[发明专利]用于检测电池极片的方法和装置

说明书

本申请实施例公开了用于检测电池极片的方法和装置。该方法的一具体实施方式包括：获取待检测的电池极片的图像；响应于确定图像满足预设的检测条件，将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，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，用于表示非毛刺的第一类别和用于表示毛刺的第二类别。该实施方式实现了利用基于语义分割的卷积神经网络对电池极片上的毛刺进行检测，无需再由人工对电池极片上的毛刺进行检测。

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的方法和装置。

背景技术

在各种类型的电池(如锂电池、镍氢电池等)的生产过程中，由于冲切方式、冲切模具的结构、冲切模具的材料和加工方式等原因，电池极片上容易产生毛刺。

一般地，通过人工检测或半自动化光学仪器辅助检测的方式来对电池极片上的毛刺进行检测。

发明内容

本申请实施例提出了用于检测电池极片的方法和装置。

第一方面，本申请实施例提供了一种用于检测电池极片的方法，该方法包括：获取待检测的电池极片的图像；响应于确定图像满足预设的检测条件，将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，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。

在一些实施例中，上述方法还包括：响应于确定图像不满足预设的检测条件，根据检测条件调整图像，得到调整后的图像；将调整后的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。

在一些实施例中，将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，将图像输入至目标卷积神经网络，得到检测结果信息。

在一些实施例中，在将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，查找检测结果信息对应的处理信息；执行处理信息指示的处理操作。

在一些实施例中，处理操作包括以下至少一项：记录日志、触发报警、触发对电池极片的拾取。

在一些实施例中，基于语义分割的卷积神经网络通过如下方式训练得到：确定初始卷积神经网络；获取训练样本集合，其中，训练样本包括满足检测条件的、电池极片的图像和满足检测条件的、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，将训练样本集合中的训练样本中的图像作为初始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初始卷积神经网络的期望输出，训练得到基于语义分割的卷积神经网络。

在一些实施例中，基于语义分割的卷积神经网络通过如下方式进行更新：获取针对输入至电池极片毛刺检测系统的图像标注的检测结果信息；将标注的检测结果信息与利用电池极片毛刺检测系统得到的检测结果信息进行比较，得到用于表示标注的检测结果信息与利用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；响应于确定差异值大于预设的差异阈值，将输入至电池极片毛刺检测系统的图像和对输入至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训练样本集合中，得到更新后的训练样本集合；基于更新后的训练样本集合，训练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。