[发明专利]缺陷过滤方法、装置、计算机设备和存储介质

权利要求书

1.一种缺陷过滤方法，其特征在于，所述方法包括：

响应于目标缺陷电池的缺陷过滤指令，获取所述目标缺陷电池的电池图像；

将所述电池图像输入至预设的过滤网络模型中，通过所述过滤网络模型分析所述电池图像，确定所述目标缺陷电池的缺陷过滤结果；所述缺陷过滤结果包括所述目标缺陷电池为过杀电池或者所述目标缺陷电池为缺陷电池。

2.根据权利要求1所述的方法，其特征在于，所述过滤网络模型中包括过杀样本图像的过杀特征向量和缺陷样本图像的缺陷特征向量；所述通过所述过滤网络模型分析所述电池图像，确定所述目标缺陷电池的缺陷过滤结果，包括：

通过所述过滤网络模型获取所述电池图像的特征向量与所述过杀特征向量之间的过杀相似度，以及所述电池图像的特征向量与所述缺陷特征向量之间的缺陷相似度；

根据所述过杀相似度和所述缺陷相似度，确定所述目标缺陷电池的缺陷过滤结果。

3.根据权利要求2所述的方法，其特征在于，所述过滤网络模型包括向量提取网络和输出网络，所述通过所述过滤网络模型获取所述电池图像的特征向量与所述过杀特征向量之间的过杀相似度，以及所述电池图像的特征向量与所述缺陷特征向量之间的缺陷相似度，包括：

通过所述向量提取网络提取所述电池图像的特征向量；

通过所述输出网络获取所述电池图像的特征向量与所述过杀特征向量之间的过杀相似度，以及所述电池图像的特征向量与所述缺陷特征向量之间的缺陷相似度。

4.根据权利要求3所述的方法，其特征在于，所述获取所述电池图像的特征向量与所述过杀特征向量之间的过杀相似度，以及所述电池图像的特征向量与所述缺陷特征向量之间的缺陷相似度，包括：

获取所述电池图像的特征向量与所述过杀特征向量之间的第一欧式距离，并根据所述第一欧式距离确定所述过杀相似度；

获取所述电池图像的特征向量与所述缺陷特征向量之间的第二欧式距离，并根据所述第二欧式距离确定所述缺陷相似度。

5.根据权利要求2-4任一项所述的方法，其特征在于，所述根据所述过杀相似度和所述缺陷相似度，确定所述目标缺陷电池的缺陷过滤结果，包括：

在所述过杀相似度大于所述缺陷相似度的情况下，确定所述目标缺陷电池为过杀电池；

在所述过杀相似度小于或等于所述缺陷相似度的情况下，确定所述目标缺陷电池为缺陷电池。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述过滤网络模型的构建过程包括：

获取训练样本集；所述训练样本集包括多个参考样本图像、多个过杀样本图像和多个缺陷样本图像；

通过所述训练样本集对初始过滤网络模型进行迭代训练，直至所述初始过滤网络模型收敛，得到所述过滤网络模型。

7.根据权利要求6所述的方法，其特征在于，所述获取训练样本集，包括：

根据历史缺陷电池的采集图像，确定所述多个缺陷样本图像；

根据历史过杀电池的采集图像，确定所述多个参考样本图像和所述多个过杀样本图像。

8.根据权利要求6所述的方法，其特征在于，所述通过所述训练样本集对初始过滤网络模型进行迭代训练，直至所述初始过滤网络模型收敛，包括：

通过所述训练样本集对初始过滤网络模型进行迭代训练，获取每次训练的初始过滤网络模型的损失函数值；

根据所述每次训练的初始过滤网络模型的损失函数值更新所述初始过滤网络模型的参数，直至所述初始过滤网络模型达到预设条件，确定所述初始过滤网络模型收敛。