[发明专利]一种基于深度学习的正弦焊检测方法

权利要求书

1.一种基于深度学习的正弦焊检测方法，其特征在于，包括以下步骤：

通过视觉检测相机及同轴光源对电池定位模组上待检测电池进行拍照，获得待检测图像；

通过形态学方法，从待检测图像中获得待检测区域图像；

提取待检测区域图像中的候选区域，将每个候选区域固定为同一尺寸大小并输入CNN模型中，得到特征向量；

将特征向量输入到多类别分类器中，预测出候选区域中所含物体属于每个类的概率值，通过概率值判断是否符合正弦焊的一类特征。

2.根据权利要求1所述的基于深度学习的正弦焊检测方法，其特征在于，所述获得待检测图像，具体包括以下步骤：

根据电池定位模组上的电池个数和视觉检测相机的焦距决定拍照的次数，若多次拍照，需将多次拍照的图像拼接成一张图像。

3.根据权利要求1所述的基于深度学习的正弦焊检测方法，其特征在于，所述通过形态学方法，从待检测图像中获得待检测区域图像，具体包括以下步骤：

通过形态学的开运算和闭运算确定极耳焊盘区域图像，所述极耳焊盘区域图像为待检测区域图像。

4.根据权利要求1所述的基于深度学习的正弦焊检测方法，其特征在于，所述提取待检测区域图像中的候选区域，具体包括以下步骤：

利用selective search算法在待检测区域图像中提取1000-2000个候选区域。

5.根据权利要求1所述的基于深度学习的正弦焊检测方法，其特征在于，所述将每个候选区域固定为同一尺寸大小并输入CNN模型中，具体包括以下步骤：

采用各项异性缩放，对每个候选区域的长和宽进行缩放，根据正弦波的尺寸缩放成同一尺寸大小的候选区域。

6.根据权利要求1所述的基于深度学习的正弦焊检测方法，其特征在于，所述方法还包括训练阶段，所述训练阶段具体包括以下步骤：

通过视觉检测相机及同轴光源对电池定位模组上待检测电池进行拍照，获得待检测图像；

通过形态学方法，从待检测图像中获得待检测区域图像；

提取待检测区域图像中的候选区域，将每个候选区域固定为同一尺寸大小并输入CNN网络中进行训练，得到一个初始网络；

在初始网络的基础上进行微调，将与正弦波形的重叠度IoU超过0.5的设定为正类，其余的均为负类；

将CNN网络训练完成后以全连接层的输出得到新的特征向量，将所述特征向量输入到多类别分类器进行分类，完成训练过程。

7.根据权利要求6所述的基于深度学习的正弦焊检测方法，其特征在于，所述特征向量包括正类或负类。

8.根据权利要求7所述的基于深度学习的正弦焊检测方法，其特征在于，所述将所述特征向量输入到多类别分类器进行分类，完成训练过程，具体包括以下步骤：

所述多类别分类器找出评分最高的正样本，完成训练过程；所述正样本包括多个正类。

9.根据权利要求6所述的基于深度学习的正弦焊检测方法，其特征在于，所述重叠度IoU的算法为：

所述重叠度IoU定义了两个候选区域的重叠度，包括候选区域A和候选区域B，重叠度IoU=(A∩B)/(A∪B)。