CN108459029A - 一种基于图像的锂电池生产化成检测设备及检测方法 - Google Patents
一种基于图像的锂电池生产化成检测设备及检测方法 Download PDFInfo
- Publication number
- CN108459029A CN108459029A CN201810586677.6A CN201810586677A CN108459029A CN 108459029 A CN108459029 A CN 108459029A CN 201810586677 A CN201810586677 A CN 201810586677A CN 108459029 A CN108459029 A CN 108459029A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- defect
- image
- battery
- difference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 112
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 112
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 25
- 238000004519 manufacturing process Methods 0.000 title claims description 16
- 230000007547 defect Effects 0.000 claims abstract description 64
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000002950 deficient Effects 0.000 claims abstract description 12
- 239000000284 extract Substances 0.000 claims abstract description 9
- 230000005855 radiation Effects 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000003331 infrared imaging Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 5
- 238000007493 shaping process Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 7
- 238000004880 explosion Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 229910001416 lithium ion Inorganic materials 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000005457 Black-body radiation Effects 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
本发明公开了一种基于图像的锂电池生产化成检测设备及检测方法，安装在化成分容柜上，包括可视信息传感器和缺陷感知计算机；所述的可视信息传感器用于获取锂电池可见光波段、短波红外波段的图像；所述的缺陷感知计算机用于通过锂电池温度计算机视觉技术提取锂电池缺陷信息，并且发现有缺陷锂电池时发出推出信号。可视信息传感器由4个工业级高清像素可见光摄像头、4个短波红外摄像头、LED光源组成；缺陷感知计算机通过计算机视觉技术从可见光图像提取待检测锂电池的全向图像。本发明可以在化成分容前及时、高效地筛选出具有安全缺陷的锂电池，进而极大的降低电池化成过程中起火、爆炸的危险性。
Description
技术领域
本发明涉及电池生产技术领域，尤其涉及一种基于图像的锂电池生产化成检测设备及检测方法。
背景技术
由于锂离子电池具备高电压、高容量、循环寿命长等突出优点，使其在便携式电子设备、电动汽车、国防工业等生产生活的各个方面具有广阔的应用前景，成为近年来广为关注的研究热点。尤其是随着各国政府在锂电领域的布局，以及电动汽车时代的到来，锂电池的使用将变得越发的广泛。其中，化成分容是锂电池生产过程中一道极为重要的工序。然而，由于锂电池对高温、过充、过放、挤压等因素的敏感性，锂电池在化成过程中的起火、爆炸事故时有发生，给企业造成极大的人身财产威胁，而其中很多是由于电池自身的缺陷造成的。因此，有必要研发出一款新型的化成检测设备，在化成分容前对锂电池进行缺陷检测，尽可能降低化成过程的危险性。
