一种蓄电池缺陷检测方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开了一种蓄电池缺陷检测方法、装置、存储介质及电子设备，获取第一特征提取网络和训练用的至少一个蓄电池图像数据集；利用多尺度路径聚合结构对第一特征提取网络进行改进，得到第二特征提取网络；利用自适应特征池化结构构建目标检测网络；基于第二特征提取网络确定目标检测网络和预设三维重建网络；将蓄电池图像数据集通过预设三维重建网络进行处理，生成蓄电池缺陷检测模型；利用蓄电池缺陷检测模型对待检测的蓄电池图像数据集进行检测，得到蓄电池缺陷检测结果。利用目标检测网络和预设三维重建网络，同时实现了三维重建和二维图像的缺陷目标检测。和二维图像的缺陷目标检测。和二维图像的缺陷目标检测。

【技术实现步骤摘要】
一种蓄电池缺陷检测方法、装置、存储介质及电子设备


[0001]本专利技术涉及机器视觉缺陷检测
，具体涉及一种蓄电池缺陷检测方法、装置、存储介质及电子设备。

技术介绍

[0002]配电房蓄电池组作为发输变配等电力系统中的主要电力设备，是电力设备运维检修的主要巡检对象，人工巡检任务繁重，检修误差较大。随着智能装备和计算机视觉技术的发展，智能巡检系统成为升压站及其他电站中的主要巡检手段。配电房蓄电池的巡检中，缺陷主要包括蓄电池鼓包、变形、漏液、连接片松动腐蚀等情况。蓄电池的鼓包、变形主要是由于长期充放电，导则蓄电池板栅变形、活性物质膨胀所致。蓄电池的鼓包变形在视觉上属于为三维空间上的缺陷类型，而漏液和连接片锈蚀在视觉上属于二维图像缺陷检测类型，而现有的蓄电池缺陷检测方法难以同时准确检测设备的鼓包、变形和漏液、锈蚀等缺陷。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供了涉及一种蓄电池缺陷检测方法、装置、存储介质及电子设备，以解决现有技术中蓄电池缺陷检测方法难以同时准确检测设备的鼓包、变形和漏液、锈蚀等缺陷的技术问题。
[0004]本专利技术提出的技术方案如下：
[0005]第一方面，本专利技术实施例提供一种蓄电池缺陷检测方法，该蓄电池缺陷检测方法包括：获取第一特征提取网络和训练用的至少一个蓄电池图像数据集；利用多尺度路径聚合结构对所述第一特征提取网络进行改进，得到第二特征提取网络；利用自适应特征池化结构构建目标检测网络；基于所述第二特征提取网络确定所述目标检测网络和预设三维重建网络；将所述蓄电池图像数据集通过所述目标检测网络和所述预设三维重建网络进行处理，生成蓄电池缺陷检测模型；利用所述蓄电池缺陷检测模型对待检测的所述蓄电池图像数据集进行检测，得到蓄电池缺陷检测结果。
[0006]结合第一方面，在第一方面的一种可能的实现方式中，将所述蓄电池图像数据集通过所述目标检测网络和所述预设三维重建网络进行处理，生成蓄电池缺陷检测模型，包括：将所述蓄电池图像数据集通过所述预设三维重建网络进行处理，得到第一深度图；确定所述第一深度图的尺度值；获取所述尺度值对应的第二深度图；基于所述第一深度图和所述第二深度图构建损失函数；利用所述损失函数对所述蓄电池图像数据集进行训练，生成所述蓄电池缺陷检测模型。
[0007]结合第一方面，在第一方面的另一种可能的实现方式中，所述蓄电池图像数据集包括蓄电池参考深度图像、至少一张蓄电池源图像和所述蓄电池对应的相机的位姿信息；将蓄电池图像数据集通过所述预设三维重建网络进行处理，得到第一深度图，包括：基于所述蓄电池参考深度图像和所述至少一张蓄电池源图像，经过所述第二特征提取网络，得到至少一张所述蓄电池源图像的特征信息；基于至少一个所述蓄电池源图像的特征信息和所
述位姿信息，经过单应性变换和正则网络处理，得到所述第一深度图。
[0008]结合第一方面，在第一方面的又一种可能的实现方式中，将所述蓄电池图像数据集通过所述目标检测网络和所述预设三维重建网络进行处理，得到第一深度图之后，所述方法还包括：基于多尺度光度一致性，对所述第一深度图进行处理，得到三维点云图，所述三维点云图反映所述蓄电池表面每个点的深度信息。
[0009]结合第一方面，在第一方面的又一种可能的实现方式中，所述检测网络用于对蓄电池进行漏液缺陷检测和锈蚀缺陷检测。
[0010]结合第一方面，在第一方面的又一种可能的实现方式中，利用所述蓄电池缺陷检测模型对待检测的所述蓄电池图像数据集进行检测，得到蓄电池缺陷检测结果，包括：将待检测的所述蓄电池图像数据集输入所述蓄电池缺陷检测模型，得到待检测蓄电池的漏液缺陷检测结果和锈蚀缺陷检测结果。
[0011]结合第一方面，在第一方面的又一种可能的实现方式中，利用所述蓄电池缺陷检测模型对待检测的所述蓄电池图像数据集进行检测，得到蓄电池缺陷检测结果，还包括：将待检测的所述蓄电池图像数据集输入所述蓄电池缺陷检测模型，得到所述待检测蓄电池表面每个点的深度信息；基于所述深度信息计算所述待检测蓄电池的表面凹凸度和凹凸区域面积；基于所述表面凹凸度和所述凹凸区域面积确定所述待检测蓄电池的鼓包程度和变形程度。
