龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨理工大学
摘要：本发明公开了一种基于迁移学习MCS‑YOLOv3的锂电池极片表面缺陷检测方法，属于工业缺陷检测领域。本发明解决了锂电池极片表面小目标缺陷的检测效果定位精度低、容易出现漏检、误检的问题。首先，在图像预处理阶段，使用Mosaic进行数据增强，随机组合并增加缺陷样本的数量，提高网络对缺陷识别的学习能力和检测能力，使得网络面对复杂环境有更好的鲁棒性；其次，在检测模型的训练阶段，引入了迁移学习的方法，缓解了网络在进行少样本数据训练时，训练波动大和收敛时间久的问题；再其次，在网络中引入混合注意力模块CBAM，提升了网络对小目标的特征提取能力，尤其更加关注缺陷区域；最后，用SIoU损失函数代替YOLOv3原始的IoU损失函数，增强检测精度的同时模型收敛速度也有所提升。本发明应用于锂电池极片表面缺陷的精确检测。
主权项：1.一种基于迁移学习MCS-YOLOv3的锂电池极片表面缺陷检测方法，其特征在于，包含以下步骤：步骤1:随机选取同一标本的10000个锂电池极片表面缺陷数据，制作数据集；步骤2:将制作好的数据集进行数据划分，划分为训练图像集、验证图像集和测试图像集；步骤3:对训练图像集中的锂电池极片表面缺陷图像进行预处理；步骤4:构建基于迁移学习MCS-YOLOv3的锂电池极片表面缺陷检测模型；步骤5:利用训练图像集对锂电池极片表面缺陷检测模型进行训练；步骤6:利用训练好的锂电池极片表面缺陷检测模型对测试图像集进行检测，最终获得检测结果。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于迁移学习MCS-YOLOv3的锂电池极片表面缺陷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号