10.3969/j.issn.1009-0134.2023.10.011
基于图像处理与卷积神经网络的锂电池极片缺陷检测与分类
针对锂电池生产过程中极片缺陷检测存在精度差、速度慢的问题,提出了一种基于图像处理和卷积神经网络(Convolutional Neural Networks,CNN)的缺陷检测与分类方法.首先,利用双边滤波、灰度变换、阈值分割、形态学处理、Canny检测和最小外接矩形提取等方法,分别实现图像去噪、对比度增强、图像分割、区域填充、边缘检测和缺陷轮廓标定;然后,对极片的裂纹、破损、黑斑和压孔四种缺陷图像进行变换,扩充数据集,搭建卷积神经网络模型;最后,将标定轮廓区域延展图像输入到搭建的模型,确定缺陷类型.结果表明,该方法对锂电池极片缺陷的检测与分类具有较高的准确率,能够实现对锂电池极片缺陷的自动化检测.
锂电池极片、缺陷检测、识别分类、CNN
45
TP391.4(计算技术、计算机技术)
湖南省教育厅重点项目15A160
2023-11-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
50-54