一种基于迁移学习MCS-YOLOv3的锂电池极片表面缺陷检测方法

本发明公开了一种基于迁移学习MCS‑YOLOv3的锂电池极片表面缺陷检测方法，属于工业缺陷检测领域。本发明解决了锂电池极片表面小目标缺陷的检测效果定位精度低、容易出现漏检、误检的问题。首先，在图像预处理阶段，使用Mosaic进行数据增强，随机组合并增加缺陷样本的数量，提高网络对缺陷识别的学习能力和检测能力，使得网络面对复杂环境有更好的鲁棒性；其次，在检测模型的训练阶段，引入了迁移学习的方法，缓解了网络在进行少样本数据训练时，训练波动大和收敛时间久的问题；再其次，在网络中引入混合注意力模块CBAM，提升了网络对小目标的特征提取能力，尤其更加关注缺陷区域；最后，用SIoU损失函数代替YOLOv3原始的IoU损失函数，增强检测精度的同时模型收敛速度也有所提升。本发明应用于锂电池极片表面缺陷的精确检测。