CN113379628A - 一种基于红外热成像仪探测锂电池热失控的方法 - Google Patents
一种基于红外热成像仪探测锂电池热失控的方法 Download PDFInfo
- Publication number
- CN113379628A CN113379628A CN202110635392.9A CN202110635392A CN113379628A CN 113379628 A CN113379628 A CN 113379628A CN 202110635392 A CN202110635392 A CN 202110635392A CN 113379628 A CN113379628 A CN 113379628A
- Authority
- CN
- China
- Prior art keywords
- image
- lithium battery
- detecting
- infrared
- infrared thermal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 46
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 46
- 230000033001 locomotion Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000005855 radiation Effects 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000009432 framing Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 230000001629 suppression Effects 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 238000001514 detection method Methods 0.000 claims description 15
- 238000001931 thermography Methods 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000005764 inhibitory process Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 230000005457 Black-body radiation Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000000779 smoke Substances 0.000 description 23
- 239000002245 particle Substances 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 239000007789 gas Substances 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- UFWIBTONFRDIAS-UHFFFAOYSA-N Naphthalene Chemical compound C1=CC=CC2=CC=CC=C21 UFWIBTONFRDIAS-UHFFFAOYSA-N 0.000 description 2
- PPBRXRYQALVLMV-UHFFFAOYSA-N Styrene Chemical compound C=CC1=CC=CC=C1 PPBRXRYQALVLMV-UHFFFAOYSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- PMJHHCWVYXUKFD-SNAWJCMRSA-N (E)-1,3-pentadiene Chemical compound C\C=C\C=C PMJHHCWVYXUKFD-SNAWJCMRSA-N 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 239000005030 aluminium foil Substances 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- -1 steam Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Abstract
