文档摘要：软包装锂离子电池表面凹坑缺陷对比度低、缺陷区域过小且存在反光,传统方法很难进行准确检测.提出一种基于图像增强和改进DeepLabV3网络的软包装锂离子电池表面凹坑缺陷检测方法.通过分析表面凹坑缺陷图像特征,采用图像增强算法对图像进行预处理,以增强凹坑缺陷对比度.对DeepLabV3网络进行改进,使用ResNet101作为特征提取网络,同时引入位置注意力模块,使得模型更加关注于凹坑缺陷相关特征,提升网络的检测精度.改进后的网络在自制数据集上的平均交并比达到85.98%,缺陷检测准确率达到98.33%.
Abstract：ThetraditionalmethodisdifficulttoaccuratelydetectthesurfacepitdefectsofpouchLi-ionbatteryduetotheirlowcontrast,smalldefectareaandreflection.AmethodfordetectingthepitdefectonthesurfaceofthepouchLi-ionbatterybasedonimageenhancementandimprovedDeepLabV3networkisproposed.Theimagefeaturesofpitdefectsonthesurfaceareanalyzed,theimageenhancementalgorithmisusedtopreprocesstheimagetoenhancethecontrastofpitdefects.TheDeepLabV3networkisimproved,ResNet101isusedasthefeatureextractionnetwork.Thepositionattentionmoduleisintroducedtomakethemodelpaymoreattentiontotherelatedfeaturesofpitdefectsandimprovethedetectionaccuracyofthenetwork.Themedianintersection-over-unionoftheimprovednetworkontheself-madedatasetreaches85.98%,theaccuracyofdefectdetectionreaches98.33%.
作者：何涛 张成娟 雷卓 王正家Author：HETao ZHANGChengjuan LEIZhuo WANGZhengjia
作者单位：湖北工业大学机械工程学院,湖北武汉430068;现代制造工程湖北省重点实验室,湖北武汉430068
刊名：电池 ISTICPKU
Journal：BatteryBimonthly
年，卷(期)：2024, 54(3)
分类号：TM912.9
关键词：图像增强 深度学习 DeepLabV3 缺陷检测 软包装锂离子电池 表面凹坑
Keywords：imageenhancement deeplearning DeepLabV3 defectdetection pouchLi-ionbattery surfacecrater
机标分类号：TP391.41P237TP753
在线出版日期：2024年7月17日
基金项目：国家自然科学基金软包装锂离子电池表面凹坑缺陷检测方法[
期刊论文] 电池--2024, 54(3)何涛 张成娟 雷卓 王正家软包装锂离子电池表面凹坑缺陷对比度低、缺陷区域过小且存在反光,传统方法很难进行准确检测.提出一种基于图像增强和改进DeepLabV3网络的软包装锂离子电池表面凹坑缺陷检测方法.通过分析表面凹坑缺陷图像特征,采用图像...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：图像增强,深度学习,DeepLabV3,缺陷检测,软包装锂离子电池,表面凹坑,
|
|
1
