[发明专利]电池缺陷识别方法、装置、计算机设备和存储介质

权利要求书

1.一种电池缺陷识别方法，所述方法包括：

将包含电池板特征的待识别图像输入已训练的电池缺陷识别模型，所述待识别图像为电致发光图像；

通过所述已训练的电池缺陷识别模型提取所述待识别图像的所述电池板特征；

根据所述电池板特征对所述待识别图像进行分类，得到所述待识别图像的识别结果。

2.根据权利要求1所述的方法，其特征在于，生成所述已训练的电池缺陷识别模型的步骤，包括：

获取包含多个训练图像的训练集合和包含多个测试图像的测试集合，所述训练图像和所述测试图像携带对应的缺陷标签；

构建初始电池缺陷识别模型；

将各个所述训练图像和对应的缺陷标签输入所述初始电池缺陷识别模型，将各个所述训练图像对应的所述缺陷标签作为各个所述训练图像对应的期望输出结果，对各个所述训练图像进行训练，得到候选的电池缺陷识别模型；

将各个所述测试图像和对应的缺陷标签输入所述候选的电池缺陷识别模型，通过所述候选的电池缺陷识别模型对各个所述测试图像进行分类识别；

根据各个所述测试图像的识别结果和对应的缺陷标签，判断所述候选的电池缺陷识别模型是否满足预设收敛条件；

当满足时，得到所述已训练的电池缺陷识别模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当未满足时，更新所述候选的电池缺陷识别模型的模型参数，重新对所述候选的电池缺陷识别模型进行训练，直至所述候选的电池缺陷识别模型满足所述预设收敛条件，得到所述已训练的电池缺陷识别模型。

4.根据权利要求2所述的方法，其特征在于，所述获取包含多个训练图像的训练集合和包含多个测试图像的测试集合之前，还包括：

获取采样训练集合，所述采样训练集合包含多个采样图像；

对所述采样训练集合进行降维得到所述训练集合。

5.根据权利要求4所述的方法，其特征在于，所述对所述采样训练集合进行降维得到所述训练集合，包括：

计算所述采样训练集合的样本均值；

根据各个所述采样图像和所述样本均值计算所述采样训练集合的样本矩阵；

计算所述样本矩阵的协方差值；

当所述协方差值大于预设阈值时，计算所述样本矩阵的特征值和对应的特征向量；

从所述特征值中按照预设规则选取目标特征值，将所述目标特征值对应的特征向量作为所述训练图像，由所述训练图像组成所述训练集合。

6.根据权利要求1至5任意一项所述的方法，其特征在于，所述已训练的电池缺陷识别模型输入层、竞争层和输出层，其中所述输入层的输出作为所述竞争层的输入，所述竞争层的输出作为所述输出层的输入，将包含电池板特征的待识别图像输入已训练的电池缺陷识别模型包括：

将所述待识别图像按照所述输入层的输入规则进行输入，得到对所述输入层的输出数据；

所述通过所述已训练的电池缺陷识别模型提取所述待识别图像的电池板特征，包括：

通过所述竞争层的竞争获胜规则对输出数据进行竞争，得到所述竞争层的获胜神经元提取的电池板特征。

所述根据所述电池板特征对所述待识别图像进行分类，得到所述待识别图像的识别结果，包括：

根据所述获胜神经元提取的电池板特征在所述输出层输出所述待识别图像的所述识别结果。

7.根据权利要求1所述的方法，其特征在于，所述识别结果包括虚焊缺陷、微裂缺陷、断指缺陷和无缺陷。

8.一种电池缺陷识别装置，其特征在于，所述装置包括：

特征提取模块，用于将包含电池板特征的待识别图像输入已训练的电池缺陷识别模型，通过所述已训练的电池缺陷识别模型提取所述待识别图像的电池板特征，所述待识别图像为电致发光图像；

识别模块，用于根据所述电池板特征对所述待识别图像进行分类，得到所述待识别图像的识别结果。