CN113554600A - 基于红外图像的电解槽极板检测方法 - Google Patents

基于红外图像的电解槽极板检测方法 Download PDF

Info

Publication number
CN113554600A
CN113554600A CN202110732318.9A CN202110732318A CN113554600A CN 113554600 A CN113554600 A CN 113554600A CN 202110732318 A CN202110732318 A CN 202110732318A CN 113554600 A CN113554600 A CN 113554600A
Authority
CN
China
Prior art keywords
image
block
temperature
analyzed
electrolytic cell
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.)
Granted
Application number
CN202110732318.9A
Other languages
English (en)
Other versions
CN113554600B (zh
Inventor
鲍镇
郭杰
胡子豪
杨帆
王万军
徐勇
王俊杰
胡晋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Gold Star Mechatronics Technical Development Co ltd
Tongling Nonferrous Metals Group Co Ltd
Original Assignee
Hefei Gold Star Mechatronics Technical Development Co ltd
Tongling Nonferrous Metals Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Gold Star Mechatronics Technical Development Co ltd, Tongling Nonferrous Metals Group Co Ltd filed Critical Hefei Gold Star Mechatronics Technical Development Co ltd
Priority to CN202110732318.9A priority Critical patent/CN113554600B/zh
Publication of CN113554600A publication Critical patent/CN113554600A/zh
Application granted granted Critical
Publication of CN113554600B publication Critical patent/CN113554600B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/20—Recycling

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于故障检测技术领域，特别涉及一种基于红外图像的电解槽极板检测方法，对有效的电解槽图像进行分析，获得槽内各极板均处于正常工作状态时的特征图像，比对原始图像与特征图像的温度特征值判断电解槽内是否存在故障极板。本发明基于电解槽内邻近区域的温度特征推算当前区域的温度特征，再用当前区域的实际温度特征与之比对进行故障检测，能有效避免季节温度发生较大变化的情况下，绝对温度阈值不准带来的影响。

