[发明专利]电池极片陶瓷的缺陷检测方法、装置及电子设备

权利要求书

1.一种电池极片陶瓷的缺陷检测方法，其特征在于，包括：

获取待检测电池的目标检测图像，所述目标检测图像包括所述待检测电池的极片陶瓷；

对所述目标检测图像进行不同卷积尺度的卷积运算，得到目标二值化图像；

基于所述目标二值化图像，确定所述目标检测图像中的极片陶瓷区域；

基于所述极片陶瓷区域的图像特征信息，确定所述极片陶瓷的缺陷检测结果。

2.根据权利要求1所述的电池极片陶瓷的缺陷检测方法，其特征在于，所述对所述目标检测图像进行不同卷积尺度的卷积运算，得到目标二值化图像，包括：

将所述目标检测图像输入至不同卷积尺度的至少两个第一卷积核，获得所述至少两个第一卷积核输出的至少两个第一二值化图像，所述第一二值化图像和所述第一卷积核一一对应；

将所述至少两个第一二值化图像中的一个所述第一二值化图像确定为所述目标二值化图像。

3.根据权利要求2所述的电池极片陶瓷的缺陷检测方法，其特征在于，所述第一卷积核基于不同卷积尺度的至少两个第二卷积核进行数学运算得到。

4.根据权利要求1所述的电池极片陶瓷的缺陷检测方法，其特征在于，所述基于所述目标二值化图像，确定所述目标检测图像中的极片陶瓷区域，包括：

获取所述目标二值化图像中每列像素列像素值的累加均值；

确定所述目标二值化图像中累加均值突变的像素列为极片陶瓷边；

基于所述极片陶瓷边，确定所述极片陶瓷区域。

5.根据权利要求1所述的电池极片陶瓷的缺陷检测方法，其特征在于，所述基于所述极片陶瓷区域的图像特征信息，确定所述极片陶瓷的缺陷检测结果，包括：

将所述极片陶瓷区域的图像输入至目标缺陷检测模型，获得所述目标缺陷检测模型输出的所述极片陶瓷的缺陷检测结果；

其中，所述目标缺陷检测模型为基于YOLOv5神经网络构建，并通过训练数据集训练得到的。

6.根据权利要求5所述的电池极片陶瓷的缺陷检测方法，其特征在于，所述目标缺陷检测模型通过如下步骤训练得到：

将所述训练数据集输入至待训练的目标缺陷检测模型进行训练，确定所述目标缺陷检测模型的第一模型权重参数；

将所述第一模型权重参数导出为开放神经网络交换格式文件；

基于所述开放神经网络交换格式文件，对所述目标缺陷检测模型进行权重裁剪，确定所述目标缺陷检测模型的第二模型权重参数，得到训练完成的所述目标缺陷检测模型。

7.一种电池极片陶瓷的缺陷检测装置，其特征在于，包括：

获取模块，用于获取待检测电池的目标检测图像，所述目标检测图像包括所述待检测电池的极片陶瓷；

第一处理模块，用于对所述目标检测图像进行不同卷积尺度的卷积运算，得到目标二值化图像；

第二处理模块，用于基于所述目标二值化图像，确定所述目标检测图像中的极片陶瓷区域；

第三处理模块，用于基于所述极片陶瓷区域的图像特征信息，确定所述极片陶瓷的缺陷检测结果。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述电池极片陶瓷的缺陷检测方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6任一项所述的电池极片陶瓷的缺陷检测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述电池极片陶瓷的缺陷检测方法。