[发明专利]一种基于改进SSD算法的电池片EL缺陷检测方法有效

专利信息
申请号: 201911106310.0 申请日: 2019-11-13
公开(公告)号: CN111091533B 公开(公告)日: 2023-08-22
发明(设计)人: 武子乾;樊薇;许桢英 申请(专利权)人: 江苏大学
主分类号: G06T7/00 分类号: G06T7/00;G06N3/0464;G06N3/08
代理公司: 暂无信息 代理人: 暂无信息
地址: 212013 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 改进 ssd 算法 电池 el 缺陷 检测 方法
【权利要求书】:

1.一种基于改进SSD算法的EL缺陷检测方法,其特征在于,具体包括以下步骤:

步骤S1、电池片EL图像采集:通过CCD相机采集EL缺陷图像;

步骤S2、图像数据扩充:利用旋转,将原始图像水平旋转来扩充数据集,包括划痕、断栅、暗黑、污染四类缺陷;

步骤S3、图像标注:使用labelImg工具手动标注图像,在标注过程中,从多幅图像中标记出多个目标,测试集是从带注释的图像中随机选取的,其中包含一定比例的缺陷,除测试集外,其余图像作为训练集;

步骤S4、训练和测试改进的SSD网络:该网络是基于一个前向传播的卷积神经网络CNN,产生一系列固定大小的目标框,进行一个非极大值抑制得到最终的预测,SSD网络结构分为基础网络VGG16和金字塔网络FPN,该网络的核心是同时采用最低和最大的特征映射做检测,预设一些目标预选框,后续通过softmax分类和边界回归框获得真实目标的位置,对于不同尺度的特征映射使用不同的默认框Default boxes,然后将这些目标框送入非极大抑制NMS模块中,获得最终的检测结果。

2.根据权利要求1所述的一种基于改进SSD算法的EL缺陷检测方法,其特征在于,将原始图像水平旋转来扩充数据集,最终图像为1740张。

3.根据权利要求2所述的一种基于改进SSD算法的EL缺陷检测方法,其特征在于,使用labelImg工具手动标注图像,在标注过程中,从1740幅图像中标记出11450个目标,测试集是从带注释的图像中随机选取的,其中包含30%的缺陷。

4.根据权利要求1所述的一种基于改进SSD算法的EL缺陷检测方法,其特征在于,对于不同尺度的特征映射使用不同的默认框Default boxes,总共获得8732个。

5.根据权利要求1所述的一种基于改进SSD算法的EL缺陷检测方法,其特征在于,基础网络VGG16是一个通过反复堆叠3x3小型卷积核和2x2最大池化层构筑的深度卷积神经网络,VGG基本模块采用小卷积核堆叠,两个3x3的卷积堆叠获得的感受野大小,相当一个5x5的卷积;而3个3x3卷积的堆叠获取到的感受野相当于一个7x7的卷积,这里去掉所有的Dropout层和全连接层FC8,将VGG16后边两层的全连接层变换为了卷积层,卷积层Conv7之后的是识别层,分别将VGG16的全连接层FC6和FC7转换成3x3的卷积层Conv6和1x1的卷积层Conv7。

6.根据权利要求5所述的一种基于改进SSD算法的EL缺陷检测方法,其特征在于,还包括:将金字塔网络FPN的特征层中较高层特征2倍上采样,采用内插值方法进行上采样,即在原有图像像素的基础上在像素点之间采用内插值方法插入新的元素,把特征大小扩大了一倍,FPN网络特征层中较低层特征通过1×1卷积改变一下低层特征的通道数,然后简单地把将上采样和1×1卷积后的结果对应元素相加,便于后面对加起来的特征进行分类。

7.根据权利要求1所述的一种基于改进SSD算法的EL缺陷检测方法,其特征在于,默认框Default boxes中,其长宽比例默认有四个和六个,四个Default boxes是长宽比分别为(1:1)、(2:1)、(1:2)、(1:1)这四个,六个则是添加了(1:3)、(3:1)这两个,假设用m个特征映射做预测,那么对于每个特征映射而言其Default boxes的比例是按以下公式计算的:

公式Sk即代表在300*300输入中的比例,m为当前的特征映射是第几层,k代表的是一共有多少层的特征映射,Smin和Smax代表的是第一层和最后一层所占的比例;

需要注意的是,这里一共有5种长宽比,用ar表示:

每个Default boxes宽的计算公式为:

高的计算公式为:

当纵横比为1时,增加一种比例的Default box:

Sk+1为下一层的输入中的比例,对于每个特征映射而言,一共有6种Default box,可以看出这种Default box在不同的特征层有不同的比例,在同一个特征层又有不同的长宽比,因此基本上可以覆盖输入图像中的各种形状和大小的目标。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911106310.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code