Description

基于红外图像的电解槽极板检测方法
技术领域
本发明属于故障检测技术领域，特别涉及一种基于红外图像的电 解槽极板检测方法。
背景技术
铜电解过程，是将粗铜制成厚板作为阳极，纯铜或不锈钢制成薄 片作为阴极，相间地插入电解液中，通电后，槽内阳极溶解，阳极铜 以离子形式进入电解液，向阴极扩散，在阴极获得电子析出，得到高 纯度金属铜。铜电解过程中极板易发生“冷板”与“短路”。由于工 人排板失误、电解槽导电排污染等原因造成极板接触失效，无电流或 小电流通过，降低了电解的工作效率，称为冷板；由于极板间电流分 布不均、阳极泥粘附等原因导致阴极板结瘤生长，造成阳极-阴极短 路。短路电极不仅停止电解，大量电流流过短路电极发热，以热量形 式消耗，增加能耗的同时降低了电流效率，而且对阴极铜品位产生严 重影响。及时发现并排除电解槽内极板故障是槽面管理的关键工作， 具有重要的经济与工艺意义。
北京科技大学博士学位论文《基于红外图像的铜电解精炼过程状 态检测研究》中公开了对电解槽的盖布区域和裸露区域分别进行故障 阴极提取的方法，其中，盖布区域先获取差值图像后，设置双阈值 thresholA和thresholB，当前阴极棒纵向积分结果大于给定阈值 thresholA，且该位置灰度和与周围区域的局部对比度大于thresholB 时，才认为是故障阴极。采用此方法盖布区域图像的误检率较高，论 文中认为是由于天车遮挡、槽面作业人员影响、盖布不规范和算法本 身存在局限性导致的误检和漏检，同时认为故障阴极的定位实质上时 图像识别和分为问题，进而采取了构建同时适用于盖布区域和裸露区 域的基于SVM的故障阴极提取方法，但该方法中每个样本对应一个 九维特征向量，应用时需要耗费大量机器内存和运算时间，无法满足 现场应用需求。
发明内容
本发明的目的在于提供一种检测速度快、准确性高的基于红外图 像的电解槽极板检测方法。
为实现以上目的，本发明采用的技术方案为：一种基于红外图像 的电解槽极板检测方法，对有效的电解槽图像进行分析，获得槽内各 极板均处于正常工作状态时的特征图像，比对原始图像与特征图像的 温度特征值判断电解槽内是否存在故障极板。
与现有技术相比，本发明存在以下技术效果：基于电解槽内邻近 区域的温度特征推算当前区域的温度特征，再用当前区域的实际温度 特征与之比对进行故障检测，能有效避免季节温度发生较大变化的情 况下，绝对温度阈值不准带来的影响。
附图说明
下面对本说明书各附图所表达的内容及图中的标记作简要说明：
图1是标准图像示意图；
图2是检测图像示意图；
图3是电解槽校正标准图像、电解槽图像示意图；
图4是检测电解槽图像温度区域边缘线的示意图；
图5是检测电解槽图像高低温区域的示意图；
图6是图5中拟盖布区域与拟裸露区域的划分示意图；
图7是验证电解槽图像有效性的示意图；
图8是有效图像样本；
图9是无效图像样本；
图10是分析图块示意图；
图11是待分析图块示意图；
图12是原始热像图示例；
图13是拟正常图块拼接得到的热像图示例；
图14存在故障极板的电解槽图像示例；
图15是图14的温度特征值曲线示例。
图中：10.标准图像，11.定位锚框，12.角点，14.电解槽校正标准 图像，15.分析图块，20.检测图像，21.校正图像，22.电解槽图像，221. 待分析区域，23.待分析图块，23a.当前图块，23b.邻近图块，24.拟正 常图块，31.拟盖布区域，32.拟裸露区域，33.温度区域边缘线。
具体实施方式
下面结合附图，通过对实施例的描述，对本发明的具体实施方式 作进一步详细说明。
一种基于红外图像的电解槽极板检测方法，对有效的电解槽图像 22进行分析，获得槽内各极板均处于正常工作状态时的特征图像， 比对原始图像与特征图像的温度特征值判断电解槽内是否存在故障 极板。基于电解槽内邻近区域的温度特征推算当前区域的温度特征， 再用当前区域的实际温度特征与之比对进行故障检测，能有效避免季 节温度发生较大变化的情况下，绝对温度阈值不准带来的影响。
具体实施时，将电解槽图像22分为若干待分析图块23，待分析 图块23的数量与电解槽内极板的数量相符，本实施例中，每个待分 析图块23的块域内含有一块极板或一组阴阳极板。根据邻近图块23b 的温度信息计算得到当前图块23a的拟正常图块24。依次比对并判 断当前图块23a与拟正常图块24的温度信息，检测发现异常极板时， 就能根据对应的图块准确定位故障极板。也可以根据拟正常图块24 信息提取得到故障温度特征曲线检测异常极板，如附图15所示，图 中用方框标记处的峰值超过限定值，判断该处存在故障极板，根据标 记峰值的坐标便能定位故障极板。
