CN116703892A - 一种基于图像数据的锂电池切刀磨损评估预警方法 - Google Patents
一种基于图像数据的锂电池切刀磨损评估预警方法 Download PDFInfo
- Publication number
- CN116703892A CN116703892A CN202310954570.3A CN202310954570A CN116703892A CN 116703892 A CN116703892 A CN 116703892A CN 202310954570 A CN202310954570 A CN 202310954570A CN 116703892 A CN116703892 A CN 116703892A
- Authority
- CN
- China
- Prior art keywords
- lithium battery
- reflection
- ray
- circle
- calculating
- 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
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 92
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 92
- 238000005299 abrasion Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 title abstract description 9
- 238000005498 polishing Methods 0.000 claims abstract description 13
- 238000002310 reflectometry Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 description 9
- 230000005855 radiation Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Secondary Cells (AREA)
Abstract
本申请涉及图像处理领域,提供一种基于图像数据的锂电池切刀磨损评估预警方法,包括:获取锂电池切刀的灰度图像;计算锂电池切刀圆心像素点到外圈圆像素点的N条射线的去光磨损程度以及锂电池切刀外圈圆的斜率变化系数;基于N条射线的去光磨损程度以及斜率变化系数计算锂电池切刀磨损程度指标;如果所述磨损程度指标大于阈值,则确定锂电池切刀磨损严重。该方法能够提高识别准确性,提高预警准确度。
Description
技术领域
本申请涉及图像处理领域,特别是涉及一种基于图像数据的锂电池切刀磨损评估预警方法。
背景技术
在制作锂电池的过程中,对级片分切成多条是其中必须的步骤。但是在锂电池切刀的切割过程中,如果切刀与级片之间不同地方的受力情况不同,长时间下来会对锂电池切刀的表面产生磨损,严重情况下还可能会使得切刀边缘出现缺口,使得切割产品的质量出现问题。如果不对这些出现磨损严重的锂电池切刀进行预警,提醒工作人员及时更换切刀,那么就可能造成更大的损失。
传统的锂电池切刀磨损评估通过Canny算子将切刀边缘提取出来,对其采集凹凸、颜色、纹理等特征进行分析,但是这种方法只能采集固定窗口大小下边缘点的纹理信息,并不能对磨损处较严重的地方进行重点识别,且不能消除切刀反光区域对预警结果产生的影响,以至于降低预警准确率。
发明内容
本发明提供一种基于图像数据的锂电池切刀磨损评估预警方法,该方法能够提高识别准确性,提高预警准确度。
第一方面,本申请提供一种基于图像数据的锂电池切刀磨损评估预警方法,包括:
获取锂电池切刀的灰度图像;
计算锂电池切刀圆心像素点到外圈圆像素点的N条射线的去光磨损程度以及锂电池切刀外圈圆的斜率变化系数;
基于去光磨损程度以及斜率变化系数计算锂电池切刀磨损程度指标;
如果所述磨损程度指标大于阈值,则确定锂电池切刀磨损严重。
