您当前的位置：
首页 >
文章列表页 >
基于光度立体和深度学习的电池缺陷检测方法
通信与控制工程 | 更新时间：2025-05-26

    • 基于光度立体和深度学习的电池缺陷检测方法

    • Deep photometric stereo learning framework for battery defect detection

    • “在电池缺陷检测领域，研究者提出了一种光度立体视觉缺陷检测模型，有效提升了检测精度和推理速度。”
    • 吉林大学学报（工学版）   2024年54卷第12期 页码：3653-3659
    • 作者机构：

      天津大学 电气自动化与信息工程学院，天津 300072

    • 作者简介：

      苏育挺（1972-），男，教授，博士.研究方向：多媒体信息处理.E-mail：ytsu@tju.edu.cn

      井佩光（1988-），男，副教授，博士.研究方向：短视频语义分析及理解.E-mail：pgjing@tju.edu.cn

    • 基金信息：
      国家自然科学基金青年项目(61802277);天津市自然科学基金项目(20JCQNJC01210)

    • DOI：10.13229/j.cnki.jdxbgxb.20230130    

      中图分类号： TP391.4

    • 收稿：2023-02-15，

      纸质出版：2024-12-01

    移动端阅览

  • 苏育挺,景梦瑶,井佩光等.基于光度立体和深度学习的电池缺陷检测方法[J].吉林大学学报（工学版）,2024,54(12):3653-3659. DOI： 10.13229/j.cnki.jdxbgxb.20230130.

    SU Yu-ting,JING Meng-yao,JING Pei-guang,et al.Deep photometric stereo learning framework for battery defect detection[J].Journal of Jilin University(Engineering and Technology Edition),2024,54(12):3653-3659. DOI： 10.13229/j.cnki.jdxbgxb.20230130.

  •  
  •  

0

浏览量

8

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于互补相位与离散混沌频率联合编码的低截获概率雷达波形设计
基于改进密集网络和小波分解的自监督单目深度估计
改进游程编码算法的快速星点提取
使用机载分布式阵列对主瓣复合干扰进行分级抑制
基于改进的正交匹配跟踪算法的波达方向估计

相关作者

王文钦
杜龙
张顺生
寇旗旗
吕晨
韩成功
王伟臣
程德强

相关机构

电子科技大学 信息与通信工程学院
电子科技大学 电子科学技术研究院
中国矿业大学 计算机科学与技术学院
中国矿业大学 信息与控制工程学院
吉林大学 仪器科学与电气工程学院
0