电解槽极板检测方法具体包括如下步骤：
A、将电解槽图像22分割为若干待分析图块23；
电解槽图像22为长方形图像，各待分析图块23的大小相等并沿 电解槽图像22的长度方向或宽度方向依次排布。本实施例中，如附 图11所示，根据电解槽图像22尺寸与该电解槽内极板的数量确定待 分析图块23的尺寸，待分析图块23的延伸方向与极板的延伸方向相 符。每个待分析图块23内包含一组阴、阳极板。在其他实施例中， 由于极板自上而下也存在温度差，待分析图块23也可以垂直于极板 延伸方向布置。
B、根据邻近图块23b的温度信息计算得到当前图块23a的拟正 常图块24，拟正常图块24为当前图块内的极板处于正常工作状态时 的特征图块；
本实施例中，所述的温度信息包括待分析图块23温度分布、纵 向温度梯度分布和横向温度梯度分布信息。
具体的，采用位于当前图块23a两侧各n个邻近图块23b的温度 信息用于拟合当前图块23a的计拟正常图块24，其中n≥2，
若当前图块23a一侧的待分析图块23数量小于n，增选另一侧 待分析图块23，使用于拟合的邻近图块23b数量为2n。
C、比对各待分析图块23与其拟正常图块24的温度特征值，判 断该图块内是否存在故障极板。
本实施例中，所述的温度特征值包括图块中裸露区域的温度特征 值和盖布区域的温度特征值；若待分析图块23与其拟正常图块24的 温度特征值差值位于限定阈值内，判定该待分析图块23内为正常工 作极板，若二者的温度特征值差值超出限定阈值，判定该待分析图块 23内存在故障极板。
有效电解槽图像22的拟盖布区域31、拟裸露区域32分别采用 不同的温度特征值用于分析判断极板故障情况。有效电解槽图像22 中，由于拟盖布区域31、拟裸露区域32的温度特征与有效性判断阈 值、有效性验证模型均相符，故而，认定原拟盖布区域31为实际盖 布区域、拟裸露区域32为实际裸露区域。裸露区域与盖布区域的温 度特征不同，采用不同的温度特征值能更提升极板故障判断的准确 性。
具体的，所述的温度特征值T故障＝T裸露×a+T盖布，
T裸露为裸露区域温度特征值，是当前图块23a的温度最大值与邻 近图块23b的温度最大值的差值；
T盖布为盖布区域温度特征值，是当前图块23a高温区在图块长度 方向上的长度值；
a为裸露区域故障温度特征值的放大系数，是常数。
应用前文所述电解槽极板检测方法的具体实施例如下：
步骤1、获取并标定标准图像10；
热像仪在预置位采集得到标准图像10；
步骤1.1、人工标定标准图像10中的定位锚框11，定位锚框11 的框域内包括锚定物体的图像，锚定物体为固定安装且全部或部分本 体位于电解槽口沿外侧的物体。
步骤1.2、人工标定标准图像10中各电解槽的角点12，同时标 定各电解槽内极板的数量。
步骤1.1、步骤1.2可同时进行。
步骤1.31、获取有效性判断特征阈值；
人工选取电解槽无遮挡的图像和电解槽被遮挡的图像进行分析， 提取盖布区域和裸露区域的温度均值范围、温度分布标准差范围为特 征阈值范围。
用于标记训练的图像应当包括与热像仪远近不同的电解槽图像， 包括无遮挡的电解槽图像和有遮挡的电解槽图像，其中，有遮挡的电 解槽图像应当包括盖布遮挡、桁车遮挡、作业人员遮挡等情况，遮挡 范围不同。
步骤1.32、建立有效性验证模型；
人工选取电解槽无遮挡的图像和电解槽被遮挡的图像进行训练， 构建有效性验证模型，其中每个样本对应一个四维特征向量F，
F＝[m1，m2，d1，d2]T
m1为盖布区域的温度均值；m2为裸露区域的温度均值，d1为盖 布区域的温度分布标准差，d2为裸露区域的温度分布标准差。
本实施例中，用于进行图像有效性判断的温度特征值为各区域内 的温度均值、温度分布标准差。在其他实施例中，可以根据需求选取 其他温度参数作为温度特征值。
步骤2、获取检测图像20，基于标定信息得到电解槽图像22；
检测作业时，热像仪调校至步骤1所述的预置位，采集得到检测 图像20。
步骤2.1、分别计算检测图像20和标准图像10的亮度分布图， 根据二者的亮度分布图计得各自的增强系数，基于增强系数分别对两 图像进行图像增强处理。即在检测作业时，对步骤1中保存的标准图 像10和新采集的检测图像20同时进行处理，能够获得对比度增强后， 亮度分布更加相近的两图像，以保证两图像配准的可靠性。
步骤2.2、根据标定信息配准检测图像20与标准图像10得到校 正图像21；
分别对检测图像20和标准图像10中定位锚框11框域内的图像 进行分析匹配，生成投影变换矩阵，检测图像20根据投影变换矩阵 生成校正图像21。检测图像20根据投影变换矩阵对其画面进行偏移、 旋转或缩放后，消除二者偏差得到校正图像21。
