(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 202210607956.2 (22)申请日 2022.05.31 (71)申请人 广东利元 亨智能装备股份有限公司 地址 516057 广东省惠州市惠城区马安 镇 新鹏路4号 (72)发明人 不公告发明人 　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 崔振 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 极片缺陷识别及 模型训练方法、 装置及电子 设备 (57)摘要 本申请提供了一种极片缺陷识别及模型训 练方法、 装置及电子设备， 包括： 将极片原始图像 输入到训练好的极片缺陷识别模 型中， 获得所述 极片缺陷识别模 型输出的识别结果， 所述识别结 果包括缺陷图像； 其中， 所述极片缺陷识别模型 包括区域子模 型和缺陷识别子模 型； 所述区域子 模型用于提取所述极片原始图像中的极片区域， 得到极片区域图像； 所述缺陷识别子模型用于对 所述极片区域图像进行缺陷提取， 得到缺陷图 像。 本申请实施例通过将极片原始图像输入到极 片缺陷识别模 型中， 通过模型实现对缺陷极片的 识别， 基于模 型处理图片的速度远大于常规的 图 像处理方法进行图片处理的速度， 提高了极片缺 陷识别的效率。 权利要求书2页 说明书10页 附图2页 CN 114897868 A 2022.08.12 CN 114897868 A 1.一种极片缺陷识别方法， 其特 征在于， 包括： 将极片原始图像输入到训练好的极片缺陷识别模型中， 获得所述极片缺陷识别模型输 出的识别结果， 所述识别结果包括 缺陷图像； 其中， 所述极片缺陷识别模型包括区域子模型和缺陷识别子模型； 所述区域子模型用 于提取所述极片原始图像中的极片区域， 得到极片区域图像； 所述缺陷识别子模型用于对 所述极片区域图像进行缺陷提取， 得到缺陷图像。 2.根据权利要求1所述的方法， 其特征在于， 所述获得所述极片缺陷识别模型输出的识 别结果之后， 所述方法还 包括： 提取所述缺陷图像中缺陷区域； 根据所述 缺陷区域的缺陷属性判断所述 缺陷图像对应的极片是否为 缺陷极片。 3.一种极片缺陷识别模型训练方法， 其特 征在于， 包括： 将多个标注有特征区域的极片原始图像输入预训练模型中进行预训练， 获得预训练好 的区域子模型； 利用所述预训练好的区域子模型对多个所述极片原始图像进行区域特征提取， 得到极 片区域图像； 将待识别图像输入待训练模型中进行训练， 获得训练好的极片缺陷识别子模型， 所述 待识别图像为所述极片区域图像进行缺陷标注后的图像。 4.根据权利要求3所述的方法， 其特征在于， 所述将多个带有待训练特征区域的极片原 始图像放入到预训练模型中进行 预训练， 获得 预训练好的区域子模型， 包括： 获取多个目标图像， 所述目标图像为对所述极片原始图像进行特征区域标注后得到 的； 将多个所述极片原始图像与多个所述目标图像输入到所述预训练模型中进行预训练， 获得预训练好的区域子模型； 其中， 所述预训练模型为Python模型在TensorFlow框架下构建深度学习网络后得到 的， 所述区域子模型用于提取 所述极片原 始图像中的极片区域。 5.根据权利要求 4所述的方法， 其特 征在于， 所述获取多个目标图像， 包括： 根据多个所述极片原始图像生成JSON文件， 所述JS ON文件包括多个所述极片原始图像 进行特征区域标注后得到的多个标注后的极片原 始图像； 对所述JSON文件进行解析后得到多个所述标注后的极片原 始图像； 将所述标注后的极片原 始图像进行二 值化处理， 得到二 值化图像； 通过OpenCV对所述 二值化图像进行处 理， 得到目标图像。 6.根据权利要求3所述的方法， 其特征在于， 所述利用所述预训练好的区域模型对多个 所述极片原 始图像进行区域特 征提取， 得到极片区域图像， 包括： 将多个所述极片原 始图像输入到区域子模型； 通过所述区域子模型对所述极片原 始图像进行区域特 征提取， 得到极片区域图像。 7.一种极片缺陷识别装置， 其特 征在于， 包括： 识别模块： 用于将极片原始图像输入到训练好的极片缺陷识别模型中， 获得所述极片 缺陷识别模型输出的识别结果， 所述识别结果包括区域图像和缺陷图像； 其中， 所述极片缺陷识别模型包括区域子模型和缺陷识别子模型； 所述区域子模型用权　利　要　求　书 1/2 页 2 CN 114897868 A 2于提取所述极片原始图像中的极片区域， 得到极片区域图像； 所述缺陷识别子模型用于对 所述极片区域图像进行缺陷提取， 得到缺陷图像。 8.一种极片缺陷识别模型训练装置， 其特 征在于， 包括： 预训练模块： 用于将多个带有待训练特征区域的极片原始图像放入到预训练模型中进 行预训练， 获得 预训练好的区域子模型； 提取模块： 用于利用所述预训练好的区域子模型对多个所述极片原始图像进行区域特 征提取， 得到极片区域图像； 标注模块： 用于对待识别图像进行模型训练， 获得训练好的极片缺陷识别子模型， 所述 待识别图像为所述极片区域图像进行缺陷标注后的图像。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器， 所述存储器存储有所述处理器可 执行的机器可读指令， 当电子设备运行时， 所述机器可读指令被所述处理器执行时执行如 权利要求1至 6任一所述的方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质上存储有计算机程 序， 该计算机程序被处 理器运行时执 行如权利要求1至 6任一所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114897868 A 3