本发明公开了一种基于红外热成像仪探测锂电池热失控的方法,其特征在于,包括如下步骤:(1)通过红外热成像仪运用光电技术检测物体热辐射的红外线特定波段信号,将该信号转换成可供人类视觉分辨的图像和图形;(2)将图像和图像进行图形预处理,利用中值滤波法进行去噪,并框出候选区域;(3)对候选区域进行非极大值抑制NMS处理得到温度最高的运动区域,计算运动区域最高温度,并判断所述最高温度是否超过预设阈值,以是否执行报警。本发明具有如下有益效果:(1)本发明缩短报警时间;(2)本发明可直观地观测到报警区域,为救援争取时间;(3)本发明可通过调整设定的报警阈值来适应于不同的锂电池运输和存储环境,提高火灾监控效率。
Description
技术领域
本发明涉及锂电池热失控的检测技术领域,尤其涉及一种基于红外热成像仪探测锂电池热失控的方法。
背景技术
随着新能源汽车的市场规模逐步增长和储能电池的需求扩大,2015-2020年我国锂电池的产量不断增加。2020年,我国锂离子电池产量达188.45亿只,同2019年相比增长19.87%。伴随着锂电池总出货量的逐年增加,我国锂电池的运输量也呈指数倍增长,据调查每年锂电池占所有危险品运输总量的75%以上。而众所周知,锂电池一旦发生热失控具有爆炸能量大、喷射气体温度高、波及范围广等特点。因此,安全无小事,对锂电池运输途中的安全监控是防止发生事故的第一步也是最重要的一步。
锂电池作为第九类危险品,根据《锂电池运输规范》7.8.3章节规定,锂电池电芯的额定能量不超过20Wh,锂电池的额定能量不超过100Wh,而锂电池的最佳存储SOC为满荷电状态的三分之一到一半之间,因此为了保持锂电池良好的性能,运输的锂电池都会具有40%左右的电量。据相关实验研究表明:一节SOC为30%的21700型锂电池发生热失控时会产生超过100℃的高温,60%的锂电池会产生超过500℃的高温,而一节满荷电状态的锂电池会产生超过1000℃的高温,同时都还会从电池正极处喷射出大量的高温物质和气体以及萘、苯、戊二烯、苯乙烯等毒性有机物,影响人们的身体健康。
目前,在运输行业包括锂电池运输使用最广泛的是烟雾探测器,烟雾探测器又分为离子感烟和光电感烟。离子感烟火灾探测器是利用火灾发生时产生的烟雾能改变空气的导电性这一原理制成的,但由于离子感烟探测器受温度、湿度和杂尘等因素的影响较大,容易诱发假报、误报的现象,该报警器不适用于有大量粉尘、蒸气、烟雾、油雾、水雾等滞留的场所,因为一旦干扰颗粒改变探测室中空气的电离情况,探测器就会反馈假信号。同时,探测器中存在放射性物质,对人身安全和生态环境都会产生威胁。光电感烟火灾探测器是典型的烟雾探测器,它是利用烟雾能够改变光的传播特性这一基本性质研制而成,但由于光电感烟探测器本质上是粒子探测器且对黑烟灵敏度较低,经常产生虚假信号,而且运输舱易产生干扰颗粒,一旦这些干扰物飘入探测室,当探测器红外光线产生足够的反射和散射时,就会导致光电管中光电流的增加,产生假火警报。由于该探测器只能检测到粒径大于0.4μm的粒子,本身又无法分辨出进入传感器探测室的物质属性,在正常情况和火灾情况的典型差别仅有0.09%前提下,较小的信号变化会使探测器极易受到干扰因素的影响,并且该类火灾报警器无法检测一氧化碳等可燃气体的存在,导致误报情况频频发生。
另外,烟雾探测器在货舱空间足够大的情况下,必须等到烟雾颗粒进入探测器探测室时才会报警,这会导致报警时间过长,错过最佳灭火时机。
发明内容
本发明提供的一种基于红外热成像仪探测锂电池热失控的方法,其主要解决在货舱空间足够大的情况下,必须要等到烟雾颗粒进入探测器探测室时才可报警的问题,而红外热成像仪可以直观地从图像上进行甄别,无需等待烟雾颗粒进入探测器探测室,缩短了报警时间,将经济损失与社会危害降到了最低。
为了实现上述目的,本发明采用了如下技术方案:一种基于红外热成像仪探测锂电池热失控的方法,包括如下步骤:
S1:通过红外热成像仪运用光电技术检测物体热辐射的红外线特定波段信号,将该信号转换成可供人类视觉分辨的图像和图形;
S2:将所述图像和图像进行图形预处理,以及利用中值滤波法进行去噪,并框出候选区域;
S3:对候选区域进行非极大值抑制NMS处理得到温度最高的运动区域,计算运动区域最高温度,并判断所述最高温度是否超过预设阈值,以是否执行报警。
进一步地,所述方法还包括S4为:
若所述最高温度超过预设阈值,触发报警器报警;
若所述最高温度未超过预设阈值,则继续执行收集改运动区域的最高温度。
进一步地,所述红外热成像仪包括由热成像机芯、变焦可见光机芯和增稳云台。
进一步地,所述上述红外线成像仪的使用方法具体为:通过热成像机芯获取可见光及热成像视频流,并将可见光及热成像视频流在变焦可见光机芯内部进行分别存储,根据外部控制命令合成多种画中画模式,以及输出。
进一步地,所述步骤S2包括如下步骤:
S21:灰度处理:将所述图像和图像进行转化成一种样本颜色;具体为一张图片是由像素点矩阵构成,一个像素点的颜色通常包括R、G、B三个分量,分别显示出红、绿、蓝三个颜色,灰度化就是使彩色图像的R、G、B三个分量相等的过程;灰度图像中每个像素仅具有一种样本颜色,R=G=B,其灰度是位于黑色与白色之间的多级色彩深度,灰度值大的像素点比较亮,反之比较暗,像素值最大为255(表示白色),像素值最小为0(表示黑色);