步骤2.3、基于标定信息处理校正图像21得到电解槽图像22；
校正图像21沿同一电解槽的相邻角点12连线切割得到该电解槽 的电解槽原始图像，对各电解槽原始图像进行校正得到如附图3所示 的长方形状电解槽图像22。
步骤3、判断电解槽图像22的有效性；
步骤3.1、检测电解槽图像22中温度区域边缘线33；
边缘线包括沿图像长度方向延伸、宽度方向延伸的线条，如附图 4所示，横向延伸的温度区域边缘线33将该电解槽图像22自上而下 划分为3个区域。通常，沿图像宽度方向延伸，即竖向布置的温度区 域边缘线33为裸露区域极板的轮廓线。
步骤3.2、检测电解槽图像22中是否存在高温区域、低温区域；
若电解槽图像22中存在高温区域与低温区域，且两区域的分隔 线与步骤3.1中沿图像长度方向延伸的温度区域边缘线33相符，以 该温度区域边缘线33为边界将电解槽图像22划分为拟盖布区域31 和拟裸露区域32。其中高温区域为拟盖布区域31、低温区域为拟裸 露区域32。
若电解槽图像22中仅存在一个温度区域，将电解槽图像22画面 均划为拟裸露区域32。
例如，采用电解槽图像22的灰度直方图分析其高低温区域时， 若灰度直方图中有两个大波峰，则能将其划分为拟盖布区域31和拟 裸露区域32，若灰度直方图中只有一个大波峰，视电解槽图像22中 仅存在拟裸露区域32。
步骤3.3、分别辨识各区域的有效性；
分别计算拟盖布区域31和/或拟裸露区域32的温度特征值，若 拟盖布区域31的温度特征值与盖布区域特征阈值范围相符且拟裸露 区域32的温度特征值与裸露区域特征阈值范围相符，即当各区域均 为有效图像区域时，进入步骤3.4。
否则，判断当前电解槽图像22为无效图像。
步骤3.4、采用检测模型验证电解槽图像22的有效性；
步骤3.41、将电解槽图像22棋盘式分割为至少4个待分析区域 221，分别计算各待分析区域221的温度特征值；
温度特征值包括，拟盖布区域31的温度均值m1’；为拟裸露区 域32的温度均值m2’，d1为拟盖布区域31的温度分布标准差d1’，为 拟裸露区域32的温度分布标准差d2’。
如附图7所示，将电解槽图像22分割为8个待分析区域221。 在其他实施例中，也可以将电解槽图像22分割为大小一致的若干待 分析区域221。
步骤3.42、将各待分析区域221的温度特征值输入有效性验证模 型中，获得对应待分析区域221的图像有效性结果，若任一待分析区 域221为无效，判断当前电解槽图像22为无效图像。
本实施例中，有效性验证模型为基于SVM的分类模型。
步骤4、对有效的电解槽图像22进行分析，判断对应的电解槽 是否存在故障极板并定位故障极板。
步骤4.1、将电解槽图像22分割为若干待分析图块23；
根据电解槽图像22的尺寸与步骤1中所标记的该电解槽极板数 量，确定待分析图块23的尺寸，并将电解槽图像22分隔或分割为若 干待分析图块23。
步骤4.2、根据邻近图块23步骤2的温度信息计算得到当前图块 23步骤1的拟正常图块24，拟正常图块24为当前图块内的极板处于 正常工作状态时的特征图块；
根据邻近图块23步骤2的温度信息计算得到当前图块23步骤1 的拟正常图块24，拟正常图块24为当前图块内的极板处于正常工作 状态时的特征图块；
所述的温度信息包括待分析图块23温度分布、纵向温度梯度分 布和横向温度梯度分布信息；
采用位于当前图块23a两侧各n个邻近图块23b的温度信息用于 拟合当前图块23a的计拟正常图块24，其中n≥2，
若当前图块23a一侧的待分析图块23数量小于n，增选另一侧 待分析图块23，使用于拟合的邻近图块23b数量为2n；
步骤4.3、比对各待分析图块23与其拟正常图块24的故障温度 特征值，判断该图块内是否存在故障极板。
所述的故障温度特征值包括图块中裸露区域的故障温度特征值 和盖布区域的故障温度特征值；所述的故障温度特征值T故障＝T裸露 ×a+T盖布，
T裸露为裸露区域故障温度特征值，是当前图块23a的温度最大值 与邻近图块23b的温度最大值的差值；
T盖布为盖布区域故障温度特征值，是当前图块23a高温区在图块 长度方向上的长度值；
a为裸露区域故障温度特征值的放大系数，是常数。
若待分析图块23与其拟正常图块24的故障温度特征值差值位于 限定阈值内，判定该待分析图块23内为正常工作极板，
若二者的故障温度特征值差值超出限定阈值，判定该待分析图块 23内存在故障极板，记录并在步骤5中上传故障极板信息。如附图 15所示，图上左侧、右侧的标识框内标出的波峰处的故障温度特征 值超出限定阈值，与图14中对应标识的亮条、亮斑相对应，该处检 测发现故障极板。
步骤5、输出检测结果，结束本次检测。