发明内容
本发明的目的在于提供一种基于图像的锂电池缺陷检测装置，并将其同锂电化成设备结合，以实现锂电池化成前的缺陷检测，最终降低锂电池化成过程的危险性。
本发明采用的技术方案为：一种基于图像的锂电池生产化成检测设备，安装在化成分容柜上，包括可视信息传感器和缺陷感知计算机；所述的可视信息传感器用于获取锂电池可见光波段、短波红外波段的图像；所述的缺陷感知计算机用于通过锂电池温度计算机视觉技术提取锂电池缺陷信息，并且发现有缺陷锂电池时发出推出信号。
其中，可视信息传感器由4个工业级高清像素可见光摄像头、4个短波红外摄像头、LED光源组成，其中两种摄像头安装位置可以交叉，尽量使其能够形成统一的视场，保持20％视场区域重叠；缺陷感知计算机通过计算机视觉技术从可见光图像提取待检测锂电池的全向图像；应用外观特征提取模块提取锂电池外观缺陷信息；从红外图像提取目标及周围环境温度场数据，并融合这两类数据，基于锂电池不同行为阶段的温度-时间响应关系，锂电池温度与背景环境关系，检测发现可能存在的缺陷部位，对缺陷目标作融合，以降低漏检率，同时提高缺陷检测的准确率，当检测发现有缺陷锂电池时发出推出信号。
基于图像的锂电池生产化成检测方法，利用上述的基于图像的锂电池生产化成检测设备，包括：
第一步、基于图像的缺陷提取，依据原理在实际测量中，锂电池总是处于一定的环境中，锂电池除了本身发出的热辐射外，还要与周围环境进行热交换即吸收和反射周围环境向目标所发出的辐射热能，充分利用了可见光图像的高分辨率优势，可以高精度实现对锂电池外观轮廓、生产环境识别；从而建立锂电池外观辐射特征模型；
第二步、基于材料热特征的缺陷提取，依据不同阶段时的温度-时间特征响应曲线，而含有缺陷的锂电池其热像轮廓与亮度差异和正常锂电池相比存在不同分布；锂电池的不同区域，由于其材料或工作机制的不同，以及外观形状的不同，其红外辐射特征也存在差异；利用高分辨率图像的高精度定位信息，可以准确确定锂电池上异常温度区域，探测并识别目标缺陷；
第三步、融合前两步按照不同原理分别检测得出的缺陷信息，得到统一的缺陷特征信息描述框架。
其中，它利用了物体与周围环境存在热交换以及光线反射折射的原理，充分利用了可见光图像的高分辨率优势，光透射到电池，它会击中其中的分子，然后再依次击中另一个，然后再透射出去，从而实现对锂电池外观的高精度轮廓、生产环境识别；最终建立如图1锂电池外观辐射特征模型。
其中，由于黑体辐射的存在，任何物体都依据温度的不同对外进行电磁波辐射。热红外成像通过对热红外敏感CCD对物体进行成像，能反映出物体表面的温度场。含有缺陷的锂电池其热像轮廓与亮度差异和正常锂电池相比存在不同分布；锂电池的不同区域，由于其材料或工作机制的不同，以及外观形状的不同，其红外辐射特征也存在差异。通过探测锂电池上温度异常的区域，最终识别目标缺陷。其红外成像图如图2所示。
其中，利用可见光成像实现对锂电池外观的高精度轮廓的识别，以及红外成像对电池结构里外缺陷的探测相结合的方法，实现对电池的全面探测，得到统一的电池缺陷信息。
本发明优点和积极效果为：
(1)本发明使用计算机视觉技术，视觉是获取目标特征信息的最直接、条件依赖最小的手段，利用图像传感器和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，基于对锂电池缺陷特征的描述框架，进一步做相应图形数据处理，提高图像的信噪比，处理成为更适合缺陷特征检测的图像；
(2)本发明光流法图像目标捕捉技术，尺度不变特征变换匹配与视屏拼接算法，将锂电池从复杂生产线背景环境中快速识别出来，并将多个检测区间的图像拼接成为全景图像，从而获得动态的、实时的更具信息量的锂电池全景信息；
(3)本发明可以在化成分容前及时、高效地筛选出具有安全缺陷的锂电池，进而极大的降低电池化成过程中起火、爆炸的危险性。
附图说明
图1为本发明一种基于图像的锂电池生产化成检测设备示意图；
图2为本发明的工艺图；
图3为生产场景下对锂电池底盖的外观缺陷检测过程，其中，图3(a)为原始图像，图3(b)为噪声抑制和特征加强，图3(c)为特征提取。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
本发明一种基于图像的锂电池生产化成检测设备，安装在化成分容柜上，包括可视信息传感器、缺陷感知计算机；可视信息传感器用于获取锂电池可见光波段、短波红外波段的图像；缺陷感知计算机通过锂电池温度计算机视觉技术提取锂电池缺陷信息；发现有缺陷锂电池时发出推出信号。