在一实施例中,计算去光磨损程度,包括:
基于每一射线上等距离的多个圆的亮度分布特征确定锂电池切刀表面反光区域集合和非反光区域集合;
基于反光区域集合和非反光区域集合计算去光磨损程度。
在一实施例中,基于每一射线上等距离的多个圆的亮度分布特征确定锂电池切刀表面反光区域集合和非反光区域集合,包括:
基于每个圆中像素点的亮度信息与圆的亮度信息均值计算圆的反光标准差异度;
基于反光标准差异度确定圆上每个像素点邻域内的反光系数,从而得到每个圆对应的反光系数;
基于每个圆对应的反光系数计算多个圆在射线上的射线反光度;
基于所述射线反光度确定锂电池切刀表面反光区域集合和非反光区域集合。
在一实施例中,基于反光标准差异度确定圆上每个像素点邻域内的反光系数,从而得到每个圆对应的反光系数,包括:
基于所述反光标准差异度计算圆上反光处较大的像素点的反光系数,以及计算圆上反光边界处像素点的反光系数;
基于圆上反光处较大的像素点的反光系数和圆上反光边界处像素点的反光系数计算圆上每个像素点邻域内的反光系数,从而得到每个圆对应的反光系数。
在一实施例中,基于每个圆对应的反光系数计算多个圆在射线上的射线反光度,包括:
计算射线上所有圆对应的反光系数之和,进而得到射线上的射线反光度。
在一实施例中,基于所述射线反光度确定锂电池切刀表面反光区域集合和非反光区域集合,包括:
如果射线反光度大于或等于预设值,则所述射线为反光区域集合;
如果射线反光度小于预设值,则所述射线为非反光区域集合。
在一实施例中,基于反光区域集合和非反光区域集合计算去光磨损程度,包括:
基于反光区域集合和非反光区域集合计算射线在其所述区域集合内的磨损差异系数;
基于射线对应的磨损差异系数以及射线上像素点的亮度信息确定去光磨损程度。
在一实施例中,基于反光区域集合和非反光区域集合计算射线在其所述区域集合内的磨损差异系数,包括:
如果所述射线属于反光区域集合,则磨损差异系数为射线的射线反光度与射线所在的反光区域集合中射线平均反光度之差;
如果所述射线属于非反光区域集合,则磨损差异系数为射线的射线反光度与射线所在的非反光区域集合中射线平均反光度之差;
基于射线对应的磨损差异系数以及射线上像素点的亮度信息确定去光磨损程度,包括:
利用如下公式计算去光磨损程度:
;
其中,、/>和/>分别表示当前射线与左右两侧相邻射线分别在各自所属区域内的射线磨损差异系数,U表示射线上/>个像素点的亮度信息之和,/>、/>分别表示该射线相邻的左右两条射线的亮度信息之和。
在一实施例中,计算锂电池切刀外圈圆的斜率变化系数,包括:
计算锂电池切刀外圈圆上每个像素点的切线斜率;
基于当前像素点的切线斜率与相邻像素点的切线斜率之差计算锂电池切刀外圈圆的斜率变化系数。
在一实施例中,基于N条射线的去光磨损程度以及斜率变化系数计算锂电池切刀磨损程度指标,包括:
利用如下公式计算锂电池切刀磨损程度指标:
;
其中,表示第i条射线的去光磨损程度,/>表示第i条射线的斜率变化系数。
本申请的有益效果,区别于现有技术,本申请的基于图像数据的锂电池切刀磨损评估预警方法,包括:获取锂电池切刀的灰度图像;计算锂电池切刀圆心像素点到外圈圆像素点的N条射线的去光磨损程度以及锂电池切刀外圈圆的斜率变化系数;基于N条射线的去光磨损程度以及斜率变化系数计算锂电池切刀磨损程度指标;如果所述磨损程度指标大于阈值,则确定锂电池切刀磨损严重。该方法能够提高识别准确性,提高预警准确度。
附图说明
图1为本发明基于图像数据的锂电池切刀磨损评估预警方法的一实施例的流程示意图;
图2为图1中步骤S12的一实施例的具体流程示意图;
图3为锂电池切刀的一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
下面结合附图和实施例对本申请进行详细的说明。
请参见图1,图1为本发明基于图像数据的锂电池切刀磨损评估预警方法的一实施例的流程示意图,包括:
步骤S11:获取锂电池切刀的灰度图像。
