-
题名基于X-Ray图像的锂电池电极检测方法
被引量：3
- 1
-
-
作者
郑涵今
薛健
吕科
魏润辰
侯利萍
张孝平
-
机构
中国科学院大学工程科学学院
三峡大学计算机与信息学院
深圳大成精密设备股份有限公司
-
出处
《无线电通信技术》
2023年第3期532-540,共9页
-
基金
北京市教委科技重大项目(2019022)
北京市自然科学基金面上项目(4212011)。
-
文摘
针对锂电池X-Ray图像中电极排布密集且模糊导致工业生产中难以高效检测的问题,提出了一种锂电池电极位置检测的方法。首先通过调整YOLOv5的骨干网络来增强模型对于目标特征的提取能力;其次,针对目标排布密集且像素占比较小的问题,增加目标检测层来提升模型对于小目标的检测性能;同时由于图像中的阴阳极特征较弱,引入注意力机制来进一步加强网络的特征提取能力;最后选取CIoU损失函数来提高定位精度。实验结果表明,提出的方法与主流目标检测方法YOLOv3、YOLOv4、RetinaNet、YOLOv5、TPH-YOLOv5相比,在性能上具有优势,与原始YOLOv5算法相比,mAP提高了约15.2%。提出的方法可以有效改善锂电池电极位置检测的准确性,有助于提高工业生产中锂电池缺陷检测的效率。
-
关键词
锂电池电极检测
深度学习
目标检测
特征提取
YOLOv5
-
Keywords
lithium battery electrode detection
deep learning
target detection
feature extraction
YOLOv5
-
分类号
TN919.8
[电子电信—通信与信息系统]
-
