基于改进YOLOv4的锂电池缺陷检测方法

来源：电子测量技术杂志2022年第15期北京时间：

作者：桂久琪，李林升，毛晓，王庆秋

单位：上海电机学院电气学院 上海 201306

摘要：针对传统方法检测锂电池表面缺陷精度低、速度慢的问题，提出一种改进的YOLOv4算法。首先，在 CSPDarknet-53 骨干网络中使用空洞卷积代替传统卷积，提高了对不同尺度缺陷的检测。其次，将通道注意力机制插入到颈部网络中，自适应地选择一维卷积核的大小，降低模型的复杂度和计算量。最后，在分类和边界框回归中融合条件卷积来提高网络性能，并扩大数据集以解决由于缺陷样本太少而导致的网络训练过拟合问题。实验结果表明，改进后的YOLOv4算法可以有效检测锂电池表面缺陷并提高对于缺陷的识别和定位能力。改进算法的平均精度均值为93.46%，相较原算法提高了3.03%。

关键词：深度学习;锂电池;缺陷检测;YOLOv4

基金资助：湖南省教育厅重点资助项目（15A160）