基于电池表面图像的缺陷检测方法、系统及相关设备技术方案

本发明专利技术公开了一种基于电池表面图像的缺陷检测方法、系统及相关设备，方法包括：获取待检测电池的表面图像，通过预设的卷积神经网络模型对上述表面图像进行特征提取获得多尺度特征图集合；将上述多尺度特征图集合中分辨率最低的特征图进行不同倍数的上采样以获得上采样特征图集合，将上述上采样特征图集合中的各图像分别与上述多尺度特征图集合中一个对应的特征图进行拼接融合，获得多尺度目标特征图集合；根据上述多尺度目标特征图集合，通过已训练的目标检测模型对上述待检测电池进行区域分割、缺陷分类和缺陷检测以获得检测结果。与现有技术相比，本发明专利技术方案有利于提高缺陷检测识别的准确性。陷检测识别的准确性。陷检测识别的准确性。

【技术实现步骤摘要】
基于电池表面图像的缺陷检测方法、系统及相关设备


[0001]本专利技术涉及电池检测
，尤其涉及的是一种基于电池表面图像的缺陷检测方法、系统及相关设备。

技术介绍

[0002]随着科学技术的发展，电池的应用也越来越广泛，对于电池的质量和安全要求也越来越高。因此，电池使用或制造过程中需要进行缺陷检测，以避免使用有缺陷的电池带来安全隐患。
[0003]电池表面缺陷的检测是电池缺陷检测的一种，可以通过表面图像对电池的表面进行缺陷检测。现有技术中，通常对表面图像进行特征提取后获得一张高语义信息、低分辨率的高层特征图，并基于该高层特征图进行检测。现有技术的问题在于，在进行特征提取时下采样过程中会造成低层特征（例如电池表面纹理信息）的逐层丢失，因此用于进行检测的高层特征图中也会丢失对应的低层特征，不利于提高缺陷检测识别的准确性。
[0004]因此，现有技术还有待改进和发展。

