【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及圖像處理領(lǐng)域，以及電池檢測(cè)技術(shù)，具體而言，涉及一種電芯異常檢測(cè)方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備。
技術(shù)介紹
1、目前電池的電極與殼體之間會(huì)安裝焊接密封釘，封裝時(shí)會(huì)將密封釘焊接在殼體上，以形成密封結(jié)構(gòu)，從而防止漏液導(dǎo)致電池內(nèi)部短路。電芯在二次注液后需要對(duì)注液口進(jìn)行密封，并通過激光對(duì)密封釘進(jìn)行焊接。為保證密封釘焊接后的焊接質(zhì)量，需要通過視覺檢測(cè)對(duì)焊接過程中產(chǎn)生的焊接不良進(jìn)行檢測(cè)，包括炸點(diǎn)、缺焊、針孔、焊接軌跡有誤等。在相關(guān)技術(shù)中，主要依賴于人工目視檢查，或通過3d(3-dimensional，三維)線激光掃描對(duì)密封釘?shù)暮附淤|(zhì)量進(jìn)行檢測(cè)。然而，人工目視檢查效率低、易疲勞且主觀性強(qiáng)，而3d線激光掃描對(duì)密封釘?shù)暮附淤|(zhì)量通常在檢測(cè)過程中無法針對(duì)多角度的針孔實(shí)現(xiàn)有效拍攝，且會(huì)存在部分陰影，造成當(dāng)前檢測(cè)的誤判率較高，不能滿足生產(chǎn)使用，需人工進(jìn)行復(fù)判，增加了人力成本。
2、針對(duì)上述的問題，目前尚未提出有效的解決方案。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)實(shí)施例提供了一種電芯異常檢測(cè)方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備，以至少解決相關(guān)技術(shù)中存在電芯的焊接異常識(shí)別能力不理想的技術(shù)問題。
2、根據(jù)本申請(qǐng)實(shí)施例的一個(gè)方面，提供了一種電芯異常檢測(cè)方法，包括：對(duì)電芯進(jìn)行圖像采集，得到包括密封釘焊接位置的采集圖像；將所述采集圖像，輸入目標(biāo)模型進(jìn)行處理，得到用于標(biāo)識(shí)不同候選目標(biāo)的多個(gè)邊界框，其中，所述目標(biāo)模型為采用目標(biāo)訓(xùn)練集迭代得到的，所述目標(biāo)訓(xùn)練集為按照初始訓(xùn)練集中樣本的熵值進(jìn)行處理得到的，所述熵值
3、可選地，所述初始訓(xùn)練集中包括已標(biāo)注的第一樣本集，以及未標(biāo)注的第二樣本集，所述方法還包括：基于所述第一樣本集，采用初始模型進(jìn)行迭代處理；在完成對(duì)所述初始模型的每次迭代之后，采用當(dāng)前迭代的初始模型，確定對(duì)所述第二樣本集進(jìn)行預(yù)測(cè)，確定所述第二樣本集中每個(gè)樣本的熵值；基于所述第二樣本集中每個(gè)樣本的熵值，對(duì)所述初始訓(xùn)練集的更新處理，得到更新后的初始訓(xùn)練集；基于所述更新后的初始訓(xùn)練集，得到所述目標(biāo)訓(xùn)練集。通過這種方式，模型能夠不斷學(xué)習(xí)新的焊接異常特征，增強(qiáng)對(duì)復(fù)雜焊接場(chǎng)景的適應(yīng)能力，特別適用于電芯生產(chǎn)過程中，焊接異常類型可能隨時(shí)間變化的場(chǎng)景，確保了模型的長(zhǎng)期有效性。
4、可選地，所述基于所述第二樣本集中每個(gè)樣本的熵值，對(duì)所述初始訓(xùn)練集的更新處理，得到更新后的初始訓(xùn)練集，包括：依據(jù)所述每個(gè)樣本的熵值，確定所述每個(gè)樣本的置信度；在所述第二樣本集包括的樣本中，確定置信度最低的待定樣本；將所述待定樣本進(jìn)行預(yù)定方式的標(biāo)注，得到標(biāo)注樣本；將所述標(biāo)注樣本加入所述第一樣本集，作為對(duì)所述初始訓(xùn)練集的更新處理，得到更新后的初始訓(xùn)練集。能夠確保模型學(xué)習(xí)到的樣本具有代表性，避免了過擬合，提高了模型在不同焊接環(huán)境下的檢測(cè)精度，介意適應(yīng)噪點(diǎn)較多的焊接異常特征的場(chǎng)景。