可视信息传感器由4个工业级高清像素可见光摄像头、4个短波红外摄像头、LED光源组成，其中两种摄像头安装位置可以交叉，尽量使其能够形成统一的视场，保持20％视场区域重叠。缺陷感知计算机通过计算机视觉技术从可见光图像提取待检测锂电池的全向图像；应用外观特征提取模块提取锂电池外观缺陷信息；从红外图像提取目标及周围环境温度场数据，并融合这两类数据，基于锂电池不同行为阶段的温度-时间响应关系，锂电池温度与背景环境关系，检测发现可能存在的缺陷部位，对缺陷目标作融合，以降低漏检率，同时提高缺陷检测的准确率，当检测发现有缺陷锂电池时发出推出信号。
其中，基于图像的锂电池生产化成检测方法：
第一步基于图像的缺陷提取，依据原理在实际测量中，锂电池总是处于一定的环境中，锂电池除了本身发出的热辐射外，还要与周围环境进行热交换即吸收和反射周围环境向目标所发出的辐射热能，充分利用了可见光图像的高分辨率优势，可以高精度实现对锂电池外观轮廓、生产环境识别；从而建立锂电池外观辐射特征模型。
第二步基于材料热特征的缺陷提取，依据不同阶段(充电、放电)时的温度-时间特征响应曲线，而含有缺陷的锂电池其热像轮廓与亮度差异和正常锂电池相比存在不同分布。锂电池的不同区域，由于其材料或工作机制的不同，以及外观形状的不同，其红外辐射特征也存在差异；如锂电池顶盖区域和锂电池底端区域的热特性有明显的差别，这是由于电池正负极材料不同所造成的；在加上顶盖的几何形状有一个突出部分，而底盖没有，同样也会影响其热特征。利用高分辨率图像的高精度定位信息，可以准确确定锂电池上异常温度区域，探测并识别目标缺陷。
第三步融合前两步按照不同原理分别检测得出的缺陷信息，得到统一的缺陷特征信息描述框架；扩展了单种检测手段和数据数据说进行的缺陷检测的不足，相对更加全面客观地描述了锂电池缺陷机理。
实施例
如图1所示，本发明基于图像的锂电池生产化成检测设备，包括锂电池化成装置、可视信息传感器和缺陷感知计算机。
化成装置尺寸为1450×500×1800mm，通道数为512，电压精度±5mV，电流精度±(0.1％FS+0.1％RD)，充放电电流范围分别为0.01～2A、0.01～3A。锂电池由人工放入化成分容柜中，进而进行缺陷检测。
可视信息传感器由4个工业级高清像素摄像头、4个短波红外摄像头、LED光源组成。摄像头安装在化成柜通道前部，可根据通道高度进行移动。两种摄像头安装位置可以交叉，尽量使其能够形成统一的视场，保持20％视场区域重叠。LED光源根据照明环境选择合适形状的光源与安装位置，使锂电池可以被均匀照明。
缺陷感知计算机为一台工控计算机；通过计算机视觉技术从可视信息提取待检测锂电池的全向图像；应用特征提取算法提取锂电池缺陷信息；如检测发现有缺陷锂电池，将发出推出信号。
具体工艺图2所示。
图3(a)为通过图像传感器获取锂电池生产线的原始实时图像；图3(b)为噪声抑制与特征加强，根据光环境对原始图像进行去噪，白平衡等操作，根据镜头与目标的相对关系作投影变换以消除图像畸变，根据缺陷特征的检测需要对图像中角点、边沿、斑点等特征加强；图3(c)为通过缺陷特征提取算法提取特征。
Claims (6)
1.一种基于图像的锂电池生产化成检测设备，安装在化成分容柜上，其特征在于：包括可视信息传感器和缺陷感知计算机；所述的可视信息传感器用于获取锂电池可见光波段、短波红外波段的图像；所述的缺陷感知计算机用于通过锂电池温度计算机视觉技术提取锂电池缺陷信息，并且发现有缺陷锂电池时发出推出信号。
2.根据权利要求1所述的基于图像的锂电池生产化成检测设备，其特征在于：可视信息传感器由4个工业级高清像素可见光摄像头、4个短波红外摄像头、LED光源组成，其中两种摄像头安装位置可以交叉，尽量使其能够形成统一的视场，保持20％视场区域重叠；缺陷感知计算机通过计算机视觉技术从可见光图像提取待检测锂电池的全向图像；应用外观特征提取模块提取锂电池外观缺陷信息；从红外图像提取目标及周围环境温度场数据，并融合这两类数据，基于锂电池不同行为阶段的温度-时间响应关系，锂电池温度与背景环境关系，检测发现可能存在的缺陷部位，对缺陷目标作融合，以降低漏检率，同时提高缺陷检测的准确率，当检测发现有缺陷锂电池时发出推出信号。
3.一种基于图像的锂电池生产化成检测方法，利用权利要求1或2的基于图像的锂电池生产化成检测设备，其特征在于：包括：
第一步、基于图像的缺陷提取，依据原理在实际测量中，锂电池总是处于一定的环境中，锂电池除了本身发出的热辐射外，还要与周围环境进行热交换即吸收和反射周围环境向目标所发出的辐射热能，充分利用了可见光图像的高分辨率优势，可以高精度实现对锂电池外观轮廓、生产环境识别；从而建立锂电池外观辐射特征模型；
第二步、基于材料热特征的缺陷提取，依据不同阶段时的温度-时间特征响应曲线，而含有缺陷的锂电池其热像轮廓与亮度差异和正常锂电池相比存在不同分布；锂电池的不同区域，由于其材料或工作机制的不同，以及外观形状的不同，其红外辐射特征也存在差异；利用高分辨率图像的高精度定位信息，可以准确确定锂电池上异常温度区域，探测并识别目标缺陷；