S22:二值化处理:Opencv模块中的图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果;通过设定像素点的临界值,当像素点超过临界值,将会被划分为255(白色);低于临界值,将会被划分为0(黑色);
S23:中值滤波法去噪:中值滤波是一种图像平滑处理算法,基本原理就是,测试像素周围邻域像素集中的中值代替原像素,能够有效去除孤立的噪声点或较细的噪声线,这样就能让目标像素周围能够更好的接近真实值,增大识别率。
进一步地,所述步骤S2中框出候选区域具体为:利用“帧间差分法”通过对时间上连续的两帧或三帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动目标,从而实现目标的检测功能。
进一步地,所述利用帧间差分法方法,包括如下步骤:
视频序列中第n帧和第n-1帧图像为fn和fn-1,两帧对应像素点的灰度值记为fn(x,y)和fn-1(x,y),按照公式(1)将两帧图像对应像素点的灰度值进行相减,并取其绝对值,得到差分图像Dn:
Dn(x,y)=|fn(x,y)-fn-1(x,y)| (1);
设定阈值T,按照式(2)逐个对像素点进行二值化处理,得到二值化图像Rn’;其中,灰度值为255的点即为前景(运动目标)点,灰度值为0的点即为背景点;对图像Rn’进行连通性分析,最终可得到含有完整运动目标的图像Rn;
进一步地,所述非极大值抑制NMS处理方法为:框选候选区域时会出现重叠框,所以使用非极大值抑制进行筛选打分,去除相同目标的重叠的多余的轮廓框,保留得分最大的候选区域,以得到温度最高的运动区域。
进一步地,所述步骤S3中计算最高温度公式为:M为物体在绝对温度T时单位面积和单位时间内辐射的总能量,则:
M=σεT4
进一步地,所述红外热成像仪配置有以太网PoE交换机和装有python 3.0以上版本的电脑;用网线将红外热成像仪与电脑通过PoE交换机连接,交换机既可给红外摄像头供电,也可给电脑传输抓取画面,通过python软件,利用帧差法模型对画面进行处理框出运动区域,然后通过opencv模块在电脑上实时显示,同时对该区域最高温度进行收集并与设定阈值进行比较,判断是否发出报警信号。
本发明具有如下有益效果:
(1)本发明缩短报警时间;
(2)本发明可直观地观测到报警区域,为救援争取时间;
(3)本发明可通过调整设定的报警阈值来适应于不同的锂电池运输和存储环境,提高火灾监控效率。
附图说明
图1为帧间差分法的流程示意图;
图2为红外热成像仪、以太网PoE交换机和电脑的工作流程示意图;
图3为图像合成、温度显示和运动区域锁定的python程序处理流程图;
图4为监测示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实现的技术原理:物体表面温度如果超过绝对零度(-273℃)就会辐射出电磁波,随着温度变化,电磁波的辐射强度与波长分布特性也随之改变,波长介于0.75μm到1000μm间的电磁波称为“红外线”,而人类视觉可见的“可见光”介于0.4μm到0.75μm。红外热成像运用光电技术检测物体热辐射的红外线特定波段信号,将该信号转换成可供人类视觉分辨的图像和图形,并可以进一步计算出温度值。红外热成像技术使人类超越了视觉障碍,由此人们可以‘看见’物体表面的温度分布状况。自然界中,一切物体都可以辐射红外线,因此利用探测仪测定目标的本身和背景之间的红外线差就可以得到不同的红外图像。由于锂电池喷射出的烟气颗粒具有高温的特征,可根据红外热成像仪进行探测,同时可根据探测烟雾的辐射能量得出烟雾的温度。探测物体的红外辐射规律服从斯忒藩—玻耳兹曼定律:物体温度越高,其辐射的能量越多。M为物体在绝对温度T时单位面积和单位时间内辐射的总能量,则:
M=σεT4
烟雾的另一个特征就是运动特征,由于空气的流动,锂电池所喷射出的烟气的整体轮廓会随着时间而改变,呈现出向上浮动的状态,可由运动检测模块进行探测。运动检测模块采用了“帧间差分法”的原理,红外成像仪采集的视频具有连续性的特点,如果场景内没有运动目标,则连续帧的变化很微弱,如果存在运动目标,则连续帧和帧之间之间会有明显的变化。“帧间差分法”就是借鉴了上述思想,由于场景中目标在移动,目标的影像在不同图像帧中的位置不同。通过对时间上连续的两帧或三帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动目标,从而实现目标的检测功能。
如图1所示,视频序列中第n帧和第n-1帧图像为fn和fn-1,两帧对应像素点的灰度值记为fn(x,y)和fn-1(x,y),按照公式(1)将两帧图像对应像素点的灰度值进行相减,并取其绝对值,得到差分图像Dn:
Dn(x,y)=|fn(x,y)-fn-1(x,y)| (1)