Claims (8)

1.一种基于红外图像的电解槽极板检测方法，其特征在于：对有效的电解槽图像(22)进行分析，获得槽内各极板均处于正常工作状态时的特征图像，比对原始图像与特征图像的温度特征值判断电解槽内是否存在故障极板。
2.根据权利要求1所述的基于红外图像的电解槽极板检测方法，其特征在于：包括如下步骤，
A、将电解槽图像(22)分割为若干待分析图块(23)；
B、根据邻近图块(23b)的温度信息计算得到当前图块(23a)的拟正常图块(24)，拟正常图块(24)为当前图块内的极板处于正常工作状态时的特征图块；
C、比对各待分析图块(23)与其拟正常图块(24)的温度特征值，判断该图块内是否存在故障极板。
3.根据权利要求2所述的基于红外图像的电解槽极板检测方法，其特征在于：电解槽图像(22)为长方形图像，所述的步骤A中，各待分析图块(23)的大小相等并沿电解槽图像(22)的长度方向或宽度方向依次排布。
4.根据权利要求3所述的基于红外图像的电解槽极板检测方法，其特征在于：所述的步骤A中，根据电解槽图像(22)尺寸与该电解槽内极板的数量确定待分析图块(23)的尺寸，每个待分析图块(23)内包含一组阴、阳极板。
5.根据权利要求4所述的基于红外图像的电解槽极板检测方法，其特征在于：所述的步骤B中，所述的温度信息包括待分析图块(23)温度分布、纵向温度梯度分布和横向温度梯度分布信息。
6.根据权利要求4所述的基于红外图像的电解槽极板检测方法，其特征在于：所述的步骤C中，所述的温度特征值包括图块中裸露区域的温度特征值和盖布区域的温度特征值；
若待分析图块(23)与其拟正常图块(24)的温度特征值差值位于限定阈值内，判定该待分析图块(23)内为正常工作极板，若二者的温度特征值差值超出限定阈值，判定该待分析图块(23)内存在故障极板。
7.根据权利要求6所述的基于红外图像的电解槽极板检测方法，其特征在于：所述的温度特征值T故障＝T裸露×a+T盖布，
T裸露为裸露区域温度特征值，是当前图块(23a)的温度最大值与邻近图块(23b)的温度最大值的差值；
T盖布为盖布区域温度特征值，是当前图块(23a)高温区在图块长度方向上的长度值。
8.根据权利要求2所述的基于红外图像的电解槽极板检测方法，其特征在于：所述的步骤B中，采用位于当前图块(23a)两侧各n个邻近图块(23b)的温度信息用于拟合当前图块(23a)的计拟正常图块(24)，其中n≥2，
若当前图块(23a)一侧的待分析图块(23)数量小于n，增选另一侧待分析图块(23)，使用于拟合的邻近图块(23b)数量为2n。
CN202110732318.9A 2021-06-30 2021-06-30 基于红外图像的电解槽极板检测方法 Active CN113554600B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110732318.9A CN113554600B (zh) 2021-06-30 2021-06-30 基于红外图像的电解槽极板检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110732318.9A CN113554600B (zh) 2021-06-30 2021-06-30 基于红外图像的电解槽极板检测方法

Publications (2)

Publication Number Publication Date
CN113554600A true CN113554600A (zh) 2021-10-26
CN113554600B CN113554600B (zh) 2024-07-16

Family

ID=78131061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110732318.9A Active CN113554600B (zh) 2021-06-30 2021-06-30 基于红外图像的电解槽极板检测方法

Country Status (1)

