深度学习锂电外观缺陷检测应用研究

发布时间:Feb 1, 2021 放大 缩小

时间:202125日  9:30 - 11:30

地点:科研楼1#904

报告人:石金进  讲师

主持人:巢建树  研究员

---------------------------------------------------------------------------------------

报告人简介:石金进,男,博士,三峡大学机械与动力学院讲师。20171月在哈尔滨工业大学获得博士学位,并于20175月至今在三峡大学机械与动力学院机械电子系任教,主要研究方向为数字图像处理、机器视觉、及嵌入式系统设计等。近年来,在IEEE Transactions on Intelligent Transportation SystemsJournal of Vibration and Control等国内外重要期刊及学术会议上发表SCI/EI收录论文8篇,授权专利3项,主持湖北省自然科学基金等纵向项目3项,企业委托项目4项。

报告主要内容:锂电作为一种新能源,是缓解石油资源日益枯竭,环境污染问题日益突出的有效途径,被广泛应用在移动终端、新能源汽车等产品中。锂电池的智能制造是国家重点培育的方向,由于加工设备及工艺因素的影响,锂电池在制造过程中不可避免会在表面产生缺陷,缺陷的存在不仅影响美观,而且还有可能引发爆炸,严重威胁用户的安全。外观缺陷检测是锂电智能制造的末端环节,然而,由于缺陷形态复杂多样,当前主要采用人工目检方式进行筛选,不仅效率低下、成本高,而且视觉疲劳还可能造成一定程度的漏检,导致问题产品流向市场。鉴于锂电池外观复杂、种类繁多,传统视觉检测技术已无法胜任其检测需求。本报告着重探讨深度学习技术在锂电外观缺陷检测中的应用,以实现高精度、高可靠性的检测。