设定阈值T,按照式(2)逐个对像素点进行二值化处理,得到二值化图像Rn’。其中,灰度值为255的点即为前景(运动目标)点,灰度值为0的点即为背景点;对图像Rn’进行连通性分析,最终可得到含有完整运动目标的图像Rn。
另外为保证锂电池良好的性能,在储存和运输过程中都会保持一定的荷电状态,所以就会存在发生热失控的安全隐患。通过相关实验研究表明,锂电池在发生热失控时,内部会发生化学反应产生大量气体,使得电池内部压力增大,当压力增到一定程度时,会在电池的防爆阀或外壳等处发生泄压,喷,以及铝箔在高温熔化后喷出形成的小颗粒。
通过对这些高温颗粒物质的检测,可实现对锂电池热失控初始阶段的报警,防止锂电池间的热失控传播,将经济损失与社会危害降到最低。
本发明采用的设备为:红外热成像仪,以太网PoE交换机,一台装有python3.0以上版本的电脑,两根网线。
本发明方法所涉及的红外热成像仪是一款集成倍光学变焦相机,由热成像机芯、变焦可见光机芯、增稳云台三部分组成,可见光及热成像视频流在可见光机芯内部进行分别存储,并根据外部控制命令合成多种画中画模式,由rtsp输出,同时还具有中心点、最高温和最低温的温度显示功能(如图2所示)。
此探测方法主要通过python软件进行分析和处理,具体流程是:用网线将红外热成像仪与电脑通过PoE交换机连接,交换机既可给红外摄像头供电,也可给电脑传输抓取画面,通过python软件,利用帧差法模型对画面进行处理框出运动区域,然后通过opencv模块在电脑上实时显示,同时对该区域最高温度进行收集并与设定阈值进行比较,判断是否发出报警信号。
图3为图像合成、温度显示和运动区域锁定的python程序处理流程图;
灰度处理:一张图片是由像素点矩阵构成,一个像素点的颜色通常包括R、G、B三个分量,分别显示出红、绿、蓝三个颜色,灰度化就是使彩色图像的R、G、B三个分量相等的过程。灰度图像中每个像素仅具有一种样本颜色,R=G=B,其灰度是位于黑色与白色之间的多级色彩深度,灰度值大的像素点比较亮,反之比较暗,像素值最大为255(表示白色),像素值最小为0(表示黑色)。
二值化处理:Opencv模块中的图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。通过设定像素点的临界值,当像素点超过临界值,将会被划分为255(白色);低于临界值,将会被划分为0(黑色)。
中值滤波法去噪:中值滤波是一种图像平滑处理算法,基本原理就是,测试像素周围邻域像素集中的中值代替原像素,能够有效去除孤立的噪声点或较细的噪声线,这样就能让目标像素周围能够更好的接近真实值,增大识别率。
非极大值抑制NMS:框选运动区域时会出现重叠框,所以使用非极大值抑制进行筛选打分,去除相同目标的重叠的多余的轮廓框,只保留得分最大的那个。
本发明相较于一般烟雾探测器,红外视频监测更为直观,可在第一时间知道危险区域,方便消除危险,降低损失;响应速度更快,抗干扰性强,不易产生虚报误报。
本发明的重点为:对于现有烟雾探测器虚报误报漏报频发的情况,本发明方法通过对运动区域的锁定和该区域最高温度的判别对火灾进行识别,提高了报警准确率。同时对会产生高温烟气的锂电池热失控火灾提出了一种红外热成像探测方法,通过收集和分析图像的特征,结合温度因素来识别火灾,可有效减少锂电池发生热失控带来危害的情况。
如图4所示,当运输舱里包装箱内某个锂电池发生热失控时,会产生大量高温烟气颗粒从包装箱缝隙喷射出,通过运动程序对该区域进行锁定,同时红外热成像仪温度模块对该区域最高温度进行采集并进行判别,如果最高温度超过设定阈值,则发出警报;如果最高温度未超过设定阈值,温度模块会一直对该区域温度进行收集监测,红外热成像仪可直观上观测到锂电池发生热失控区域并通过显示屏显示给监测人员。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于红外热成像仪探测锂电池热失控的方法,其特征在于,包括如下步骤:
S1:通过红外热成像仪运用光电技术检测物体热辐射的红外线特定波段信号,将该信号转换成可供人类视觉分辨的图像和图形;
S2:将所述图像和图像进行图形预处理,以及利用中值滤波法进行去噪,并框出候选区域;
S3:对候选区域进行非极大值抑制NMS处理得到温度最高的运动区域,计算运动区域最高温度,并判断所述最高温度是否超过预设阈值,以是否执行报警。
2.根据权利要求1所述的基于红外热成像仪探测锂电池热失控的方法,其特征在于:所述方法还包括S4为:
若所述最高温度超过预设阈值,触发报警器报警;
若所述最高温度未超过预设阈值,则继续执行收集改运动区域的最高温度。
3.根据权利要求1所述的基于红外热成像仪探测锂电池热失控的方法,其特征在于:所述红外热成像仪包括由热成像机芯、变焦可见光机芯和增稳云台。
4.根据权利要求3所述的基于红外热成像仪探测锂电池热失控的方法,其特征在于:所述上述红外线成像仪的使用方法具体为:通过热成像机芯获取可见光及热成像视频流,并将可见光及热成像视频流在变焦可见光机芯内部进行分别存储,根据外部控制命令合成多种画中画模式,以及输出。
