基于深度学习语义分割的新能源电池焊接缺陷检测方法

发明专利有效专利

申请号：
CN202110869191.5
IPC分类号：G06T7/00;G06N3/04;G06N3/08;G06K9/62
申请日期：
2021-07-30
申请人：
深圳大学;深圳市大德激光技术有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于深度学习语义分割的新能源电池焊接缺陷检测方法
申请号	CN202110869191.5	申请日期	2021-07-30
法律状态	公开	申报国家	中国
公开/公告日	2021-11-02	公开/公告号	CN113592813A
优先权	暂无	优先权号	暂无
主分类号	G06T7/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕	IPC分类号	G;0;6;T;7;/;0;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;K;9;/;6;2查看分类表>
申请人	深圳大学;深圳市大德激光技术有限公司	申请人地址	广东省深圳市南山区南海大道3688号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	深圳大学,深圳市大德激光技术有限公司	当前权利人	深圳大学,深圳市大德激光技术有限公司
发明人	杨亚涛;何雨青;张力;马君显;陶凯;杨顺情
代理机构	北京冠和权律师事务所	代理人	赵银萍

摘要

本发明提供了一种基于深度学习语义分割的新能源电池焊接缺陷检测方法，包括步骤：S100现场实时采集新能源电池焊接的焊接图片；S200对焊接图片进行预处理；S300将预处理后的焊接图片输入基于深度学习的语义分割模型中进行缺陷判断，输出缺陷判断结果。本发明提出的基于深度学习的语义分割网络的新能源电池焊接缺陷检测方法可以将生产现场采集来的图片数据经预处理后直接送入模型中进行判决而无需人工干预，相比较于传统人工筛选以及后来的基于机器视觉的缺陷检测方法，减少了大量人力，且其缺陷检测速率和精度都大大提高，性能更加优越，同时，该算法能够做到零漏检率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供