龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：浙江大学
摘要：本发明公开了一种基于改进YOLOv8的电池CT图像缺陷检测方法，该方法包括：利用CT扫描设备获取电池内部的缺陷图像，划分为训练集、验证集与测试集；通过二维Gabor滤波对电池CT图像进行特征提取与特征融合；结合双重注意力机制，采用轻量化卷积混洗模块替换普通卷积层，得到改进后的网络模型；将训练集输入网络模型进行训练，得到训练完成的目标检测模型；通过测试集对模型进行性能评估，得到电池内部缺陷检测结果。本发明通过对YOLOv8网络进行改进并结合Gabor特征提取与融合算法，能够有效提升电池内部缺陷CT图像的检测精度，减小模型参数量大小，使得模型在准确检测出电池内部缺陷的同时提高可移植性。
主权项：1.一种基于改进YOLOv8的电池CT图像缺陷检测方法，其特征在于，包括以下步骤：1采用CT扫描设备获取包含电池内部缺陷的CT图像，以构建图像数据集，并将其划分为训练集、验证集与测试集；2通过二维Gabor滤波器对图像数据集中的CT图像进行特征提取，并将提取的特征进行特征融合，以获取当前CT图像对应的融合特征图；3结合双重注意力机制模块与轻量化卷积混洗模块改进YOLOv8网络模型，得到改进后的YOLOv8网络模型；4将经过二维Gabor滤波器特征提取与特征融合后的训练集输入改进后的YOLOv8网络模型进行训练，并根据CIoU损失函数调整改进后的YOLOv8网络模型的参数，以获取训练好的YOLOv8网络模型；5将经过二维Gabor滤波器特征提取与特征融合后的测试集输入训练好的YOLOv8网络模型，输出测试集中各个CT图像对应的缺陷图像的类型以及包含缺陷图像预测框中心坐标和矩形框长宽的txt文件，得到测试集中各个CT图像的缺陷检测结果。
全文数据：
权利要求：
百度查询： 浙江大学 基于改进YOLOv8的电池CT图像缺陷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号