5.根据权利要求1所述的基于红外热成像仪探测锂电池热失控的方法,其特征在于:所述步骤S2包括如下步骤:
S21:灰度处理:将所述图像和图像进行转化成一种样本颜色;
S22:二值化处理:将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果;通过设定像素点的临界值,当像素点超过临界值,将会被划分为255(白色);低于临界值,将会被划分为0(黑色);
S23:中值滤波法去噪:测试像素周围邻域像素集中的中值代替原像素,能够有效去除孤立的噪声点或较细的噪声线。
6.根据权利要求1所述的基于红外热成像仪探测锂电池热失控的方法,其特征在于:所述步骤S2中框出候选区域具体为:利用“帧间差分法”通过对时间上连续的两帧或三帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动目标,从而实现目标的检测功能。
8.根据权利要求1所述的基于红外热成像仪探测锂电池热失控的方法,其特征在于:所述非极大值抑制NMS处理方法为:框选候选区域时会出现重叠框,所以使用非极大值抑制进行筛选打分,去除相同目标的重叠的多余的轮廓框,保留得分最大的候选区域,以得到温度最高的运动区域。
10.根据权利要求1所述的基于红外热成像仪探测锂电池热失控的方法,其特征在于:所述红外热成像仪配置有以太网PoE交换机和装有python 3.0以上版本的电脑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110635392.9A CN113379628A (zh) | 2021-06-07 | 2021-06-07 | 一种基于红外热成像仪探测锂电池热失控的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110635392.9A CN113379628A (zh) | 2021-06-07 | 2021-06-07 | 一种基于红外热成像仪探测锂电池热失控的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113379628A true CN113379628A (zh) | 2021-09-10 |
Family
ID=77576343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110635392.9A Pending CN113379628A (zh) | 2021-06-07 | 2021-06-07 | 一种基于红外热成像仪探测锂电池热失控的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379628A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116593495A (zh) * | 2023-07-17 | 2023-08-15 | 山西智合清浩环保技术服务有限公司 | 烟气在线监测设备的运维智能控制系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046868A (zh) * | 2015-06-16 | 2015-11-11 | 苏州华启智能科技股份有限公司 | 一种狭长环境中基于红外热像仪的火灾预警方法 |
CN107093179A (zh) * | 2017-03-07 | 2017-08-25 | 北京环境特性研究所 | 针对广域空间的双波段火灾搜索定位方法 |
CN109064701A (zh) * | 2018-07-27 | 2018-12-21 | 清华大学 | 电池火灾预警系统及方法 |
-
2021
- 2021-06-07 CN CN202110635392.9A patent/CN113379628A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046868A (zh) * | 2015-06-16 | 2015-11-11 | 苏州华启智能科技股份有限公司 | 一种狭长环境中基于红外热像仪的火灾预警方法 |
CN107093179A (zh) * | 2017-03-07 | 2017-08-25 | 北京环境特性研究所 | 针对广域空间的双波段火灾搜索定位方法 |
CN109064701A (zh) * | 2018-07-27 | 2018-12-21 | 清华大学 | 电池火灾预警系统及方法 |
Non-Patent Citations (3)
Title |
---|
BING LI 等: "Lithium-ion Battery Thermal Safety by Early Internal Detection, Prediction and Prevention", 《SCIENTIFIC REPORTS》 * |