Country Link
CN (1) CN113554600B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115115630A (zh) * 2022-08-29 2022-09-27 合肥金星智控科技股份有限公司 检测方法、检测装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204434735U (zh) * 2014-12-30 2015-07-01 合肥金星机电科技发展有限公司 电解槽故障极板定位检测装置
CN107767360A (zh) * 2017-08-17 2018-03-06 中南大学 一种用于电解槽极板故障的预警方法及检测装置
CN109402667A (zh) * 2018-12-20 2019-03-01 昆明理工大学 一种提高铜电解极板故障信息判断准确度的装置及方法
CN111321429A (zh) * 2019-05-13 2020-06-23 杭州海康威视系统技术有限公司 电解槽极板温度检测方法及装置
CN111402195A (zh) * 2020-01-06 2020-07-10 江西铜业股份有限公司 一种电解槽红外智能巡检方法
CN111751002A (zh) * 2020-05-15 2020-10-09 国网浙江省电力有限公司嘉兴供电公司 一种基于红外热成像的带电设备故障智能诊断方法
CN112526391A (zh) * 2020-11-26 2021-03-19 湖南傲英创视信息科技有限公司 电解槽故障检测系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204434735U (zh) * 2014-12-30 2015-07-01 合肥金星机电科技发展有限公司 电解槽故障极板定位检测装置
CN107767360A (zh) * 2017-08-17 2018-03-06 中南大学 一种用于电解槽极板故障的预警方法及检测装置
CN109402667A (zh) * 2018-12-20 2019-03-01 昆明理工大学 一种提高铜电解极板故障信息判断准确度的装置及方法
CN111321429A (zh) * 2019-05-13 2020-06-23 杭州海康威视系统技术有限公司 电解槽极板温度检测方法及装置
CN111402195A (zh) * 2020-01-06 2020-07-10 江西铜业股份有限公司 一种电解槽红外智能巡检方法
CN111751002A (zh) * 2020-05-15 2020-10-09 国网浙江省电力有限公司嘉兴供电公司 一种基于红外热成像的带电设备故障智能诊断方法
CN112526391A (zh) * 2020-11-26 2021-03-19 湖南傲英创视信息科技有限公司 电解槽故障检测系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王一丁;贺文强;贾瑞明;: "铜电解槽极板短路红外检测系统", 现代计算机(专业版), no. 15, 25 May 2016 (2016-05-25), pages 1 - 5 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115115630A (zh) * 2022-08-29 2022-09-27 合肥金星智控科技股份有限公司 检测方法、检测装置、电子设备及存储介质
CN115115630B (zh) * 2022-08-29 2022-12-09 合肥金星智控科技股份有限公司 检测方法、检测装置、电子设备及存储介质
WO2024045428A1 (zh) * 2022-08-29 2024-03-07 合肥金星智控科技股份有限公司 电解极板的检测方法、检测装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113554600B (zh) 2024-07-16

Similar Documents

Publication Publication Date Title
CN113549958B (zh) 电解槽故障极板的检测方法
CN107767360B (zh) 一种用于电解槽极板故障的预警方法及检测装置
CN113313677B (zh) 一种卷绕锂电池x光图像的质量检测方法
CN112381796B (zh) 一种基于红外数据的导线缺陷识别及检测方法
CN115439474B (zh) 一种电力设备故障快速定位方法
CN113554600B (zh) 基于红外图像的电解槽极板检测方法
CN115049645B (zh) 一种太阳能电池板表面缺陷检测方法
CN112113667B (zh) 一种基于红外热像信息的电流互感器故障诊断方法
CN110132978A (zh) 电阻片整片检测装置及检测方法
CN107578433A (zh) 一种用于识别电解槽极板温度的方法
CN113554601B (zh) 电解槽极板的定位方法
CN115790859A (zh) 一种异常电解工况识别方法
CN115131353B (zh) 平网印花纺织品生产异常识别定位方法及系统
CN114487014B (zh) 一种红外无损检测的缺陷几何特征提取方法
Liu et al. An automatic defects detection scheme for lithium-ion battery electrode surface
CN113344908B (zh) 用于电解槽极板检测的红外图像有效性判断方法
CN106530273A (zh) 高精度fpc直线线路检测与缺陷定位方法
CN113344908A (zh) 用于电解槽极板检测的红外图像有效性判断方法
CN110363749A (zh) 基于图像处理的防震锤锈蚀程度评价方法
CN115115630B (zh) 检测方法、检测装置、电子设备及存储介质
US7002171B2 (en) Method for improving the quality of cathodes in electrolysis
CN111553376B (zh) 一种文物轮廓监测方法
CN113362275A (zh) 一种电解槽故障极板识别方法
CN112233060B (zh) 数字病理图像异常样本的筛选方法、装置、设备及介质
Makipaa et al. Ir-based method for copper electrolysis short circuit detection

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 228, Wanshui Road, high tech Zone, Hefei City, Anhui Province, 230088

Applicant after: Hefei Jinxing Intelligent Control Technology Co.,Ltd.

Applicant after: TONGLING NONFERROUS METALS GROUP Co.,Ltd.

Address before: No. 228, Wanshui Road, high tech Zone, Hefei City, Anhui Province, 230088

Applicant before: HEFEI GOLD STAR MECHATRONICS TECHNICAL DEVELOPMENT Co.,Ltd.

Applicant before: TONGLING NONFERROUS METALS GROUP Co.,Ltd.

GR01 Patent grant
GR01 Patent grant