买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉明益信(江苏)智能设备有限公司申请的专利一种锂电池极柱焊接质量的视觉检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119672023B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510187112.0，技术领域涉及：G06T7/00；该发明授权一种锂电池极柱焊接质量的视觉检测方法是由仝敬烁;薛伟;谢美奇;石彭军;仝浩杰;胡洪;姜红亮设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本一种锂电池极柱焊接质量的视觉检测方法在说明书摘要公布了：本发明公开了一种锂电池极柱焊接质量的视觉检测方法，包括：步骤S1，获取锂电池极柱焊接图像以及每幅焊接图像对应的像素级标注图像，构成样本集；步骤S2，对训练样本集train进行预处理；步骤S3，搭建视觉检测模型；步骤S4，对视觉检测模型进行训练，并保存视觉检测模型的训练权重文件，生成视觉检测模型；步骤S5，将待测试的锂电池极柱焊接图像分别输入到训练完成的视觉检测模型得到分割结果图，并对分割结果图进行处理，得到语义分割区域结果图；步骤S6，对语义分割区域结果图进行后处理，处理分割内部混杂和过小像素过滤，得到最终的语义分割类型区域结果图。本发明解决了现有技术中检测精度低、泛化适应能力不足、检测速度慢、需要样本多的缺点。

本发明授权一种锂电池极柱焊接质量的视觉检测方法在权利要求书中公布了：1.一种锂电池极柱焊接质量的视觉检测方法，其特征在于，包括： 步骤S1，获取锂电池极柱焊接图像以及每幅焊接图像对应的像素级标注图像，构成样本集，其中，选取80％的样本作为训练样本集train，其余的样本作为测试样本集val； 步骤S2，对训练样本集train进行预处理； 步骤S3，搭建视觉检测模型； 步骤S4，对搭建的视觉检测模型进行训练，并保存视觉检测模型的训练权重文件，生成视觉检测模型； 步骤S5，将待测试的锂电池极柱焊接图像分别输入到训练完成的视觉检测模型得到分割结果图，并对分割结果图进行处理，得到语义分割区域结果图； 步骤S6，对得到的语义分割区域结果图进行后处理，处理分割内部混杂和过小像素过滤，得到最终的语义分割类型区域结果图； 所述步骤S3中，构建视觉检测模型，包括： 通过STDCNet网络提取特征的骨干网； 通过金字塔池化模块在不同尺度上对特征图进行池化，然后将池化后的特征进行拼接或融合，具体包括： 金字塔池化模块包含三个全局平均池化操作，对应的池化核大小分别为1×1，2×2和4×4，卷积操作使用1×1的卷积核，输出通道数少于输入通道数，将上采样特征相加，并使用3×3卷积操作生成精细特征； 设计解码器，在解码器中的三层网络在逐渐增加特征图的空间大小的同时逐渐减少特征的通道数； 设计注意力融合模块，利用通道注意力机制，生成一个权重矩阵，并将输入特征与权重矩阵相乘，加权后得到融合后的特征图，即： ； ； 式中，为AvgPool,MaxPool,AvgPool,MaxPool特征图的拼接，为卷积操作，为对的上采样，为卷积层的特征图，为对应的金字塔池化模块操作后的高阶语义特征图和经过注意力融合模块后的高阶语义特征图； 设计损失函数，针对锂电池焊接图像中通常绝大多数为负样本，损失函数设计为： 对二分类交叉熵损失修改为对类型加权的多类别损失： ； 式中，为类别总数，为第类目标分布，为预测概率分布中第类的概率； 进一步的为处理锂电池极柱焊接图像背景占比过大，属于样本极不平衡，为减弱背景像素在计算时的比例并进一步降低计算量，仅计算部分样本的损失，损失调整为： ； ； ； 式中，为像素属于目标类别的预测概率，为图像总像素数； 考虑样本间的不平衡，损失函数使用Lovaszloss： ； 式中，为训练样本集train预处理得到任务类型cls，为归一化常数，表示类别的总像素数，为类别的有效像素集合，为类别的IoU梯度变化，为类别的排序分类误差； 最终的损失函数计算为： ； 式中，为的超参数； 设计评估指标，在锂电池极柱焊接图像数据集中存在极大的样本不平衡和小目标问题，指标使用t=0.4*mIOU和0.6*DICE的混合指标，进而获得视觉检测模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人明益信(江苏)智能设备有限公司，其通讯地址为：215300 江苏省苏州市昆山市玉山镇中华园西路1875号008、009幢；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。