[发明专利]用于电池隔膜异常检测的神经网络的训练方法

权利要求书

1.一种用于电池隔膜异常检测的神经网络的训练方法，其特征在于，包括：

获取经检测合格的原始电池隔膜图像作为训练图像集；

将所述训练图像集中的原始电池隔膜图像输入第一卷积神经网络以获得第一特征图；

将所述第一特征图通过反卷积神经网络以获得重构电池隔膜图像；

计算所述原始电池隔膜图像和所述重构电池隔膜图像之间的第一均方差损失函数值；

将所述原始电池隔膜图像和所述重构电池隔膜图像输入差别特征提取网络以获得差别特征，所述差别特征表示所述原始电池隔膜图像和所述重构电池隔膜图像在特征空间的差异；

将所述差别特征通过分类函数以获得分类损失函数值；以及

基于所述第一均方差损失函数值和所述分类损失函数值更新所述第一卷积神经网络、反卷积神经网络和所述差别特征提取网络。

2.根据权利要求1所述的用于电池隔膜异常检测的神经网络的训练方法，其中，在将所述训练图像集中的原始电池隔膜图像输入第一卷积神经网络以获得第一特征向量中，所述第一卷积神经网络包括N层卷积层，N为大于等于4小于等于5的正整数。

3.根据权利要求1所述的用于电池隔膜异常检测的神经网络的训练方法，将所述原始电池隔膜图像和所述重构电池隔膜图像输入差别特征提取网络以获得差别特征，包括：

将所述原始电池隔膜图像输入所述差别特征提取网络以获得第三特征图；

将所述重构电池隔膜图像输入所述差别特征提取网络以获得第四特征图；

将所述第三特征图进行空间平均值池化以获得第三特征向量；

将所述第四特征图进行空间平均值池化以获得第四特征向量；以及

基于所述第三特征向量和所述第四特征向量之间的差分获取区分特征向量作为所述差别特征。

4.根据权利要求1所述的用于电池隔膜异常检测的神经网络的训练方法，其中，将所述原始电池隔膜图像和所述重构电池隔膜图像输入差别特征提取网络以获得差别特征，包括：

将所述原始电池隔膜图像输入所述差别特征提取网络以获得第三特征图；

将所述重构电池隔膜图像输入所述差别特征提取网络以获得第四特征图；

计算所述第三特征图和所述第四特征图之间的L1距离或L2距离以获得差别特征图作为所述差别特征。

5.根据权利要求1所述的用于电池隔膜异常检测的神经网络的训练方法，进一步包括：

将重构的电池隔膜图像输入第二卷积神经网络以获得第二特征图；

计算所述第一特征图和所述第二特征图之间的第二均方差损失函数值；

其中，基于所述第一均方差损失函数值和所述分类损失函数值更新所述第一卷积神经网络、反卷积神经网络和所述差别特征提取网络，包括：

基于所述第一均方差损失函数值、所述第二均方差损失函数值和所述分类损失函数值更新所述第一卷积神经网络、反卷积神经网络和所述差别特征提取网络。

6.根据权利要求1所述的用于电池隔膜异常检测的神经网络的训练方法，其中，基于所述第一均方差损失函数和所述分类损失函数更新所述第一卷积神经网络、反卷积神经网络和所述差别特征提取网络，包括：

在每一轮迭代中，先基于所述第一均方差损失函数值更新所述第一卷积神经网络和反卷积神经网络；以及

基于所述分类损失函数值更新所述差别特征提取网络。

7.一种基于深度神经网络的用于电池隔膜异常检测方法，其特征在于，包括：

获取待检测的电池隔膜的图像；

将所述待检测电池隔膜图像输入根据权利要求1到6中的任意一项所述的用于电池隔膜异常检测的神经网络的训练方法所训练的第一卷积神经网络、反卷积神经网络和差别特征提取网络以获得差异特征；以及

将所述差异特征通过分类函数以获得分类结果，所述分类结果用于表示所述待检测的电池隔膜是否正常。