DEUTSCHE ACCUMOTIVE GMBH 等: "Fast Thermal Runaway Detection for Lithium-Ion Cells in Large Scale Traction Batteries", 《BATTERIES》 * |
张斌: "基于红外热成像技术的动力电池组热失控监测系统", 《电池工业》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116593495A (zh) * | 2023-07-17 | 2023-08-15 | 山西智合清浩环保技术服务有限公司 | 烟气在线监测设备的运维智能控制系统及方法 |
CN116593495B (zh) * | 2023-07-17 | 2023-09-08 | 山西智合清浩环保技术服务有限公司 | 烟气在线监测设备的运维智能控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10074256B2 (en) | Detection system and method featuring multispectral imaging device | |
CN112365669A (zh) | 双波段远红外融叠成像及火灾预警方法及系统 | |
CN101577033A (zh) | 多波段红外图像型火灾探测系统及其火灾预警方法 | |
WO2012125731A2 (en) | Mwir sensor for flame detection | |
CN108648400A (zh) | 一种基于多光谱的输电线路山火勘测预警装置及预警方法 | |
JP2019203879A (ja) | 光学式気体撮像カメラ用の気体のマルチスペクトル定量・識別方法 | |
CN109284697B (zh) | 基于滑动窗口的应急通道占用实时检测方法 | |
Yang et al. | Early detection of forest fire based on unmaned aerial vehicle platform | |
CN113160513A (zh) | 基于多传感器的火焰探测装置 | |
US6529132B2 (en) | Device for monitoring an enclosure, in particular the hold of an aircraft | |
CN109360370B (zh) | 一种基于机器人烟火检测的方法 | |
CN113379628A (zh) | 一种基于红外热成像仪探测锂电池热失控的方法 | |
CN108682105A (zh) | 一种基于多光谱的输电线路山火勘测预警装置及预警方法 | |
JP6837244B2 (ja) | 水素火炎監視装置および水素取扱施設 | |
CN112733646B (zh) | 一种基于热成像的液态介质泄漏自动检测方法及系统 | |
KR20140109671A (ko) | 카메라의 명암 영상신호를 이용한 화염 검출방법 | |
Huber et al. | The near infrared imaging system for the real-time protection of the JET ITER-like wall | |
Ho et al. | Nighttime fire smoke detection system based on machine vision | |
CN207199041U (zh) | 一种社区用高效安防监控一体系统 | |
Hanamaraddi | A literature study on image processing for forest fire detection | |
Zaman et al. | Fire detection using computer vision | |
Kundu et al. | A highly accurate fire detection method using discriminate method | |
Singh et al. | Real-time fire detection system based on cnn using tensorflow and opencv | |
Xie et al. | Large space fire detection in laboratory-scale based on color image segmentation | |
He et al. | Joint detection of smoke and flame in Photovoltaic System based on deep learning |
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 |