[發明專利]一種動態網絡中服務配置的優化方法及裝置

在審

• 申請號: 202110794814.7
• 申請日: 2021-07-14
• 公開（公告）號: CN113762330A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 鈔蓓英;張董;趙亮
• 申請（專利權）人: 北京深點視覺科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T5/00;G06T7/11;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 王闖

本申請提供了一種鋰電池涂布瑕疵分類方法及裝置，該方法涉及鋰電池技術領域，構建鋰電池涂布圖像訓練集，并對鋰電池涂布圖像訓練集中的鋰電池涂布圖像樣本進行標注鋰電池涂布瑕疵小類別；搭建深度學習模型；將鋰電池涂布圖像訓練集中的鋰電池涂布圖像樣本輸入到所述深度學習模型中，以得到訓練好的深度學習模型；再將待檢測鋰電池涂布圖像樣本進行圖像增強等預處理，輸入到訓練好的深度學習模型中，訓練好的深度學習模型輸出待檢測鋰電池涂布圖像樣本的鋰電池涂布瑕疵小類別；基于訓練好的深度學習模型輸出的鋰電池涂布瑕疵小類別，獲取鋰電池涂布瑕疵大類別。從而基于深度學習通過減小類內差異、圖像增強的方式，實現鋰電池涂布的精準分類。

技術領域

本申請屬于鋰電池技術領域，尤其涉及一種鋰電池涂布瑕疵分類方法及裝置。

背景技術

隨著微電子技術的發展，小型化的設備日益增多，對電源提出了很高的要求。鋰電池隨之進入了大規模的實用階段。在鋰電池的生產工序中，涂布是關鍵的流程。但是在鋰電池涂布生產、以及涂布模切，分切過程中，涂布的表面，極耳表面均會產生一些瑕疵，這些瑕疵有些會影響電池的安全性能，為客戶的使用帶來極大的隱患，因此檢測涂布表面的瑕疵顯得尤為重要。

在實際的生產中，通過工業照相機可以檢測出瑕疵位置，并進行報警提示，雖然這樣能夠有效防止不良品流入后工序，但是并不能從根源上解決不良品的產生。因此分析瑕疵產生的原因，從涂布生產工藝，找出瑕疵產生的原因，可以從根本上解決問題，優化鋰電池生產工藝。那么每種瑕疵產生的原因均不同，因此要準確對瑕疵類型進行分類。

發明內容

有鑒于此，本申請提供一種鋰電池涂布瑕疵分類方法及裝置，可以實現鋰電池涂布瑕疵的精準分類。

第一方面，本申請實施例提供一種鋰電池涂布瑕疵分類方法，包括以下步驟：

構建鋰電池涂布圖像訓練集，所述鋰電池涂布圖像訓練集包括多張標注有鋰電池涂布瑕疵小類別的鋰電池涂布圖像樣本；

搭建深度學習模型，所述深度學習模型為卷積神經網絡；

將所述鋰電池涂布圖像訓練集中的鋰電池涂布圖像樣本輸入到所述深度學習模型中，調整所述深度學習模型的參數，以得到訓練好的深度學習模型；

將待檢測鋰電池涂布圖像樣本輸入到訓練好的深度學習模型中，訓練好的深度學習模型輸出所述待檢測鋰電池涂布圖像樣本的鋰電池涂布瑕疵小類別；

基于訓練好的深度學習模型輸出的鋰電池涂布瑕疵小類別，獲取鋰電池涂布瑕疵大類別；其中每種所述鋰電池涂布瑕疵大類別包括多種所述鋰電池涂布瑕疵小類別，所述鋰電池涂布瑕疵大類別包括劃痕、膠帶、漏金屬、氣泡、未輥壓、粘料和褶皺。

在一種可能的實施方式中，將所述鋰電池涂布圖像訓練集中的鋰電池涂布圖像樣本輸入到所述深度學習模型中，調整所述深度學習模型的參數，以得到訓練好的深度學習模型包括以下步驟：

將所述鋰電池涂布圖像訓練集中的每個鋰電池涂布圖像樣本分別劃分出不同的檢測區域；

判斷每個所述鋰電池涂布圖像樣本中的各個檢測區域是否有瑕疵，若有，將相應檢測區域的瑕疵位置分割出去，以形成瑕疵圖像樣本；

對所述瑕疵圖像樣本進行圖像增強處理，以獲取預處理后的瑕疵圖像樣本；

將預處理后的瑕疵圖像樣本輸入到所述深度學習模型中，調整所述深度學習模型的參數，以得到訓練好的深度學習模型。

在一種可能的實施方式中，將所述鋰電池涂布圖像訓練集中的每個鋰電池涂布圖像樣本分別劃分出不同的檢測區域包括以下步驟：

根據鋰電池涂布的材料邊界將所述鋰電池涂布圖像訓練集中的鋰電池涂布圖像樣本劃分為不同檢測區域，其中所述檢測區域包括涂布區、極耳區、陶瓷區和背景區。