第三步、融合前两步按照不同原理分别检测得出的缺陷信息，得到统一的缺陷特征信息描述框架。
4.根据权利要求3所述的基于图像的锂电池生产化成检测方法，其特征在于：它利用了物体与周围环境存在热交换以及光线反射折射的原理，充分利用了可见光图像的高分辨率优势，光透射到电池，它会击中其中的分子，然后再依次击中另一个，然后再透射出去，从而实现对锂电池外观的高精度轮廓、生产环境识别；最终建立锂电池外观辐射特征模型。
5.根据权利要求3所述的基于图像的锂电池生产化成检测方法，其特征在于：由于黑体辐射的存在，任何物体都依据温度的不同对外进行电磁波辐射，热红外成像通过对热红外敏感CCD对物体进行成像，能反映出物体表面的温度场，含有缺陷的锂电池其热像轮廓与亮度差异和正常锂电池相比存在不同分布；锂电池的不同区域，由于其材料或工作机制的不同，以及外观形状的不同，其红外辐射特征也存在差异，通过探测锂电池上温度异常的区域，最终识别目标缺陷。
6.根据权利要求3所述的基于图像的锂电池生产化成检测方法，其特征在于：利用可见光成像实现对锂电池外观的高精度轮廓的识别，以及红外成像对电池结构里外缺陷的探测相结合的方法，实现对电池的全面探测，得到统一的电池缺陷信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810586677.6A CN108459029A (zh) | 2018-06-08 | 2018-06-08 | 一种基于图像的锂电池生产化成检测设备及检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810586677.6A CN108459029A (zh) | 2018-06-08 | 2018-06-08 | 一种基于图像的锂电池生产化成检测设备及检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108459029A true CN108459029A (zh) | 2018-08-28 |
Family
ID=63216075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810586677.6A Pending CN108459029A (zh) | 2018-06-08 | 2018-06-08 | 一种基于图像的锂电池生产化成检测设备及检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108459029A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110412480A (zh) * | 2019-07-10 | 2019-11-05 | Oppo广东移动通信有限公司 | 电池筛选方法、装置及计算机存储介质和测试系统 |
| CN110544231A (zh) * | 2019-07-24 | 2019-12-06 | 华南理工大学 | 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法 |
| CN111812516A (zh) * | 2019-04-11 | 2020-10-23 | 上海砺沣电子技术有限公司 | 一种电池储能电站巡检机器人 |
| CN111899256A (zh) * | 2020-08-12 | 2020-11-06 | 南京工程学院 | 一种基于红外图像热点特征聚类分析的退役锂电池筛选方法 |
| CN115060320A (zh) * | 2022-06-20 | 2022-09-16 | 武汉涛初科技有限公司 | 一种基于机器视觉的动力锂电池生产质量在线监测分析系统 |
| CN116559188A (zh) * | 2023-06-25 | 2023-08-08 | 江花集团有限公司 | 一种接管螺母批量检测装置及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005108801A (ja) * | 2003-09-11 | 2005-04-21 | Nissan Motor Co Ltd | 積層体の欠陥検出装置及び燃料電池の検査装置 |
| CN1695071A (zh) * | 2002-09-06 | 2005-11-09 | 通用汽车公司 | 检测膜电极组件中电缺陷的方法 |
| WO2013087346A1 (de) * | 2011-12-15 | 2013-06-20 | Robert Bosch Gmbh | Prüfverfahren für ein batteriezellengehäuse und dazugehörige prüfanordnung |
