[发明专利]用于检测电池极片毛刺的方法和装置

权利要求书

1.一种用于检测电池极片毛刺的方法，包括：

获取针对电池极片所拍摄的图像作为待检测图像；

从所述待检测图像中提取若干个区域，并对所述若干个区域进行特征提取，生成各个区域对应的特征向量；

确定所述各个区域对应的特征向量与预设的对应关系表中的特征向量之间的相似度；

将所述相似度满足预设目标的区域确定为电池极片毛刺区域；

响应于确定所述待检测图像包括所述电池极片毛刺区域，确定所述电池极片毛刺区域所指示的毛刺的类别和所述电池极片毛刺区域在所述待检测图像中的位置；所述电池极片毛刺区域的特征向量与所述电池极片毛刺区域所指示的毛刺的类别相互关联。

2.根据权利要求1所述的方法，其中，所述确定电池极片毛刺区域所指示的毛刺的类别和电池极片毛刺区域在所述待检测图像中的位置，包括：

将所述待检测图像输入至预先训练的毛刺检测模型，得到电池极片毛刺区域所指示的毛刺的类别的类别信息和电池极片毛刺区域在所述待检测图像中的位置的位置信息，其中，毛刺检测模型用于表征待检测图像和电池极片毛刺区域所指示的毛刺的类别、电池极片毛刺区域在待检测图像中的位置之间的对应关系。

3.根据权利要求2所述的方法，其中，所述毛刺检测模型通过如下步骤训练得到：

获取样本集，其中，样本包括样本图像和样本标注信息，样本图像包括电池极片毛刺区域，样本标注信息用于表示电池极片毛刺区域所指示的毛刺的类别和电池极片毛刺区域在样本图像中的位置；

将所述样本集中的样本的样本图像作为初始模型的输入，将与输入的样本图像对应的样本标注信息作为初始模型的期望输出，训练得到毛刺检测模型。

4.根据权利要求3所述的方法，其中，所述初始模型包括候选区域网络和卷积神经网络。

5.根据权利要求1-4中任一所述的方法，其中，所述方法还包括：

存储和/或推送所述类别的类别信息和所述位置的位置信息。

6.一种用于检测电池极片毛刺的装置，包括：

获取单元，被配置成获取针对电池极片所拍摄的图像作为待检测图像；

确定单元，被配置成从所述待检测图像中提取若干个区域，并对所述若干个区域进行特征提取，生成各个区域对应的特征向量；确定所述各个区域对应的特征向量与预设的对应关系表中的特征向量之间的相似度；将所述相似度满足预设目标的区域确定为电池极片毛刺区域；响应于确定所述待检测图像包括所述电池极片毛刺区域，确定所述电池极片毛刺区域所指示的毛刺的类别和所述电池极片毛刺区域在所述待检测图像中的位置；所述电池极片毛刺区域的特征向量与所述电池极片毛刺区域所指示的毛刺的类别相互关联。

7.根据权利要求6所述的装置，其中，所述确定单元，进一步被配置成：

将所述待检测图像输入至预先训练的毛刺检测模型，得到电池极片毛刺区域所指示的毛刺的类别的类别信息和电池极片毛刺区域在所述待检测图像中的位置的位置信息，其中，毛刺检测模型用于表征待检测图像和电池极片毛刺区域所指示的毛刺的类别、电池极片毛刺区域在待检测图像中的位置之间的对应关系。

8.根据权利要求7所述的装置，其中，所述毛刺检测模型通过如下步骤训练得到：

获取样本集，其中，样本包括样本图像和样本标注信息，样本图像包括电池极片毛刺区域，样本标注信息用于表示电池极片毛刺区域所指示的毛刺的类别和电池极片毛刺区域在样本图像中的位置；

将所述样本集中的样本的样本图像作为初始模型的输入，将与输入的样本图像对应的样本标注信息作为初始模型的期望输出，训练得到毛刺检测模型。

9.根据权利要求8所述的装置，其中，所述初始模型包括候选区域网络和卷积神经网络。

10.根据权利要求6-9中任一所述的装置，其中，所述装置还包括：

存储单元和/或推送单元，被配置成存储和/或推送所述类别的类别信息和所述位置的位置信息。