锂电池切刀表面为金属或镜面材质,所以尽量使用柔光灯这种均匀的光源来避免阴影和反光,同时使用反光板对光线的方向和强度进行调节,防止图像模糊或无法清晰显示。拍摄时将切刀位置控制在图像中的正中心,且相机以90度垂直方向进行拍摄。
使用CMOS相机采集得到锂电池切刀彩色RGB图像,将RGB图像转换为灰度图像。使用双边滤波技术对图像进行处理,消除噪声等外界的干扰。
步骤S12:计算锂电池切刀圆心像素点到外圈圆像素点的N条射线的去光磨损程度以及锂电池切刀外圈圆的斜率变化系数。
具体的,请结合图2,步骤S12包括:
步骤S21:计算去光磨损程度。
锂电池切刀在长时间的使用后,由于磨损较为严重,在切刀边缘会产生过度反光区域。虽然这些被磨损光滑的部分会使得切刀在使用过程中效率更高,但是在切割的过程中需要一定的摩擦力确保切割的稳定性。而表面光滑的切刀会降低摩擦力,从而导致切割效果出现不稳定性。同时由于切面部分部位被磨损较薄,在对锂电池进行切割的过程中会产生受力不均匀、切割线出现偏移等一些效果,从而会影响产品切割的质量。锂电池切刀正常状态下为规则的圆形,在光照均匀的情况下,从切刀圆心出发沿着边缘方向等距离的直线上,每个点周围亮度信息应该具有旋转不变性。而在切刀出现磨损的情况下,切刀表面点的亮度信息就会出现差异。
为了表征切刀表面点的亮度信息,将图像中每个点周围八邻域内点的灰度值求均值得到,作为该点的一个亮度信息。在距离圆心等距离切刀表面上的像素点,如果/>越大,说明该值附近可能存在切刀被磨损较为光滑的情况。
对锂电池切刀图像采用Canny算子得到当前切刀边缘轮廓二值图。通过输入切刀边缘轮廓二值图,经霍夫圆变换得到其中的最小圆、最大圆,即内圈圆、外圈圆,剩余圆即为中圈圆,具体如图3所示。中圈圆由于光照以及磨损的影响,可能轮廓并不是连续的,通过圆拟合得到连通的圆轮廓。其中得到内圈圆圆心位置为。
假设切刀外圈圆轮廓共有个像素点。由圆心向外圈圆轮廓上的/>个像素点发出条射线,这/>条射线在切刀标准状态下即未被磨损的情况下,其长度均为一致。假设每条射线经过切刀表面的像素点个数为/>。
对于切片表面来讲,虽然已经不使用强光照对拍摄切刀图像产生影响,但是由于切刀自身材料的特点,切刀表面还是会在一些范围内出现呈扇形的反光区域,这些反光区域一般呈圆心对称,其亮度信息也会较大。为了消除这些反光区域对采集射线亮度信息的干扰,在切片表面所有的长度为的射线上取/>个等距离的圆/>。通过分析这/>个圆上像素点的亮度分布特征,得到锂电池切刀表面反光区域的范围以及程度性指标。
在一实施例中,基于每一射线上等距离的多个圆的亮度分布特征确定锂电池切刀表面反光区域集合和非反光区域集合;基于反光区域集合计算去光磨损程度。
在一实施例中,基于每个圆中像素点的亮度信息与圆的亮度信息均值计算圆的反光标准差异度。由于每个圆的亮度信息并不一致,所以需要针对每个圆自身的像素点的灰度值得到圆内像素点之间的灰度差异。
所以在其中一个圆上,计算每个像素点的亮度信息与该圆上整体亮度信息的均值之间的差值,基于该差值计算圆上反光标准差异度/>,该差值表示该圆上一个点的亮度值与该圆平均亮度值之间的差距。
;
公式中,表示该圆上亮度均值,/>为圆上其中一个点的亮度信息。/>越大,表示该点比该圆的平均亮度还要亮。
基于反光标准差异度确定圆上每个像素点邻域内的反光系数,从而得到每个圆对应的反光系数。在一具体实施例中,基于所述反光标准差异度计算圆上反光处较大的像素点的反光系数,以及计算圆上反光边界处像素点的反光系数;基于圆上反光处较大的像素点的反光系数和圆上反光边界处像素点的反光系数计算圆上每个像素点邻域内的反光系数,从而得到每个圆对应的反光系数。
具体的,通过对这个圆上的每个点取8邻域的点集合/>。求得每个点邻域内的反光系数/>:
;
其中,表示圆上反光处较大的像素点的反光系数;/>表示反光边界处的像素点的反光系数。每个圆都能得到由于反光导致切刀表面变亮的点的反光系数。
基于每个圆对应的反光系数计算多个圆在射线上的射线反光度。具体的,计算射线上所有圆对应的反光系数之和,进而得到射线上的射线反光度。
在一实施例中,计算条射线上/>个圆在该射线上点的射线反光度/>:
;
其中,表示射线上第i个像素点邻域内的反光系数。