| CN103234974A (zh) * | 2013-03-27 | 2013-08-07 | 湖南大学 | 锂电池无损检测方法 |
| CN104142350A (zh) * | 2013-11-28 | 2014-11-12 | 中航锂电（洛阳）有限公司 | 锂电池极片表面缺陷检测设备 |
| US20150039270A1 (en) * | 2013-07-31 | 2015-02-05 | Industrial Technology Research Institute | Method for inspecting defects of solar cells and system thereof |
| CN106645177A (zh) * | 2016-12-30 | 2017-05-10 | 河南奇测电子科技有限公司 | 电池壳表面视觉检测流水线及其内底面检测装置 |
| CN106872047A (zh) * | 2017-04-26 | 2017-06-20 | 中国联合网络通信集团有限公司 | 一种蓄电池的温度测试方法、装置及系统 |
| KR20170079580A (ko) * | 2015-12-30 | 2017-07-10 | 조선대학교산학협력단 | 적외선 열화상 영상을 이용한 리튬 이온 배터리 결함 검사 방법 |
-
2018
- 2018-06-08 CN CN201810586677.6A patent/CN108459029A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1695071A (zh) * | 2002-09-06 | 2005-11-09 | 通用汽车公司 | 检测膜电极组件中电缺陷的方法 |
| JP2005108801A (ja) * | 2003-09-11 | 2005-04-21 | Nissan Motor Co Ltd | 積層体の欠陥検出装置及び燃料電池の検査装置 |
| WO2013087346A1 (de) * | 2011-12-15 | 2013-06-20 | Robert Bosch Gmbh | Prüfverfahren für ein batteriezellengehäuse und dazugehörige prüfanordnung |
| CN103234974A (zh) * | 2013-03-27 | 2013-08-07 | 湖南大学 | 锂电池无损检测方法 |
| US20150039270A1 (en) * | 2013-07-31 | 2015-02-05 | Industrial Technology Research Institute | Method for inspecting defects of solar cells and system thereof |
| CN104142350A (zh) * | 2013-11-28 | 2014-11-12 | 中航锂电（洛阳）有限公司 | 锂电池极片表面缺陷检测设备 |
| KR20170079580A (ko) * | 2015-12-30 | 2017-07-10 | 조선대학교산학협력단 | 적외선 열화상 영상을 이용한 리튬 이온 배터리 결함 검사 방법 |
| CN106645177A (zh) * | 2016-12-30 | 2017-05-10 | 河南奇测电子科技有限公司 | 电池壳表面视觉检测流水线及其内底面检测装置 |
| CN106872047A (zh) * | 2017-04-26 | 2017-06-20 | 中国联合网络通信集团有限公司 | 一种蓄电池的温度测试方法、装置及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 卢雪梅等: "电池管理系统测试用锂电池融合模型研究", 《电源技术》 * |
| 朱锡芳等: "改进灰关联在锂电池缺陷快速识别的应用", 《光电子技术》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111812516A (zh) * | 2019-04-11 | 2020-10-23 | 上海砺沣电子技术有限公司 | 一种电池储能电站巡检机器人 |
| CN110412480A (zh) * | 2019-07-10 | 2019-11-05 | Oppo广东移动通信有限公司 | 电池筛选方法、装置及计算机存储介质和测试系统 |
| CN110544231A (zh) * | 2019-07-24 | 2019-12-06 | 华南理工大学 | 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法 |
