[發(fā)明專利]用于電池隔膜異常檢測的神經(jīng)網(wǎng)絡的訓練方法

在審

• 申請?zhí)枺?/td>: 202011462904.8
• 申請日: 2020-12-11
• 公開（公告）號: CN112418353A
• 公開（公告）日: 2021-02-26
• 發(fā)明（設計）人: 王瑞
• 申請（專利權）人: 中山瑞恒網(wǎng)絡科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種用于電池隔膜異常檢測的神經(jīng)網(wǎng)絡的訓練方法，其特征在于，包括：

獲取經(jīng)檢測合格的原始電池隔膜圖像作為訓練圖像集；

將所述訓練圖像集中的原始電池隔膜圖像輸入第一卷積神經(jīng)網(wǎng)絡以獲得第一特征圖；

將所述第一特征圖通過反卷積神經(jīng)網(wǎng)絡以獲得重構電池隔膜圖像；

計算所述原始電池隔膜圖像和所述重構電池隔膜圖像之間的第一均方差損失函數(shù)值；

將所述原始電池隔膜圖像和所述重構電池隔膜圖像輸入差別特征提取網(wǎng)絡以獲得差別特征，所述差別特征表示所述原始電池隔膜圖像和所述重構電池隔膜圖像在特征空間的差異；

將所述差別特征通過分類函數(shù)以獲得分類損失函數(shù)值；以及

基于所述第一均方差損失函數(shù)值和所述分類損失函數(shù)值更新所述第一卷積神經(jīng)網(wǎng)絡、反卷積神經(jīng)網(wǎng)絡和所述差別特征提取網(wǎng)絡。

2.根據(jù)權利要求1所述的用于電池隔膜異常檢測的神經(jīng)網(wǎng)絡的訓練方法，其中，在將所述訓練圖像集中的原始電池隔膜圖像輸入第一卷積神經(jīng)網(wǎng)絡以獲得第一特征向量中，所述第一卷積神經(jīng)網(wǎng)絡包括N層卷積層，N為大于等于4小于等于5的正整數(shù)。

3.根據(jù)權利要求1所述的用于電池隔膜異常檢測的神經(jīng)網(wǎng)絡的訓練方法，將所述原始電池隔膜圖像和所述重構電池隔膜圖像輸入差別特征提取網(wǎng)絡以獲得差別特征，包括：

將所述原始電池隔膜圖像輸入所述差別特征提取網(wǎng)絡以獲得第三特征圖；

將所述重構電池隔膜圖像輸入所述差別特征提取網(wǎng)絡以獲得第四特征圖；

將所述第三特征圖進行空間平均值池化以獲得第三特征向量；

將所述第四特征圖進行空間平均值池化以獲得第四特征向量；以及

基于所述第三特征向量和所述第四特征向量之間的差分獲取區(qū)分特征向量作為所述差別特征。

4.根據(jù)權利要求1所述的用于電池隔膜異常檢測的神經(jīng)網(wǎng)絡的訓練方法，其中，將所述原始電池隔膜圖像和所述重構電池隔膜圖像輸入差別特征提取網(wǎng)絡以獲得差別特征，包括：

將所述原始電池隔膜圖像輸入所述差別特征提取網(wǎng)絡以獲得第三特征圖；

將所述重構電池隔膜圖像輸入所述差別特征提取網(wǎng)絡以獲得第四特征圖；

計算所述第三特征圖和所述第四特征圖之間的L1距離或L2距離以獲得差別特征圖作為所述差別特征。

5.根據(jù)權利要求1所述的用于電池隔膜異常檢測的神經(jīng)網(wǎng)絡的訓練方法，進一步包括：

將重構的電池隔膜圖像輸入第二卷積神經(jīng)網(wǎng)絡以獲得第二特征圖；

計算所述第一特征圖和所述第二特征圖之間的第二均方差損失函數(shù)值；

其中，基于所述第一均方差損失函數(shù)值和所述分類損失函數(shù)值更新所述第一卷積神經(jīng)網(wǎng)絡、反卷積神經(jīng)網(wǎng)絡和所述差別特征提取網(wǎng)絡，包括：

基于所述第一均方差損失函數(shù)值、所述第二均方差損失函數(shù)值和所述分類損失函數(shù)值更新所述第一卷積神經(jīng)網(wǎng)絡、反卷積神經(jīng)網(wǎng)絡和所述差別特征提取網(wǎng)絡。

6.根據(jù)權利要求1所述的用于電池隔膜異常檢測的神經(jīng)網(wǎng)絡的訓練方法，其中，基于所述第一均方差損失函數(shù)和所述分類損失函數(shù)更新所述第一卷積神經(jīng)網(wǎng)絡、反卷積神經(jīng)網(wǎng)絡和所述差別特征提取網(wǎng)絡，包括：

在每一輪迭代中，先基于所述第一均方差損失函數(shù)值更新所述第一卷積神經(jīng)網(wǎng)絡和反卷積神經(jīng)網(wǎng)絡；以及

基于所述分類損失函數(shù)值更新所述差別特征提取網(wǎng)絡。

7.一種基于深度神經(jīng)網(wǎng)絡的用于電池隔膜異常檢測方法，其特征在于，包括：

獲取待檢測的電池隔膜的圖像；

將所述待檢測電池隔膜圖像輸入根據(jù)權利要求1到6中的任意一項所述的用于電池隔膜異常檢測的神經(jīng)網(wǎng)絡的訓練方法所訓練的第一卷積神經(jīng)網(wǎng)絡、反卷積神經(jīng)網(wǎng)絡和差別特征提取網(wǎng)絡以獲得差異特征；以及

將所述差異特征通過分類函數(shù)以獲得分類結(jié)果，所述分類結(jié)果用于表示所述待檢測的電池隔膜是否正常。