基于光度立体和深度学习的电池缺陷检测方法

苏育挺; 景梦瑶; 井佩光; 刘先燚

doi:10.13229/j.cnki.jdxbgxb.20230130

吉林大学学报(工学版) ›› 2024, Vol. 54 ›› Issue (12) : 3653 -3659. DOI: 10.13229/j.cnki.jdxbgxb.20230130

基于光度立体和深度学习的电池缺陷检测方法

苏育挺, 景梦瑶, 井佩光, 刘先燚

作者信息 +

Author information +

文章历史 +

摘要

针对电池缺陷检测易受黑色外观干扰，导致仅通过一张单光源下观测图像的局限视觉，无法实现缺陷的有效识别的问题，提出了一种端到端的光度立体视觉缺陷检测模型。首先，利用光度立体特征生成模块生成法线特征，获取物体表面细节信息；然后，采用通道协同注意力机制，探讨特征信道间的相互关系，充分挖掘特征间的关联以自适应地增强全局表示，进一步提升信息表达能力；最后，利用特征金字塔和空间金字塔池化实现多尺度预测，提升分类准确率。在自建Battery 101数据集上的实验结果表明：与其他算法相比，本文算法在检测精度和推理速度上都取得较好效果。此外，消融实验也进一步验证了模型中各个模块的有效性。