5、可選地，所述將所述采集圖像，輸入目標(biāo)模型進(jìn)行處理，得到用于標(biāo)識(shí)不同候選目標(biāo)的多個(gè)邊界框，包括：基于所述采集圖像進(jìn)行特征提取，得到不同尺寸的多個(gè)特征圖；針對(duì)多個(gè)候選目標(biāo)中第一目標(biāo)，在所述多個(gè)特征圖上，分別生成標(biāo)識(shí)所述第一目標(biāo)的候選框；基于所述第一目標(biāo)的多個(gè)候選框，采用所述目標(biāo)模型進(jìn)行處理，確定用于標(biāo)識(shí)所述第一目標(biāo)的邊界框；采用確定所述第一目標(biāo)的邊界框的方式，確定所述多個(gè)邊界框。通過多尺度特征圖的使用，模型能夠更準(zhǔn)確地識(shí)別在圖像中占比較小的焊接異常，適用于電芯生產(chǎn)中，密封釘焊接異常可能呈現(xiàn)尺寸較小的情況，提高了檢測(cè)的準(zhǔn)確性。
6、可選地，所述目標(biāo)模型中至少包括注意力模塊，所述將所述采集圖像，輸入目標(biāo)模型進(jìn)行處理，得到用于標(biāo)識(shí)不同候選目標(biāo)的多個(gè)邊界框，包括：按照特征響應(yīng)通道的權(quán)重值，基于所述采集圖像進(jìn)行特征提取，得到不同尺寸的多個(gè)特征圖，其中，所述權(quán)重值是基于與所述密封釘?shù)暮附赢惓Ｌ卣鞯年P(guān)聯(lián)程度，由所述注意力模塊進(jìn)行配置得到的。通過上述處理能夠使模型更加關(guān)注于與焊接異常相關(guān)的關(guān)鍵特征，提高了檢測(cè)的針對(duì)性。
7、可選地，所述基于所述第一目標(biāo)的多個(gè)候選框，采用所述目標(biāo)模型進(jìn)行處理，確定用于標(biāo)識(shí)所述第一目標(biāo)的邊界框，包括：確定所述多個(gè)候選框分別對(duì)應(yīng)的置信度和重疊面積；基于所述多個(gè)候選框分別對(duì)應(yīng)的置信度和重疊面積，對(duì)所述多個(gè)候選框進(jìn)行整合，得到所述用于標(biāo)識(shí)所述第一目標(biāo)的邊界框。通過置信度和重疊面積的整合，模型能夠更準(zhǔn)確地確定焊接異常的位置，避免了誤檢和漏檢，適用于電芯生產(chǎn)中，需要高精度定位焊接異常位置的場(chǎng)景，為后續(xù)的修復(fù)和優(yōu)化提供了精確的數(shù)據(jù)支持。
8、可選地，所述方法還包括：基于所述密封釘?shù)念A(yù)定焊接異常類型，確定尺度因子；基于預(yù)定的真實(shí)框和預(yù)測(cè)框之間的交并比，所述尺度因子，水平方向的水平權(quán)重值，豎直方向的豎直權(quán)重值，確定邊界框損失；基于所述邊界框損失，對(duì)所述目標(biāo)模型進(jìn)行調(diào)整。通過引入尺度因子、計(jì)算邊界框損失并據(jù)此調(diào)整目標(biāo)模型，有效地提高了密封釘焊接異常檢測(cè)的準(zhǔn)確性和效率。
9、根據(jù)本申請(qǐng)實(shí)施例的另一方面，提供了一種電芯異常檢測(cè)裝置，包括：圖像采集模塊，用于對(duì)電芯進(jìn)行圖像采集，得到包括密封釘焊接位置的采集圖像；第一識(shí)別模塊，用于將所述采集圖像，輸入目標(biāo)模型進(jìn)行處理，得到用于標(biāo)識(shí)不同候選目標(biāo)的多個(gè)邊界框，其中，所述目標(biāo)模型為采用目標(biāo)訓(xùn)練集迭代得到的，所述目標(biāo)訓(xùn)練集為按照初始訓(xùn)練集中樣本的熵值進(jìn)行處理得到的，所述熵值用于表示所述樣本被識(shí)別的不確定程度；第二識(shí)別模塊，用于在所述多個(gè)邊界框中，確定尺寸滿足預(yù)定尺寸范圍的目標(biāo)框，其中，所述預(yù)定尺寸范圍為基于所述密封釘?shù)念A(yù)定焊接異常類型確定的，所述目標(biāo)框用于標(biāo)識(shí)所述目標(biāo)模型檢測(cè)到的焊接異常目標(biāo)；異常標(biāo)注模塊，用于在所述采集圖像上標(biāo)注所述目標(biāo)框，作為所述電芯的異常檢測(cè)結(jié)果。
10、根據(jù)本申請(qǐng)實(shí)施例的另一方面，提供了一種非易失性存儲(chǔ)介質(zhì)，所述非易失性存儲(chǔ)介質(zhì)存儲(chǔ)有多條指令，所述指令適于由處理器加載并執(zhí)行任意一項(xiàng)所述的電芯異常檢測(cè)方法。
