[发明专利]电池表面缺陷和粘合剂检测方法、装置、介质和电子设备

权利要求书

1.一种电池表面缺陷和粘合剂检测方法，其特征在于，包括：

获取待检测的电池表面图像；

建立并训练深度学习网络，获得电池表面缺陷和粘合剂检测模型；所述电池表面缺陷和粘合剂检测模型包括分割网络和分类网络；所述分割网络包括卷积网络以及残差挤压和激励网络；

将所述电池表面图像输入至所述卷积网络以及所述残差挤压和激励网络进行分割，得到电池表面缺陷图像和粘合剂图像；

将所述电池表面缺陷图像和粘合剂图像输入至所述分类网络进行分类，得到电池表面缺陷和粘合剂检测得分。

2.根据权利要求1所述的电池表面缺陷和粘合剂检测方法，其特征在于，

所述卷积网络包括第一卷积网络、第二卷积网络以及第三卷积网络；

所述残差挤压和激励网络包括第一残差挤压和激励网络和第二残差挤压和激励网络；

所述将所述电池表面图像输入至所述卷积网络以及残差挤压和激励网络进行分割，得到电池表面缺陷图像和粘合剂图像的步骤，包括：

将所述电池表面图像输入至所述第一卷积网络进行特征提取，得到第一特征图；

将所述第一特征图输入至所述第一残差挤压和激励网络进行全局平均池化、通道建模和融合处理，得到第二特征图；

将所述第二特征图输入至所述第二卷积网络进行特征提取，得到第三特征图；

将所述第三特征图输入至所述第二残差挤压和激励网络进行全局平均池化、通道建模和融合处理，得到第四特征图；

将所述第四特征图输入至所述第三卷积网络，得到电池表面缺陷图像和粘合剂图像。

3.根据权利要求2所述的电池表面缺陷和粘合剂检测方法，其特征在于，所述将所述第一特征图输入至所述第一残差挤压和激励网络进行全局平均池化、通道建模和融合处理，得到第二特征图的步骤包括：

将所述第一特征图输入至所述第一残差挤压和激励网络进行全局平均池化，得到所述第一特征图的挤压信息；其中，所述全局平均池化公式为：

其中，为输入的所述第一特征图，H、W和C分别代表所述第一特征图的高度、宽度和通道维度，s_c表示每个通道中所述第一特征图的挤压信息；

将所述挤压信息进行通道建模，得到所述第一特征图的激励值；其中，所述通道建模公式为：

E_c＝Sigmoid(k₂×ReLU(k₁×S))

其中k₁和k₂是所述第一残差挤压和激励网络中两个全连接层的参数矩阵，ReLU和Sigmoid是激活函数，E_c是所述第一特征图的激励值；

将所述激励值与所述第一特征图相乘，并与所述第一特征图相加融合，得到所述第二特征图；其中，所述融合公式为：

其中，为输出的所述第二特征图。

4.根据权利要求2所述的电池表面缺陷和粘合剂检测方法，其特征在于，

所述第三卷积网络包括依次连接的第一卷积层、第二卷积层和第三卷积层；

所述分类网络包括卷积层、全局最大池化层和全局平均池化层、以及全连接层；

所述将所述电池表面缺陷图像和粘合剂图像输入至所述分类网络，得到电池表面缺陷和粘合剂检测得分的步骤，包括：

将所述第四特征图输入至所述第一卷积层和所述第二卷积层进行特征提取，得到第五特征图；

将所述第五特征图输入至所述分类网络的卷积层进行特征提取，得到第六特征图；

将所述第六特征图和所述电池表面缺陷图像和粘合剂图像输入至所述分类网路的全局最大池化层和全局平均池化层进行特征提取，得到最大池化结果和平均池化结果；

将所述最大池化结果和所述平均池化结果拼接，并输入到所述分类网络的全连接层，得到输出结果；

将所述输出结果经过sigmoid激活函数，得到电池表面缺陷和粘合剂检测得分。