| CN110544231B (zh) * | 2019-07-24 | 2021-05-11 | 华南理工大学 | 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法 |
| CN111899256A (zh) * | 2020-08-12 | 2020-11-06 | 南京工程学院 | 一种基于红外图像热点特征聚类分析的退役锂电池筛选方法 |
| CN111899256B (zh) * | 2020-08-12 | 2023-10-03 | 南京工程学院 | 一种基于红外图像热点特征聚类分析的退役锂电池筛选方法 |
| CN115060320A (zh) * | 2022-06-20 | 2022-09-16 | 武汉涛初科技有限公司 | 一种基于机器视觉的动力锂电池生产质量在线监测分析系统 |
| CN115060320B (zh) * | 2022-06-20 | 2023-09-29 | 武汉涛初科技有限公司 | 一种基于机器视觉的动力锂电池生产质量在线监测分析系统 |
| CN116559188A (zh) * | 2023-06-25 | 2023-08-08 | 江花集团有限公司 | 一种接管螺母批量检测装置及方法 |
| CN116559188B (zh) * | 2023-06-25 | 2024-03-22 | 江花集团有限公司 | 一种接管螺母批量检测装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108459029A (zh) | 一种基于图像的锂电池生产化成检测设备及检测方法 | |
| JP6608042B2 (ja) | 熱画像カメラを利用した電力設備診断装置および方法 | |
| US11218628B2 (en) | Method and system for identifying light source and application thereof | |
| US7272253B2 (en) | Method for non-destructive inspection, apparatus thereof and digital camera system | |
| CN101620676B (zh) | 绝缘子轮廓的快速图像识别方法 | |
| CN111339951A (zh) | 体温测量方法、装置及系统 | |
| CN108732507A (zh) | 一种基于电池温度场以及可见光图像的锂电池缺陷检测装置 | |
| CN110400315A (zh) | 一种缺陷检测方法、装置及系统 | |
| CN111047568A (zh) | 一种漏汽缺陷检测识别方法及系统 | |
| CN109100363A (zh) | 一种贴合异物缺陷与灰尘的区分方法及系统 | |
| CN109143001A (zh) | 受电弓检测系统 | |
| CN110146030A (zh) | 基于棋盘格标志法的边坡表面变形监测系统和方法 | |
| CN105022999A (zh) | 一种人码伴随实时采集系统 | |
| CN106872488A (zh) | 一种快速大面积透明基片双表面缺陷视觉检测方法及装置 | |
| CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
| CN109375068A (zh) | 一种基于紫外成像电晕检测的目标识别方法及装置 | |
| CN106778161A (zh) | 一种用于移动终端生物特征识别的成像图像显示的方法 | |
| CN109886195A (zh) | 基于深度相机近红外单色灰度图的皮肤识别方法 | |
| CN116310678A (zh) | 固态激光雷达与热成像视觉融合的火源识别及定位方法 | |
| CN110320523A (zh) | 跟随机器人的目标定位装置及方法 | |
| CN113762161B (zh) | 一种障碍物智能监测方法及系统 | |
| CN111208148A (zh) | 一种挖孔屏漏光缺陷检测系统 | |
| CN208520771U (zh) | 板面材料全视面缺陷检测系统 | |
| CN109544535B (zh) | 一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统 | |
| KR20190134426A (ko) | 트리오 영상장치를 통한 태양광 모듈 열화상 촬영 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180828 |