[发明专利]用于检测电池极片毛刺的方法和装置

说明书

本申请实施例公开了用于检测电池极片毛刺的方法和装置。该方法的一具体实施方式包括：获取针对电池极片所拍摄的图像作为待检测图像；响应于确定待检测图像包括电池极片毛刺区域，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待检测图像中的位置。该实施方式实现了通过待检测图像中的电池极片毛刺区域，确定电池极片毛刺的类别。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于检测电池极片毛刺的方法和装置。

背景技术

在电池行业，电池极片的质量与电池的质量密切相关。因此，电池极片生产过程中，常常需要对电池极片的表面进行检测，查看是否存在毛刺。目前，对电池极片表面的检测，主要通过以下两种方式来实现。第一，对电池极片的表面进行拍摄，然后，通过技术人员对拍摄到的图片进行分析，进而确定电池极片的表面是否存在毛刺。第二，存储技术人员先前的检测结果，然后，根据这些存储的检测结果，对拍摄到的图像进行分析，进而确定电池极片的表面是否存在毛刺。

发明内容

本申请实施例提出了用于检测电池极片毛刺的方法和装置。

第一方面，本申请实施例提供了一种用于检测电池极片毛刺的方法，该方法包括：获取针对电池极片所拍摄的图像作为待检测图像；响应于确定待检测图像包括电池极片毛刺区域，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待检测图像中的位置。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，初始模型包括候选区域网络和卷积神经网络。

在一些实施例中，该方法还包括：存储和/或推送类别的类别信息和位置的位置信息。

第二方面，本申请实施例提供了一种用于检测电池极片毛刺的装置，该装置包括：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，被配置成响应于确定待检测图像包括电池极片毛刺区域，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待检测图像中的位置。

在一些实施例中，确定单元，进一步被配置成：将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。

在一些实施例中，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。。

在一些实施例中，初始模型包括候选区域网络和卷积神经网络。

在一些实施例中，该装置还包括：存储单元和/或推送单元，被配置成存储和/或推送类别的类别信息和位置的位置信息。