[发明专利]基于卷积神经网络的CT图像去伪影方法、装置及系统

说明书

本发明公开了一种基于卷积神经网络的CT图像去伪影方法、装置及系统，方法包括：采集连续生成的第一锂电池CT图像集以及间断生成的第二锂电池CT图像集建立训练集，所述训练集中包括成对的带伪影图像和真实图像；建立卷积神经网络模型；将训练集输入至卷积神经网络模型，带伪影图像经计算之后获得预测图像，计算预测图像和真实图像的损失值，根据损失值调整梯度并更新网络参数，直到卷积神经网络模型收敛；采集连续生成的当前锂电池CT图像并输入至训练后的卷积神经网络模型，输出去伪影后的锂电池CT图像；该方法能够有效提高锂电池检测的效率。

技术领域

本发明涉及锂电池检测技术领域，尤其涉及一种基于卷积神经网络的CT图像去伪影方法、装置及系统。

背景技术

作为锂离子电池安全性和电池容量的关键评价因素，正负极片的尺寸数据具有决定性的参考价值。X射线检测是最常用的无损检测方法之一，目前逐渐被应用于工业生产中的锂离子电池极片尺寸的测量。目前X射线检测锂离子电池多为平面成像，缺失的三维信息会让不良的电池被认定为良品，从而被安装上电车，为乘车人带来安全隐患。

CT影像技术可以搜集到被检测物品的三维信息，运用于锂离子电池的检测可以大大提高电池的质量。目前CT检测锂电池一般采用离线检测：锂离子电池安装在测试平台，经过一定的角度后停止运动，进行拍照，完成拍照后再进行旋转，如此往复可以获得连续角度变动下电池极片的影像。这种间断式的采集CT图像方法会耗费大量的时间，无法匹配上电池生产流水线的节拍，导致工厂产能大大降低。所以目前CT检测锂离子电池的方法主要用于离线检测，多为人工抽检，不适用于工厂大规模生产的线上检测。

而采用连续采集的方式，让盛放电池的平台进行连续转动，CT系统按照设定的角度或者时间间隔自动拍照，可以解决采集图像耗费大量时间的问题，但使用该方案采集到的图像会产生伪影。这种伪影的产生是CT检测的平板探测器技术限制导致的。关键点在于平板探测器的拍照速度最高为每秒60张（即拍照时间为1/60s），此速度相较于电池在平台上的转动速度来说是不够的。当平板探测器完成一次拍照，已经接收了电池在多个角度位置下的运动图像信息，图像信息（灰度）的叠加造成的结果导致了图像变得模糊，产生伪影。按照类型可以将伪影分为条纹、阴影以及模糊三种。伪影会对锂电池极片的尺寸测量产生干扰，从而影响产品质量检测的精确度。因此，解决运动中锂离子电池CT图像的伪影，是提高电池检测效率，让CT检测速度跟上流水线节拍并应用于工厂大规模生产检测场景的关键。

常见解决CT伪影的方法有插值法，迭代法以及同时使用这两种方法的迭代差值法。插值法由于其生成图像速度快的特性曾被广泛应用于CT去除伪影，例如，专利文献CN114067017A公开了一种CT影像去金属伪影的方法，包括步骤：(1)采集原始投影序列图像；(2)对原始投影序列图像进行重建得到含金属伪影的重建图像；(3)提取重建图像中的金属区域；(4)将金属区域正投影至原始投影序列图像中每一图像所对应的投影平面上得到对应的金属投影序列图像；(5)对金属投影序列图像中的各个金属区域进行校正，并在原始投影序列图像上对校正后的金属区域进行线性插值得到插值图像，去除金属图像；(6)将插值图像进行重建得到去除金属及金属伪影的图像，并将其与步骤(3)得到的金属区域图像重合得到最终去除金属伪影的投影序列图像。利用原图像的信息对重投影的图像进行校正，能够完整地去除金属伪影。但生成的图像质量与真实图像（无伪影不失真图像）相比，PSNR与SSIM都偏低。与插值法不同，迭代法生成的图像质量高，但是所花费的时间更多。迭代插值法，在一定程度上结合了两种方法的优点，但随着生产规模和生产要求的不断提高，不管是质量还是速度上，这种方法都已经满足不了实际生产需求。

发明内容

本发明提供了一种基于卷积神经网络的CT图像去伪影方法、装置及系统，能够去除运动中锂离子电池CT图像的伪影，提高电池检测效率。

一种基于卷积神经网络的CT图像去伪影方法，包括：

采集连续生成的第一锂电池CT图像集以及间断生成的第二锂电池CT图像集；