産業用コンピュータ断層撮影技術（Computed Tomography、CT）は、積層電池セルの極板を検出する際に、CT画像中で極板を分割する重要なステップです。しかし、積層電池セルの極板構造が複雑で、縦横比が大きいため、既存の分割方法は大量生産の検査速度と精度の要求を満たすことが困難です。この問題を解決するために、ストリップ注意機構を融合した電池極板のCT画像分割ネットワークを提案しました。本ネットワークは主にバックボーンネットワーク、ストリップアトラス空間ピラミッドプーリングモジュール（Strip Atrous Spatial Pyramid Pooling、S-ASPP）、およびデコーダモジュールで構成されます。バックボーンネットワークは軽量ネットワークのMobilenetV2として設計されており、ネットワークのパラメータ数を削減し、分割速度を向上させます；S-ASPPモジュールではグローバルプーリングをストリッププーリングとして設計し、ストリップ特徴情報の損失を減らし、不十分な分割問題を効果的に解決します；デコーダモジュールのストリップ注意機構は画像内のエッジや詳細情報に注意を払い、エッジのぼやけ問題を改善します。電池極板のCTデータセットで学習と検証を行った結果、本研究のネットワークは平均ピクセル分類精度（mAcc）、平均IoU（mIoU）、パラメータ数、分割速度がそれぞれ98.62％、89.97％、5.814M、56.94フレーム/秒に達しました。DANet、DeepLabV3+、U-Net、HRNet、Segnextと比較して、本ネットワークは分割精度が最も高く、分割速度はDANet、DeepLabV3+、U-Net、HRNetより優れており、Segnextにはわずかに及びません。評価指標のmIoU、mAcc、FPS、Parameters（M）を総合的に考慮すると、本手法は低い計算コストを維持しつつ、極板分割の精度と効率を著しく向上させ、現在の主流分割ネットワークを上回っています。

X線画像;コンピュータ断層撮影;深層学習;画像分割;積層電池