-
题名基于深度学习的锂电池表面字符识别和缺陷检测
- 1
-
-
作者
刘明尧
索广飞
-
机构
武汉理工大学机电工程学院
-
出处
《自动化与仪表》
2024年第6期91-95,112,共6页
-
文摘
该文针对在锂电池的生产过程中,软包锂电池表面喷码字符识别和缺陷检测,由于人工检测耗时长、成本高等缺点,提出了基于CnOCR的字符识别方法和基于改进YOLOv8模型的字符缺陷检测方法 。该方法首先利用CnStd算法对字符区域进行了定位,利用YOLOv8模型对字符进行训练,检测出有缺陷的字符。根据字符区域特点进行图像增强、二值化和字符分割等处理,采用CnOCR模型进行字符的识别。深度学习方法提高了字符识别和缺陷检测的准确率,并且保证了整个检测系统的识别和检测速度。实验结果表明,字符识别率在96%以上,字符缺陷检测率在94%以上,符合锂电池自动化生产线的生产需要。
-
关键词
软包锂电池
字符识别
字符缺陷检测
CnOCR
YOLOv8神经网络
电池自动化设备
-
Keywords
soft pack lithium battery
character recognition
character defect detection
CnOCR
YOLOv8 neural network
battery automation equipment
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
