[发明专利]电芯极组极片模糊图像识别的算法

说明书

本发明提供了一种电芯极组极片模糊图像识别的算法，用于处理在电芯极组的极片检测成像中获取的图像数据。该算法包括：确定电芯极组的成像模糊的标准，并建立成像模糊的图像样本集；对图像数据进行处理，制作数据集；以图像样本集作为训练集，基于卷积神经网络对数据集进行计算处理，以分拣成像模糊和正常的电芯极组。本发明的电芯极组极片模糊图像识别的算法，通过预先设定电芯极组成像模糊的标准，并建立模糊图像的样本集，利用卷积神经网络模型分拣出成型模糊的电芯极组，以便于通过人工二次判定极片的对齐度是否合规，从而可改善电芯极组检测中因极片角部成像模糊造成的极片对齐度检测计算准确性不足的情况。

技术领域

本发明涉及电芯检测技术领域，特别涉及一种电芯极组极片模糊图像识别的算法。

背景技术

随着社会经济的发展，以及人们生活水平的提高，人们的环保意识也随之提升。出于降低车辆使用传统能源对环境污染的考虑，以锂离子电池作为动力的电动汽车已开始被广泛使用。

电动汽车的动力电池组由单个电池组成，单个电池又由若干电芯极组组成，每个电池的电芯极组在生产过程时，一般都需要进行叠片工艺。在叠片工艺过程中，需要检测电芯极组中各极片状态是否符合工艺标准，若不达规格要求，需要检出、并报废处理。

目前，进行电芯极片翻折检测多先采用X-ray射线，通过对电芯极组的四角以平行于极片平面的方向照射成像，以呈现电芯中各极片角部的排布或翻折情况，再通过图像分析极片图像特征，以判定是否符合工艺标准。

但是，因为极组来料时，极组内各极片无法保证与成像设备(CCD)始终垂直，若出现倾斜角度过大，则倾斜部分的投影会交错模糊不清，这种成像状态下，原有的对齐度算法无法准确取点计算，因此，电芯极片的对齐度计算可靠性不足，使极组质量无法得到有效管控。

发明内容

有鉴于此，本发明旨在提出一种电芯极组极片模糊图像识别的算法，以改善电芯极组检测中因极片角部成像模糊造成的极片对齐度检测计算准确性不足的情况。

为达到上述目的，本发明的技术方案是这样实现的：

一种电芯极组极片模糊图像识别的算法，用于处理在电芯极组的极片检测成像中获取的图像数据；该算法包括：

确定所述电芯极组的成像模糊的标准，并建立成像模糊的图像样本集；对所述图像数据进行处理，制作数据集；以所述图像样本集作为训练集，基于卷积神经网络对所述数据集进行计算处理，以分拣成像模糊和正常的所述电芯极组。

进一步的，所述图像数据通过X-ray光+CCD+图像增强器的方案对电芯极组四个角部分别进行成像而获得。

进一步的，对所述图像数据的处理包括顺次设置的筛选、标注和切图环节；所述筛选环节中，剔除无效图像，并通过图像旋转以使图像的方向一致；所述标注环节中，标注出图像中所述极片极片端部的有效区域；所述切图环节中，对原图像进行分割，以获取有效区域的图像，并生成所述数据集。

进一步的，所述标注环节中，采用LabelImg图像标注工具。

进一步的，所述卷积神经网络采用VGG16网络模型，并使用pytorch框架进行网络搭建。

进一步的，所述VGG16网络模型仅只使用VGG16的13层卷积层。

进一步的，所述VGG16网络模型的分类器设置为nn.Linear(512*7*7,256)和nn.Linear(256,2)两个全连接层。

进一步的，所述卷积神经网络设置有模型训练和调参环节；所述卷积神经网络基于训练集、所述数据集构成的测试集、以及生成的验证集进行训练，构造优化器，并根据计算得到的梯度来更新参数。