原文服务方: 汽车与新动力       
摘要:
针对新能源电池帽焊接质量在线自动化检测需求,基于机器视觉和深度学习技术,开发一套能够自主识别电池帽焊接质量缺陷的智能检测系统,实现了该产品检验环节的机器替代人工,最终完成检验工序自动化。同时,针对负样本种类多、数量少、具体形态比较随机的情况,提出模型迭代升级的思路,以不断提升神经网络模型的可靠性和稳定性。
推荐文章
基于机器视觉的电池尾端破皮检测
机器视觉
电池尾端
破皮伤痕
形态学
基于机器视觉的纽扣电池表面划痕检测方法研究
划痕检测
扣式电池
模板匹配
图像处理
机器视觉
基于机器视觉的FPC表面缺陷智能检测系统
表面缺陷检测系统
机器视觉
柔性印制电路板
自动化检测
新能源汽车电池热失控事故防护研究
新能源汽车
电池
热失控事故
防护
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于机器视觉的新能源电池盖帽质量智能检测
来源期刊 汽车与新动力 学科
关键词 电池盖帽 质量检测 机器视觉 深度学习
年,卷(期) 2023,(1) 所属期刊栏目 检测技术
研究方向 页码范围 65-68
页数 3页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2023(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
电池盖帽
质量检测
机器视觉
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
汽车与新动力
双月刊
2096-4870
31-2146/TK
16开
1969-01-01
chi
出版文献量(篇)
1376
总下载数(次)
0
总被引数(次)
1474
论文1v1指导