基于Transformer-CNN分割的锂金属电池质量控制
计算机视觉与模式识别
2023-10-27 v2 机器学习
摘要
锂金属电池(LMB)因其高理论能量密度有望成为下一代电池体系。然而，由非均匀锂(Li)沉积形成的称为枝晶的缺陷阻碍了LMB的开发和利用。观察枝晶形态的无损技术常使用X射线计算机断层扫描(XCT)提供横截面视图。为重建电池内部三维结构，图像分割对于定量分析XCT图像至关重要。本工作提出一种使用名为TransforCNN的基于transformer的神经网络的新语义分割方法，能够从XCT数据中分割出枝晶。此外，我们将所提TransforCNN与U-Net、Y-Net和由集成网络模型E-Net组成的其他三种XCT分析算法进行性能比较。结果表明，在评估过分割指标（如平均交并比(mIoU)和平均Dice相似系数(mDSC)）以及若干定性比较可视化时，使用TransforCNN具有优势。
引用
@article{arxiv.2302.04824,
title = {Lithium Metal Battery Quality Control via Transformer-CNN Segmentation},
author = {Jerome Quenum and Iryna Zenyuk and Daniela Ushizima},
journal= {arXiv preprint arXiv:2302.04824},
year = {2023}
}
备注
15 pages, 12 figures