11、根據(jù)本申請(qǐng)實(shí)施例的另一方面，提供了一種電子設(shè)備，包括：一個(gè)或多個(gè)處理器和存儲(chǔ)器，所述存儲(chǔ)器用于存儲(chǔ)一個(gè)或多個(gè)程序，其中，當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)任意一項(xiàng)所述的電芯異常檢測(cè)方法。
12、在本申請(qǐng)實(shí)施例中，通過對(duì)電芯進(jìn)行圖像采集，得到包括密封釘焊接位置的采集圖像；將所述采集圖像，輸入目標(biāo)模型進(jìn)行處理，得到用于標(biāo)識(shí)不同候選目標(biāo)的多個(gè)邊界框，其中，所述目標(biāo)模型為采用目標(biāo)訓(xùn)練集迭代得到的，所述目標(biāo)訓(xùn)練集為按照初始訓(xùn)練集中樣本的熵值進(jìn)行處理得到的，所述熵本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種電芯異常檢測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述初始訓(xùn)練集中包括已標(biāo)注的第一樣本集，以及未標(biāo)注的第二樣本集，所述方法還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述第二樣本集中每個(gè)樣本的熵值，對(duì)所述初始訓(xùn)練集的更新處理，得到更新后的初始訓(xùn)練集，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述采集圖像，輸入目標(biāo)模型進(jìn)行處理，得到用于標(biāo)識(shí)不同候選目標(biāo)的多個(gè)邊界框，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述目標(biāo)模型中至少包括注意力模塊，所述將所述采集圖像，輸入目標(biāo)模型進(jìn)行處理，得到用于標(biāo)識(shí)不同候選目標(biāo)的多個(gè)邊界框，包括：
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述第一目標(biāo)的多個(gè)候選框，
7.根據(jù)權(quán)利要求1至6中任意一項(xiàng)所述的方法，其特征在于，所述方法還包括：
8.一種電芯異常檢測(cè)裝置，其特征在于，包括：
9.一種非易失性存儲(chǔ)介質(zhì)，其特征在于，所述非易失性存儲(chǔ)介質(zhì)存儲(chǔ)有多條指令，所述指令適于由處理器
10.一種電子設(shè)備，其特征在于，包括：一個(gè)或多個(gè)處理器和存儲(chǔ)器，所述存儲(chǔ)器用于存儲(chǔ)一個(gè)或多個(gè)程序，其中，當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)權(quán)利要求1至7中任意一項(xiàng)所述的電芯異常檢測(cè)方法。
...【技術(shù)特征摘要】
1.一種電芯異常檢測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述初始訓(xùn)練集中包括已標(biāo)注的第一樣本集，以及未標(biāo)注的第二樣本集，所述方法還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述第二樣本集中每個(gè)樣本的熵值，對(duì)所述初始訓(xùn)練集的更新處理，得到更新后的初始訓(xùn)練集，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述采集圖像，輸入目標(biāo)模型進(jìn)行處理，得到用于標(biāo)識(shí)不同候選目標(biāo)的多個(gè)邊界框，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述目標(biāo)模型中至少包括注意力模塊，所述將所述采集圖像，輸入目標(biāo)模型進(jìn)行處理，得到用于標(biāo)識(shí)不同候選目標(biāo)的多個(gè)邊界框，包...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李興碩，張偉，
申請(qǐng)(專利權(quán))人：合肥國(guó)軒高科動(dòng)力能源有限公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。