一种基于GAN的刀片电池极片缺陷检测模型构建方法

本发明公开一种基于GAN的刀片电池极片缺陷检测模型构建方法，包括如下步骤：采集数张带有缺陷的目标极片图像；对图像进行预处理，得到预处理图像，提取图像中带有缺陷的有效区域；针对有效区域获取轮廓信息并根据特征参数对其进行精确分类；对分类后的数据进行数据增强，得到增强后的数据集；在数据集中，以缺陷种类和位置信息作为标签，对神经网络进行训练，以神经网络模型作为刀片电池极片的缺陷检测模型。本发明将数据增强后的数据集作为训练集输入网络，解决了电池极片缺陷种类多，个别样本出现概率低导致的训练样本严重不足的问题，大大提高了电池极片缺陷检测模型的检测准确率，能快速准确的检测出刀片电池极片的多种缺陷和位置信息。