技术实现思路

[0005]本专利技术的主要目的在于提供一种基于电池表面图像的缺陷检测方法、系统及相关设备，旨在解决现有技术中基于一张高层特征图进行缺陷检测的方案不利于提高缺陷检测识别的准确性的问题。
[0006]为了实现上述目的，本专利技术第一方面提供一种基于电池表面图像的缺陷检测方法，其中，上述基于电池表面图像的缺陷检测方法包括：获取待检测电池的表面图像，通过预设的卷积神经网络模型对上述表面图像进行特征提取获得多尺度特征图集合，其中，上述多尺度特征图集合中包括多个不同分辨率的特征图；将上述多尺度特征图集合中分辨率最低的特征图进行不同倍数的上采样以获得上采样特征图集合，将上述上采样特征图集合中的各图像分别与上述多尺度特征图集合中一个对应的特征图进行拼接融合，获得多尺度目标特征图集合，其中，上述多尺度目标特征图集合中包括拼接融合后的多个不同分辨率的目标特征图；根据上述多尺度目标特征图集合，通过已训练的目标检测模型对上述待检测电池进行区域分割、缺陷分类和缺陷检测以获得检测结果。
[0007]可选的，上述预设的卷积神经网络模型是预先设置的结合特征金字塔网络的主干特征提取网络模型。
[0008]可选的，上述获取待检测电池的表面图像，通过预设的卷积神经网络模型对上述表面图像进行特征提取获得多尺度特征图集合，包括：通过预先设置的相机对上述待检测电池进行图像采集获得上述待检测电池的表面图像；
将上述表面图像作为上述主干特征提取网络模型的输入，通过上述主干特征提取网络模型中的特征金字塔网络获取上述多尺度特征图集合，其中，上述多尺度特征图集合中包括分辨率依次降低的第一尺度特征图、第二尺度特征图、第三尺度特征图和第四尺度特征图。
[0009]可选的，上述上采样特征图集合中包括分辨率依次降低的第一上采样特征图、第二上采样特征图、第三上采样特征图和第四上采样特征图，上述多尺度目标特征图集合中包括分辨率依次降低的第一尺度目标特征图、第二尺度目标特征图、第三尺度目标特征图和第四尺度目标特征图，上述将上述多尺度特征图集合中分辨率最低的特征图进行不同倍数的上采样以获得上采样特征图集合，将上述上采样特征图集合中的各图像分别与上述多尺度特征图集合中一个对应的特征图进行拼接融合，获得多尺度目标特征图集合，包括：根据上述第四尺度特征图与上述第一尺度特征图的分辨率区别倍数对上述第四尺度特征图进行上采样获得第一上采样特征图，将上述第一上采样特征图与上述第一尺度特征图进行拼接融合获得上述第一尺度目标特征图；根据上述第四尺度特征图与上述第二尺度特征图的分辨率区别倍数对上述第四尺度特征图进行上采样获得第二上采样特征图，将上述第二上采样特征图与上述第二尺度特征图进行拼接融合获得上述第二尺度目标特征图；根据上述第四尺度特征图与上述第三尺度特征图的分辨率区别倍数对上述第四尺度特征图进行上采样获得第三上采样特征图，将上述第三上采样特征图与上述第三尺度特征图进行拼接融合获得上述第三尺度目标特征图；对上述第四尺度特征图进行1倍上采样获得第四上采样特征图，将上述第四上采样特征图与上述第四尺度特征图进行拼接融合获得上述第四尺度目标特征图。
[0010]可选的，上述根据上述多尺度目标特征图集合，通过已训练的目标检测模型对上述待检测电池进行区域分割、缺陷分类和缺陷检测以获得检测结果，包括：根据上述多尺度目标特征图集合分别获取区域分割任务输入数据、缺陷分类任务输入数据和缺陷检测任务输入数据，其中，上述区域分割任务输入数据包括上述第三尺度目标特征图，上述缺陷分类任务输入数据包括上述第四尺度目标特征图，上述缺陷检测任务输入数据包括上述第一尺度目标特征图、上述第二尺度目标特征图、上述第三尺度目标特征图和上述第四尺度目标特征图；根据上述区域分割任务输入数据、上述缺陷分类任务输入数据和上述缺陷检测任务输入数据，通过上述已训练的目标检测模型执行区域分割任务、缺陷分类任务和缺陷检测任务以获取上述待检测电池对应的检测结果，其中，上述检测结果包括分割出的电池区域、分类出的缺陷类别和检测出的缺陷位置。
[0011]可选的，上述目标检测模型根据如下步骤进行训练：将训练数据中的区域分割任务训练数据、缺陷分类任务训练数据和缺陷检测任务训练数据输入上述目标检测模型，通过上述目标检测模型执行区域分割任务、缺陷分类任务和缺陷检测任务并获得对应的训练检测结果数据，其中，上述训练检测结果数据包括检测电池区域、检测缺陷类别和检测缺陷位置，上述训练数据包括多组模型训练数据组，每一组上述模型训练数据组包括区域分割任务训练数据、缺陷分类任务训练数据、缺陷检测任务训练数据和标注数据，上述标注数据包括标注电池区域、标注缺陷类别和标注缺陷位置；
根据上述训练检测结果数据和对应的上述标注数据对上述目标检测模型的参数进行调整，并继续执行上述将训练数据中的区域分割任务训练数据、缺陷分类任务训练数据和缺陷检测任务训练数据输入上述目标检测模型的步骤，直至满足预设训练条件，以得到已训练的目标检测模型。
