[发明专利]新能源动力电池安全防爆阀激光焊接表面缺陷检测方法

权利要求书

1.一种新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，其特征在于，包括以下步骤：

S100采用检测算法模型部署在焊接平台的缺陷检测设备中；

S200采集新能源动力电池安全防爆阀激光焊接表面的实时图像；

S300将实时图像输入检测算法模型，实现缺陷检测，并标记出缺陷的位置信息、几何信息及类别信息；

所述检测算法模型通过以下步骤得到：

S110构建检测算法初步模型，引入多个优化的空间金字塔池化层和跨层连接融合层进行网络的优化；

S120将优化后的检测算法初步模型在数据集中进行模型训练，将训练好的模型参数保存下来；

S130通过通道剪枝技术对训练后的检测算法初步模型进行塑形，得到检测算法模型；

在S200步骤中，采集实时图像时，若环境亮度低于亮度阈值则进行照明补偿；对采集的实时图像进行如下处理：

首先，对实时图像预处理以消除噪音干扰；

其次，对预处理后的实时图像进行多层小波分解，得到各个频率段的小波系数；其中，小波分解采用三层分解，具体过程为：对预处理后的实时图像，分别在水平和垂直方向上进行滤波，得到四个频率子带为：水平与垂直方向上的低频子带、水平向低频与垂直向高频组成的子带、水平向高频与垂直向低频组成的子带和水平向与垂直向高频子带，对低频子带再进行分解可以得到频率更低的四个次频率子带，接着再对单个次频率子带分解为四个二阶次频率子带；

再次，将各个频率段的小波系数与系数阈值进行对比，若小波系数大于系数阈值，则对相应频率段的小波系数进行增强处理；

最后，对处理之后的小波系数进行小波重构，得到增强后的实时图像。

2.根据权利要求1所述的新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，其特征在于，在S110步骤中，所述检测算法初步模型采用YOLOv3模型。

3.根据权利要求1所述的新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，其特征在于，在S120步骤中，所述数据集包括训练集、验证集和测试集，获得方式如下：

通过工业相机采集涵盖所有焊接缺陷类别的缺陷样本图像，再将缺陷样本图像按比例随机分为训练集、验证集和测试集。

4.根据权利要求3所述的新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，其特征在于，在S120步骤中，所述缺陷样本图像不少于一万张，所述训练集、验证集和测试集的缺陷样本图像数据比例为8：1：1。

5.根据权利要求1所述的新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，其特征在于，在S120步骤中，进行模型训练时，在每轮结束后都将检测模型的各项性能，在训练过程中实时监测，至检测准确率达到目标值，保存训练好的模型参数。

6.根据权利要求1所述的新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，其特征在于，在S130步骤中，通过通道剪枝技术对训练后的检测算法初步模型进行塑形的方式如下：

S131进行通道稀疏训练，并为每个通道分配一个比例因子来表示通道的重要性；

S132根据剪枝比率确定标准比例因子，标记并删除重要性比例因子低于标准比例因子的通道，实现模型压缩。

7.根据权利要求1所述的新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，其特征在于，在S300步骤中，标记出缺陷的位置信息的方式如下：

首先，建立定位坐标系，选定实时图像的一个角作为定位坐标系的原点，以像素作为坐标单位；

其次，标记实时图像中每一个点的像素坐标值；

最后，根据检测算法模型识别出的缺陷在实时图像中的位置，输出缺陷位置的像素坐标值。

8.根据权利要求1所述的新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，其特征在于，在S120步骤中，对数据集中的缺陷样本图像进行了标记，标记信息包括缺陷的几何信息和类别信息。

9.根据权利要求1-8中任意一项所述的新能源动力电池安全防爆阀激光焊接表面缺陷检测方法，其特征在于，还对实时图像进行如下处理：

对所述实时图像进行傅立叶变换，得到所述新能源动力电池安全防爆阀激光焊接的表面频谱图；

将所述表面频谱图与预先存储的标准频谱图相减，以得到缺陷频谱图，其中，标准频谱图为表面无缺陷的新能源动力电池安全防爆阀激光焊接的表面频谱图；

对所述缺陷频谱图进行傅立叶逆变换，以得到缺陷图像；

将缺陷图像与预先标记了缺陷的几何信息和类别信息的缺陷图像库中的缺陷图像进行相似度对比，以缺陷图像库中相似度最大的缺陷图像的几何信息和类别信息标记作为验证信息；

采用验证信息对在S300步骤中得到的几何信息和类别信息进行验证，与验证信息相同则表示验证通过；若与验证信息不同则表示验证不通过，重新采集新能源动力电池安全防爆阀激光焊接的实时图像，并进行缺陷检测。