(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210714547.2 (22)申请日 2022.06.23 (71)申请人 四川轻化工大 学 地址 643002 四川省自贡 市自流井区学 苑 街108号 (72)发明人 郭辉　邓思敬　杨玉萍　蒲维　 傅成华　刘杰　 (74)专利代理 机构 西安铭泽知识产权代理事务 所(普通合伙) 61223 专利代理师 韩晓娟 (51)Int.Cl. G06V 10/25(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/44(2022.01)G06V 10/762(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于YOLOv4的电池片缺陷检测方法和 系统 (57)摘要 本发明公开了一种基于YOLOv4的电池片缺 陷检测方法， 包括： 获取带有 缺陷的电池片图片， 在YOLOv4模型的CSPDarknet 53网络中， 加入密集 相连的三尺度主网络， 增加输入PANet网络的通 道， 对获得的每个预测特征层输入改进的三尺度 金字塔结构模型， 构建改进YOLOv4模型， 在 改进 的YOLOv4模型中输入有 缺陷的电池片图片， 得到 电池片缺陷检测结果。 该方法能够提高模型识别 电池片缺陷的精确度。 权利要求书2页 说明书10页 附图4页 CN 114943830 A 2022.08.26 CN 114943830 A 1.一种基于 YOLOv4的电池片缺陷检测方法， 其特 征在于， 包括： 获取带有缺陷的电池片图片； 在YOLOv4模型的CSPDarknet53网络中， 选取其中三个特征层作为改进的基础特征层， 将前一个特征层做卷积后， 与后一个特征层做卷积后得到的特征层连接， 输入PA Net网络的 通道， 得到多个预测特 征层； 将最后一个特征层做卷积后输出， 与其后一个特征层做卷积后得到的特征层连接， 增 加进入空间金字塔池化S PP的通道； 在三尺度金字塔结构模型底层， 对每个预测特征层输出的feature  map从不同的角度 进行特征提取， 对提取的特 征进行三尺度密集聚合， 构建改进的YOLOv4模型； 在改进的YOLOv4模型中输入有缺陷的电池片图片， 得到电池片缺陷检测结果。 2.如权利 要求1所述的一种基于YOLOv4的电池片缺陷检测方法， 其特征在于， 所述电池 片的缺陷包括： 短线型隐裂缺陷； 长线型缺陷； X型隐裂； 雾状发黑 缺陷； 黑点缺陷； 划痕缺陷。 3.如权利 要求2所述的一种基于YOLOv4的电池片缺陷检测方法， 其特征在于， 还包括对 缺陷电池片图片进行 标注， 其标注方式包括： 以电池片的缺陷为基础， 依据经验对缺陷进行的命名作为为标签， 对不同的缺陷进行 分类标注； 对短线型隐裂缺陷的标注与背景 特征结合， 框选一部分的黑色背景， 以区分划痕； 对剩余缺陷， 采取实际框 选标注。 4.如权利 要求1所述的一种基于YOLOv4的电池片缺陷检测方法， 其特征在于， 还包括采 用基于IOU的K ‑means聚类算法对 标注训的图像进行聚类， 基于IOU的K ‑means聚类算法对 标 注的图像进行聚类， 包括： 输入聚类 个数K； 初始化聚类中心； 根据公式D(box,centroid)＝1 ‑IOU(box,centroid)对先验框进行归类， 其中， box为真 实框， cent roid为聚类中心， IOU(box,cent roid)为真实框和预测框之间的平均交并比； 将标注框分配给最近的聚类中心； 重新计算 新的聚类中心； 算法收敛后结束算法。 5.如权利 要求1所述的一种基于YOLOv4的电池片缺陷检测方法， 其特征在于， 在所述改 进的YOLOv4模型中输入有缺陷的电池片图片前， 还包括对有缺陷的电池片图片进行预处 理， 其包括： 电池片图像增强； 电池片轮廓提取；权　利　要　求　书 1/2 页 2 CN 114943830 A 2电池片矫 正及裁剪。 6.一种基于 YOLOv4的电池片缺陷检测系统， 其特 征在于， 包括： 电池片视 觉检测模块， 用于获取 带有缺陷的电池片图片； 改进的YOLOv4模型构建模块， 包括： 预测特征层确定单元， 用于在YOLOv4模型的CSPDarknet53网络中， 选取其中三个特征 层作为改进的基础特征层， 将前一个特征层做卷积后， 与后一个特征层做卷积后得到的特 征层连接， 输入PANet网络的通道， 得到多个预测特 征层； 金字塔结构构建单元， 用于将最后一个特征层做卷积后输出， 与其后一个特征层做卷 积后得到的特 征层连接， 增 加进入空间金字塔池化S PP的通道； 模型确定单元， 用于在三尺度金字塔结构模型底层， 对每个预测特征层输出的feature   map从不同的角度进 行特征提取， 对提取的特征进 行三尺度密集聚合， 构建改进的YOLOv4模 型； 电池片缺陷检测模块， 用于在 改进的YOLOv4模型中输入有缺陷的电池片图片， 得到电 池片缺陷检测结果。权　利　要　求　书 2/2 页 3 CN 114943830 A 3