基于深度学习语义分割的新能源电池焊接缺陷检测方法与流程

技术特征：
1.一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，其特征在于，包括以下步骤：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。2.根据权利要求1所述的基于深度学习语义分割的新能源电池焊接缺陷检测方法，其特征在于，在s300步骤中，所述语义分割模型通过以下方式构建：s310获取训练集、验证集和测试集，所述训练集、验证集和测试集由新能源电池焊接的合格样本图片和标注缺陷类型后的缺陷样本图片随机按比例分成得到；s320构建语义分割神经网络，并将训练集的缺陷样本图片输入语义分割神经网络进行数据训练，在每轮训练结束后，将验证集的缺陷样本图片输入语义分割神经网络进行验证，通过性能评判指标保存一组训练得到的最佳模型参数；s330将测试集的缺陷样本图片输入训练后的语义分割神经网络，输出分割结果；若结果与测试集的缺陷样本标注不相符则重新清洗出的合格样本图片和缺陷样本图片，进行缺陷样本图片的缺陷类型标注，分配训练集、验证集和测试集用于语义分割神经网络的数据训练；若结果与测试集的缺陷样本标注相符，即以该训练后的语义分割神经网络作为语义分割模型。3.根据权利要求2所述的基于深度学习语义分割的新能源电池焊接缺陷检测方法，其特征在于，在s310步骤中，所述合格样本图片和标注缺陷类型后的缺陷样本图片通过以下方式得到：s311根据缺陷产生的原因以及缺陷之间存在的差异，定义缺陷类型；s312采集新能源电池焊接的样本图片，从样本图片中清洗出的合格样本图片和缺陷样本图片，并对缺陷样本图片进行缺陷类型的人工标注。4.根据权利要求3所述的基于深度学习语义分割的新能源电池焊接缺陷检测方法，其特征在于，在s311步骤中，缺陷类型定义为焊洞缺陷、焊塌缺陷、焊高缺陷、缺焊缺陷、偏位缺陷和未焊缺陷这六种；在s312步骤中，采集新能源电池焊接的样本图片不少于四万张，清洗出的合格样本图片和缺陷样本图片分别不少于560张和4100张。5.根据权利要求3所述的基于深度学习语义分割的新能源电池焊接缺陷检测方法，其特征在于，在s312步骤中，对缺陷样本图片进行缺陷类型的人工标注使用labelme标注工具进行。6.根据权利要求2所述的基于深度学习语义分割的新能源电池焊接缺陷检测方法，其特征在于，在s310步骤中，所述训练集、验证集和测试集的缺陷样本图片比例为8：1：1。7.根据权利要求1所述的基于深度学习语义分割的新能源电池焊接缺陷检测方法，其特征在于，在s300步骤中，若焊接图片的缺陷判断为存在缺陷，则显示出缺陷所在的区域，并通过显示颜色代表缺陷类型。8.根据权利要求1所述的基于深度学习语义分割的新能源电池焊接缺陷检测方法，其特征在于，在s100步骤中，采集焊接图片时，若环境亮度低于亮度阈值则进行照明补偿；并对采集的焊接图片进行如下处理：
首先，对焊接图片进行多层小波分解，得到各个频率段的小波系数；其次，将各个频率段的小波系数与系数阈值进行对比，若小波系数大于系数阈值，则对相应频率段的小波系数进行增强处理；最后，对处理之后的小波系数进行小波重构，得到增强后的焊接图片。9.根据权利要求1所述的基于深度学习语义分割的新能源电池焊接缺陷检测方法，其特征在于，在s300步骤中，缺陷所在区域通过以下过程进行定位：首先，建立定位坐标系，选定焊接图片的一个角作为定位坐标系的原点，以像素作为坐标单位；其次，标记焊接图片中每一个点的像素坐标值；最后，根据语义分割模型判断的缺陷在焊接图片中的坐标，确定缺陷所在区域的像素坐标值范围。10.根据权利要求1所述的基于深度学习语义分割的新能源电池焊接缺陷检测方法，其特征在于，在s100步骤中，实时采集新能源电池焊接的多项焊接参数，所述焊接参数包括焊接环境参数和焊接控制参数；在s300步骤中，将缺陷判断结果与焊接参数进行关联并存储；按照设定周期对存储的缺陷判断结果及其关联的焊接参数进行数据分析，将焊接合格产品与有焊接缺陷产品各自所关联的焊接参数进行比对，通过预设算法计算各焊接参数对焊接质量的影响系数，根据影响系数排序得到各焊接参数对焊接质量的影响排序；从排序中选定对焊接质量影响排位在设定名次之前的焊接参数，再就焊接合格产品关联的对应焊接参数的正态分布情况，取正态分布中值作为对焊接质量影响排位在设定名次之前的对应焊接参数的最佳值；在焊接控制中，以对应焊接参数的最佳值作为新能源电池焊接的焊接参数控制值。

技术总结
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。该算法能够做到零漏检率。该算法能够做到零漏检率。


技术研发人员：杨亚涛 何雨青 张力 马君显 陶凯 杨顺情
受保护的技术使用者：深圳市大德激光技术有限公司
技术研发日：2021.07.30
技术公布日：2021/11/2