应用卷积神经网络的锂电池极片涂布缺陷分类

摘要：

目的 针对锂电池极片涂布缺陷种类多,传统方法分类检测精度不高,以及人工依赖性强等问题,提出一种基于卷积神经网络的锂电池极片涂布缺陷自动分类算法.方法 首先对网络结构以及模型参数进行优化,接着在网络中加入跳跃连接结构,将空洞卷积提取到的多尺度特征与高层特征进行融合以获取更多缺陷特征,并采用LeakyReLU(Leaky Rectified Linear Unit)激活函数保留图像中的负值特征信息,最后通过构建的数据集训练模型,实现锂电池极片涂布缺陷的准确分类.结果 实验结果表明,当前方法识别准确率能够达到99.34％,平均检测时间为51 ms.结论 改进后的方法能够准确分类出锂电池极片18种涂布缺陷,满足工业生产中实时分类检测的要求.

关键词：卷积神经网络、锂电池、涂布缺陷检测、图像分类

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：北京市自然科学基金KZ202010015021

在线出版日期：2022-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：231-238