[发明专利]用于检测电池极片的方法和装置

权利要求书

1.一种用于检测电池极片的方法，包括：

获取待检测的电池极片的图像；

响应于确定所述图像满足预设的检测条件，将所述图像输入至预先训练的电池极片毛刺检测系统，得到检测结果信息，其中，所述电池极片毛刺检测系统包括至少一个基于语义分割的卷积神经网络，检测结果信息用于指示输入的图像中的像素显示的内容的类别，类别包括用于表示非毛刺的第一类别和用于表示毛刺的第二类别。

2.根据权利要求1所述的方法，其中，所述方法还包括：

响应于确定所述图像不满足预设的检测条件，根据所述检测条件调整所述图像，得到调整后的图像；

将所述调整后的图像输入至所述预先训练的电池极片毛刺检测系统，得到检测结果信息。

3.根据权利要求1所述的方法，其中，所述将所述图像输入至预先训练的电池极片毛刺检测系统，得到检测结果信息，包括：

根据所述至少一个基于语义分割的卷积神经网络的负载信息，选取基于语义分割的卷积神经网络作为目标卷积神经网络，将所述图像输入至所述目标卷积神经网络，得到检测结果信息。

4.根据权利要求1所述的方法，其中，在所述将所述图像输入至预先训练的电池极片毛刺检测系统，得到检测结果信息之后，还包括：

根据得到的检测结果信息，查找所述检测结果信息对应的处理信息；

执行所述处理信息指示的处理操作。

5.根据权利要求4所述的方法，其中，所述处理操作包括以下至少一项：记录日志、触发报警、触发对所述电池极片的拾取。

6.根据权利要求1所述的方法，其中，所述基于语义分割的卷积神经网络通过如下方式训练得到：

确定初始基于语义分割的卷积神经网络；

获取训练样本集合，其中，训练样本包括满足所述检测条件的、电池极片的图像和满足所述检测条件的、电池极片的图像对应的检测结果信息；

利用机器学习的方法，将所述训练样本集合中的训练样本中的图像作为所述初始基于语义分割的卷积神经网络的输入，将与输入的图像对应的检测结果信息作为所述初始基于语义分割的卷积神经网络的期望输出，训练得到所述基于语义分割的卷积神经网络。

7.根据权利要求6所述的方法，其中，所述基于语义分割的卷积神经网络通过如下方式进行更新：

获取针对输入至所述电池极片毛刺检测系统的图像标注的检测结果信息；

将所述标注的检测结果信息与利用所述电池极片毛刺检测系统得到的检测结果信息进行比较，得到用于表示所述标注的检测结果信息与利用所述电池极片毛刺检测系统得到的检测结果信息的差异的差异值；

响应于确定所述差异值大于预设的差异阈值，将输入至所述电池极片毛刺检测系统的图像和对输入至所述电池极片毛刺检测系统的图像标注的检测结果信息添加到所述训练样本集合中，得到更新后的训练样本集合；

基于所述更新后的训练样本集合，训练所述基于语义分割的卷积神经网络，得到更新后的基于语义分割的卷积神经网络。

8.一种用于检测电池极片的装置，包括：

获取单元，被配置成获取待检测的电池极片的图像；

检测单元，被配置成响应于确定所述图像满足预设的检测条件，将所述图像输入至预先训练的电池极片毛刺检测系统，得到检测结果信息，其中，所述电池极片毛刺检测系统包括至少一个基于语义分割的卷积神经网络，检测结果信息用于指示输入的图像中的像素显示的内容的类别，类别包括用于表示非毛刺的第一类别和用于表示毛刺的第二类别。

9.根据权利要求8所述的装置，其中，所述检测单元进一步被配置成：

响应于确定所述图像不满足预设的检测条件，根据所述检测条件调整所述图像，得到调整后的图像；

将所述调整后的图像输入至所述预先训练的电池极片毛刺检测系统，得到检测结果信息。