一种用于激光焊接自动光学检测的高性能深度学习算法

摘要： 由于电动汽车和储能应用需求强劲，电池行业增长迅猛。激光焊接是电池制造的关键工艺。为把控生产质量，业界对自动化激光焊接缺陷检测有着迫切需求。近年来，卷积神经网络（CNN）在检测、识别和分类领域应用成效显著。本文运用迁移学习理论和视觉几何组（VGG）模型的预训练方法，提出优化后的VGG模型以提高缺陷分类效率。该模型在工业计算机上运行，采用产线采集的电池图像进行测试，准确率达99.87%。本研究主要贡献如下：（1）证实基于大型图像数据库训练的优化VGG模型可用于激光焊接缺陷分类；（2）证明预训练VGG模型具有体积小、误检率低、训练与预测时间短的特点，更适用于工业环境质检。此外，我们通过可视化卷积层和最大池化层，便于模型观测与优化。