[0012]可选的，上述已训练的目标检测模型是基于多任务学习机制训练获得的，在基于多任务学习机制对上述目标检测模型进行训练时，为不同任务分别设置损失函数权重参数。
[0013]本专利技术第二方面提供一种基于电池表面图像的缺陷检测系统，其中，上述基于电池表面图像的缺陷检测系统包括：表面图像处理模块，用于获取待检测电池的表面图像，通过预设的卷积神经网络模型对上述表面图像进行特征提取获得多尺度特征图集合，其中，上述多尺度特征图集合中包括多个不同分辨率的特征图；特征图处理模块，用于将上述多尺度特征图集合中分辨率最低的特征图进行不同倍数的上采样以获得上采样特征图集合，将上述上采样特征图集合中的各图像分别与上述多尺度特征图集合中一个对应的特征图进行拼接融合，获得多尺度目标特征图集合，其中，上述多尺度目标特征图集合中包括拼接融合后的多个不同分辨率的目标特征图；检测模块，用于根据上述多尺度目标特征图集合，通过已训练的目标检测模型对上述待检测电池进行区域分割、缺陷分类和缺陷检测以获得检测结果。
[0014]本专利技术第三方面提供一种智能终本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电池表面图像的缺陷检测方法，其特征在于，所述方法包括：获取待检测电池的表面图像，通过预设的卷积神经网络模型对所述表面图像进行特征提取获得多尺度特征图集合，其中，所述多尺度特征图集合中包括多个不同分辨率的特征图；将所述多尺度特征图集合中分辨率最低的特征图进行不同倍数的上采样以获得上采样特征图集合，将所述上采样特征图集合中的各图像分别与所述多尺度特征图集合中一个对应的特征图进行拼接融合，获得多尺度目标特征图集合，其中，所述多尺度目标特征图集合中包括拼接融合后的多个不同分辨率的目标特征图；根据所述多尺度目标特征图集合，通过已训练的目标检测模型对所述待检测电池进行区域分割、缺陷分类和缺陷检测以获得检测结果。2.根据权利要求1所述的基于电池表面图像的缺陷检测方法，其特征在于，所述预设的卷积神经网络模型是预先设置的结合特征金字塔网络的主干特征提取网络模型。3.根据权利要求2所述的基于电池表面图像的缺陷检测方法，其特征在于，所述获取待检测电池的表面图像，通过预设的卷积神经网络模型对所述表面图像进行特征提取获得多尺度特征图集合，包括：通过预先设置的相机对所述待检测电池进行图像采集获得所述待检测电池的表面图像；将所述表面图像作为所述主干特征提取网络模型的输入，通过所述主干特征提取网络模型中的特征金字塔网络获取所述多尺度特征图集合，其中，所述多尺度特征图集合中包括分辨率依次降低的第一尺度特征图、第二尺度特征图、第三尺度特征图和第四尺度特征图。4.根据权利要求3所述的基于电池表面图像的缺陷检测方法，其特征在于，所述上采样特征图集合中包括分辨率依次降低的第一上采样特征图、第二上采样特征图、第三上采样特征图和第四上采样特征图，所述多尺度目标特征图集合中包括分辨率依次降低的第一尺度目标特征图、第二尺度目标特征图、第三尺度目标特征图和第四尺度目标特征图，所述将所述多尺度特征图集合中分辨率最低的特征图进行不同倍数的上采样以获得上采样特征图集合，将所述上采样特征图集合中的各图像分别与所述多尺度特征图集合中一个对应的特征图进行拼接融合，获得多尺度目标特征图集合，包括：根据所述第四尺度特征图与所述第一尺度特征图的分辨率区别倍数对所述第四尺度特征图进行上采样获得第一上采样特征图，将所述第一上采样特征图与所述第一尺度特征图进行拼接融合获得所述第一尺度目标特征图；根据所述第四尺度特征图与所述第二尺度特征图的分辨率区别倍数对所述第四尺度特征图进行上采样获得第二上采样特征图，将所述第二上采样特征图与所述第二尺度特征图进行拼接融合获得所述第二尺度目标特征图；根据所述第四尺度特征图与所述第三尺度特征图的分辨率区别倍数对所述第四尺度特征图进行上采样获得第三上采样特征图，将所述第三上采样特征图与所述第三尺度特征图进行拼接融合获得所述第三尺度目标特征图；对所述第四尺度特征图进行1倍上采样获得第四上采样特征图，将所述第四上采样特征图与所述第四尺度特征图进行拼接融合获得所述第四尺度目标特征图。
5.根据权利要求4所述的基于电池表面图像的缺陷检测方法，其特征在于，所述根据所述多尺度目标特征图集合，通过已训练的目标检测模型对所述待检测电池进行区域分割、缺陷分类和缺陷检测以获得检测结果，包括：根据所述多尺度目标特征图集合分别获取区域分割任务输入数据、缺陷分类任务输入数据和缺陷检测...

【专利技术属性】
技术研发人员：郭媛君，江俊杰，吴承科，杨之乐，胡天宇，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：