[0012]第二方面，本专利技术实施例提供一种蓄电池缺陷检测装置，该蓄电池缺陷检测装置包括：第一获取模块，用于获取第一特征提取网络和训练用的至少一个蓄电池图像数据集；改进模块，用于利用多尺度路径聚合结构对所述第一特征提取网络进行改进，得到第二特征提取网络；构建模块，用于利用自适应特征池化结构构建目标检测网络；确定模块，用于基于所述第二特征提取网络确定所述目标检测网络和预设三维重建网络；生成模块，用于将所述蓄电池图像数据集通过所述目标检测网络和所述预设三维重建网络进行处理，生成蓄电池缺陷检测模型；检测模块，用于利用所述蓄电池缺陷检测模型对待检测的所述蓄电池图像数据集进行检测，得到蓄电池缺陷检测结果。
[0013]第三方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本专利技术实施例第一方面及第一方面任一项所述的蓄电池缺陷检测方法。
[0014]第四方面，本专利技术实施例提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本专利技术实施例第一方面及第一方面任一项所述的蓄电池缺陷检测方法。
[0015]本专利技术提供的技术方案，具有如下效果：
[0016]本专利技术实施例提供的蓄电池缺陷检测方法，在特征提取网络中增加多尺度路径聚合结构，提高了图像目标检测中定位的准确率；在目标检测网络中增加自适应特征池化结构，实现了蓄电池的漏液、锈蚀缺陷检测。因此，利用目标检测网络和特征提取网络训练得到的蓄电池缺陷检测模型，同时实现了三维重建和二维图像的缺陷目标检测。
附图说明
[0017]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是根据本专利技术实施例提供的一种蓄电池缺陷检测方法的流程图；
[0019]图2是根据本专利技术实施例提供的区域建议网络RPN的结构图；
[0020]图3是根据本专利技术实施例提供的基于改进CasMVSNet网络的结构图；
[0021]图4是根据本专利技术实施例提供的一种蓄电池缺陷检测装置的结构框图；
[0022]图5是根据本专利技术实施例提供的计算机可读存储介质的结构示意图；
[0023]图6是根据本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0024]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种蓄电池缺陷检测方法，其特征在于，所述方法包括：获取第一特征提取网络和训练用的至少一个蓄电池图像数据集；利用多尺度路径聚合结构对所述第一特征提取网络进行改进，得到第二特征提取网络；利用自适应特征池化结构构建目标检测网络；基于所述第二特征提取网络确定所述目标检测网络和预设三维重建网络；将所述蓄电池图像数据集通过所述目标检测网络和所述预设三维重建网络进行处理，生成蓄电池缺陷检测模型；利用所述蓄电池缺陷检测模型对待检测的所述蓄电池图像数据集进行检测，得到蓄电池缺陷检测结果。2.根据权利要求1所述的方法，其特征在于，将所述蓄电池图像数据集通过所述目标检测网络和所述预设三维重建网络进行处理，生成蓄电池缺陷检测模型，包括：将所述蓄电池图像数据集通过所述预设三维重建网络进行处理，得到第一深度图；确定所述第一深度图的尺度值；获取所述尺度值对应的第二深度图；基于所述第一深度图和所述第二深度图构建损失函数；利用所述损失函数对所述蓄电池图像数据集进行训练，生成所述蓄电池缺陷检测模型。3.根据权利要求2所述的方法，其特征在于，所述蓄电池图像数据集包括蓄电池参考深度图像、至少一张蓄电池源图像和所述蓄电池对应的相机的位姿信息；将蓄电池图像数据集通过所述预设三维重建网络进行处理，得到第一深度图，包括：基于所述蓄电池参考深度图像和所述至少一张蓄电池源图像，经过所述第二特征提取网络，得到至少一张所述蓄电池源图像的特征信息；基于至少一个所述蓄电池源图像的特征信息和所述位姿信息，经过单应性变换和正则网络处理，得到所述第一深度图。4.根据权利要求3所述的方法，其特征在于，将所述蓄电池图像数据集通过所述目标检测网络和所述预设三维重建网络进行处理，得到第一深度图之后，所述方法还包括：基于多尺度光度一致性，对所述第一深度图进行处理，得到三维点云图，所述三维点云图反映所述蓄电池表面每个点的深度信息。5.根据权利要求4所述的方法，其特征在于，所述检测网络用...

【专利技术属性】
技术研发人员：周登科，张亚平，汤鹏，史凯特，王罗，苏营，于傲，李哲，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：