蔣博
• 申請（專利權(quán)）人: 惠州市德賽電池有限公司
• 主分類號: G06V10/22
• 分類號: G06V10/22;G06V10/764;G06V10/778;G06V10/82;G06N3/04
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 陳衛(wèi);譚映華

本發(fā)明涉及電池極性檢測技術(shù)領(lǐng)域，具體公開了一種基于深度學(xué)習(xí)的通用型電池極性自動檢測方法，所述方法包括，獲取待檢測位置的圖片；確定待檢測的電池極性區(qū)域；利用深度學(xué)習(xí)算法模型對所述待檢測的電池極性區(qū)域進行識別分類，得到電池極性分類結(jié)果，本發(fā)明基于深度學(xué)習(xí)對電池極性進行自動檢測分類，只需提供所有的樣本模型，訓(xùn)練樣本，模型就會自動學(xué)習(xí)到分類的特征表達，能夠很好的處理復(fù)雜的電池極性的特征，準(zhǔn)確的識別電池極性，有效解決傳統(tǒng)檢測方法的不穩(wěn)定性，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

技術(shù)領(lǐng)域

本發(fā)明涉及電池極性檢測技術(shù)領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的通用型電池極性自動檢測方法。

背景技術(shù)

生產(chǎn)動力電池或其他產(chǎn)品的電池組時，需要將多個電池的正極和負(fù)極按照一定的順序焊接成電池組。為了防止錯放、漏放，導(dǎo)致產(chǎn)品短路和造成資源浪費，需要準(zhǔn)確的區(qū)分每個電池區(qū)域的正負(fù)極性。

電池的正極貼有青稞紙，且正極中間四周有凹槽的銀色圓形區(qū)域，負(fù)極無青稞紙，中間是銀色無凹槽的圓形區(qū)域，而非正極包括了正極未貼青稞紙、負(fù)極、負(fù)極貼一層青稞紙和負(fù)極貼兩層青稞紙，非負(fù)極包括正極、正極未貼青稞紙、正極貼兩層青稞紙、負(fù)極貼一層青稞紙和負(fù)極貼兩層青稞紙，雖然各極性在外觀的顏色上具有一定可區(qū)分度，但是又存在極其相似的特征。

對于電池極性的檢測，目前行業(yè)內(nèi)采用的多為人工篩選的方式或者傳統(tǒng)的形態(tài)學(xué)分析方法，但由于電池極性特征的多樣性，傳統(tǒng)的兩種檢測方法存在很大的弊端，很難有穩(wěn)定的區(qū)分，極其容易檢測失敗，錯誤的識別電池極性。

發(fā)明內(nèi)容

針對上述技術(shù)問題，本發(fā)明提供了一種基于深度學(xué)習(xí)的通用型電池極性自動檢測方法，能夠很好的處理復(fù)雜的電池極性的特征，準(zhǔn)確的識別電池極性，有效解決傳統(tǒng)檢測方法的不穩(wěn)定性，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

為了解決上述技術(shù)問題，本發(fā)明提供的具體方案如下：

一種基于深度學(xué)習(xí)的通用型電池極性自動檢測方法，所述方法包括：

獲取待檢測位置的圖片；

確定待檢測的電池極性區(qū)域；

利用深度學(xué)習(xí)算法模型對所述待檢測的電池極性區(qū)域進行識別分類，得到電池極性分類結(jié)果。

本發(fā)明基于深度學(xué)習(xí)對電池極性進行自動檢測分類，只需提供所有的樣本模型，訓(xùn)練樣本，模型就會自動學(xué)習(xí)到分類的特征表達，能夠很好的處理復(fù)雜的電池極性的特征，準(zhǔn)確的識別電池極性，有效解決傳統(tǒng)檢測方法的不穩(wěn)定性，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

可選的，所述深度學(xué)習(xí)算法模型包括正極、非正極、負(fù)極和非負(fù)極四分類模型。

可選的，所述正極模型的特征輸入包括正極；

所述非正極模型的特征輸入包括正極未貼青稞紙、負(fù)極、負(fù)極貼一層青稞紙和負(fù)極貼兩層青稞紙；

所述負(fù)極模型的特征輸入包括負(fù)極；

所述非負(fù)極模型的特征輸入包括正極、正極未貼青稞紙、正極貼兩層青稞紙、負(fù)極貼一層青稞紙和負(fù)極貼兩層青稞紙。

可選的，所述電池極性分類結(jié)果包括正極、非正極、負(fù)極和非負(fù)極四類極性。

可選的，所述方法還包括：

構(gòu)建多層卷積神經(jīng)網(wǎng)絡(luò)；

采用誤差反向傳導(dǎo)算法訓(xùn)練所述多層卷積神經(jīng)網(wǎng)絡(luò)，得到電池極性識別模型；

將所述多層卷積網(wǎng)絡(luò)的輸出層節(jié)點修改為4，并利用訓(xùn)練好的電池極性識別模型的權(quán)重初始化修改后的多層卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重；

用正極、非正極、負(fù)極和非負(fù)極數(shù)據(jù)集對修改后的多層卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到正極、非正極、負(fù)極和非負(fù)極四分類模型。