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！

龙图腾网获悉东莞市祥晟科技有限公司申请的专利一种基于深度学习的电池负极外观检测方法及装置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：CN118794965B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202410933478.3，技术领域涉及：G01N21/95；该发明授权一种基于深度学习的电池负极外观检测方法及装置是由廖凯;王发兵;胡磊磊;孙建飞设计研发完成，并于2024-07-12向国家知识产权局提交的专利申请。

本一种基于深度学习的电池负极外观检测方法及装置在说明书摘要公布了：本申请提供一种基于深度学习的电池负极外观检测方法及装置，属于电池检测技术领域，在该方法中，能够根据待检测电池的负极柱在至少四个预设方位上的负极柱外观图像，生成全面反映负极柱外观情况的待检测图像，进而利用电池检测模型对待检测图像进行识别，准确识别得到待检测电池的目标电池类型，并确定目标电池类型对应的目标缺陷检测模型；然后通过综合考虑多维物理检测数据和待检测图像，能够得到特征表示更强的综合特征向量，使得目标缺陷检测模型能够基于综合特征向量，对电池外观存在的缺陷类型和缺陷位置进行快速准确的预测判断，不仅能够提高对不同电池类型的电池的外观检测的兼容性，还能有效提高缺陷检测的准确度以及效率。

本发明授权一种基于深度学习的电池负极外观检测方法及装置在权利要求书中公布了：1.一种基于深度学习的电池负极外观检测方法，其特征在于，所述方法包括： 获取待检测电池的多维物理检测数据以及所述待检测电池的负极柱在至少四个预设方位上的负极柱外观图像； 基于所述至少四个预设方位上的负极柱外观图像，生成待检测图像； 将所述待检测图像输入至电池检测模型，确定所述待检测电池的目标电池类型； 基于所述目标电池类型，在预设的缺陷检测模型库，确定所述目标电池类型对应的目标缺陷检测模型； 对所述多维物理检测数据和所述待检测图像进行特征融合，得到综合特征向量； 将所述综合特征向量输入至所述目标缺陷检测模型，输出针对所述待检测电池的负极柱的检测结果；所述检测结果包括所述负极柱的缺陷类型以及所述缺陷类型在所述待检测电池的负极柱的位置； 对所述多维物理检测数据和所述待检测图像进行特征融合，得到综合特征向量的步骤，包括： 分别对多维物理检测数据和所述待检测图像进行特征提取，得到物理特征向量和视觉特征向量； 对所述物理特征向量和视觉特征向量进行特征融合，得到所述综合特征向量； 基于所述至少四个预设方位上的负极柱外观图像，生成待检测图像的步骤，包括： 基于至少四个预设方位上的负极柱外观图像的成像距离，对所述至少四个预设方位上的负极柱外观图像进行尺寸校准； 基于预设的像素映射表，将尺寸校准后的所述至少四个预设方位上的负极柱外观图像分别映射到预设的负极柱模型上，得到每个负极柱外观图像对应的局部图像；其中，所述像素映射表用于表征负极柱模型的关键点与不同预设方位上的负极柱外观图像的像素点之间的映射关系； 将所述局部图像之间的重合部分进行拼接，得到所述待检测图像； 将所述待检测图像输入至电池检测模型，确定所述待检测电池的目标电池类型的步骤，包括： 将所述待检测图像输入至电池检测模型，输出得到所述待检测图像与多种电池类型之间的置信度，所述置信度用于表征待检测电池与样本电池之间的相似度；所述电池检测模型是根据多种电池类型的样本电池的负极样本图像训练得到的； 将所述待检测图像与多种电池类型之间的置信度中的最大值确定为目标置信度； 在所述目标置信度大于置信度阈值的情况下，将所述目标置信度对应的电池类型确定为所述目标电池类型。

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东莞市祥晟科技有限公司，其通讯地址为：523445 广东省东莞市东坑镇塔新路100号6号楼801室；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”。

以上内容由龙图腾AI智能生成。