基于所述射线反光度确定锂电池切刀表面反光区域集合和非反光区域集合。具体的,如果射线反光度大于或等于预设值,则所述射线为反光区域集合;如果射线反光度小于预设值,则所述射线为非反光区域集合。
在一具体实施例中,射线反光度越大,表示该射线所处的位置受到较大的反光影响。将/>的值大于/>的射线标记为反光区域集合/>,小于/>的射线标记为非反光区域集合/>。
基于反光区域集合和非反光区域集合计算去光磨损程度,具体的,基于反光区域集合和非反光区域集合计算射线在其所述区域集合内的磨损差异系数。具体的,如果所述射线属于反光区域集合,则磨损差异系数为射线的射线反光度与射线所在的反光区域集合中射线平均反光度之差;如果所述射线属于非反光区域集合,则磨损差异系数为射线的射线反光度与射线所在的非反光区域集合中射线平均反光度之差。
磨损差异系数计算方式为:
;
式中,表示该射线所在的反光区域集合/>中的射线平均反光度,/>表示该射线所在的非反光区域集合/>中的射线平均反光度。/>表示射线的射线反光度与射线所在的反光区域集合中射线平均反光度之差的绝对值,/>表示射线的射线反光度与射线所在的非反光区域集合中射线平均反光度之差的绝对值。通过将任意一条射线与其所在区域集合中的射线平均反光度做差求绝对值,得到该条射线在其所属区域集合内的射线磨损差异系数/>,即排除反光影响下的射线磨损程度。
基于射线对应的磨损差异系数以及射线上像素点的亮度信息确定去光磨损程度。
如果切刀表面没有受到磨损,那么与当前射线相邻射线之间的亮度信息就会比较相似。根据这一特点,可以将亮度信息差距较大的相邻射线认为可能出现磨损。
求得每条射线上个像素点的亮度信息之和为/>,与该射线相邻的左右两条射线的亮度信息之和分别为/>、/>,得到射线去光磨损程度/>。
;
其中,、/>和/>分别表示当前射线与左右两侧相邻射线分别在各自所属区域内的射线磨损差异系数,U表示射线上/>个像素点的亮度信息之和,/>、/>分别表示该射线相邻的左右两条射线的亮度信息之和。/>表征射线受到磨损后在消除反光影响下的磨损程度。如果/>越大,即/>、/>越大,表示在消除射线反光、或非反光区域的影响下,左右两相邻射线的亮度信息差距较大,表示该射线处受到的磨损程度越大。
步骤S22:计算锂电池切刀外圈圆的斜率变化系数。
在一实施例中,计算锂电池切刀外圈圆上每个像素点的切线斜率;基于当前像素点的切线斜率与相邻像素点的切线斜率之差计算锂电池切刀外圈圆的斜率变化系数。
在标准切刀的边缘上,对于每个点的斜率之间的变化程度是极小的;但是如果切刀边缘存在缺口,那么该点处的斜率就会发生较大的变化。
针对这种情况,可以通过计算外圈圆上每个像素点处的切线斜率,为了得到该点周围点的斜率变化特征,通过计算该点边缘线上左右两点之间的斜率与该点的斜率差的绝对值之和,得到该边缘点的斜率变化系数/>,就可以用来表征该点是否存在磨损。
;
其中,、/>和/>分别代表该边缘点(外圈圆上像素点)与边缘轮廓上左右两侧相邻的两个像素点的斜率。/>表示外圈圆上第i个像素点所在位置的斜率变化程度,如果/>越大,表示该像素点与其边缘轮廓上左右两侧像素点斜率之间的变化较大,以此来表征该边缘点处是否为缺口处,即磨损程度较大。
步骤S13:基于去光磨损程度以及斜率变化系数计算锂电池切刀磨损程度指标。
在一实施例中,利用如下公式计算锂电池切刀磨损程度指标:
;
其中,表示第i条射线的去光磨损程度,/>表示第i条射线的斜率变化系数。
具体的,如果越大,即射线去光磨损程度/>越大,表示该射线在消除反光效应的影响下,该射线上与其左右两侧相邻射线的亮度信息差值较大,说明该射线所在切刀表面受到的磨损越严重;即斜率变化系数/>越大,表示该点与其边缘左右两侧像素点斜率之间的变化较大,以此来表征该边缘点有很大可能为缺口,说明该点所在切刀边缘受到的磨损越严重。
通过将切刀的条射线以及/>个边缘点处的磨损数据求其均值,得到该锂电池切刀受到的磨损程度大小;使用该值用来评估锂电池切刀的磨损预警情况。
步骤S14:如果所述磨损程度指标大于阈值,则确定锂电池切刀磨损严重。
将大量的标准锂电池切刀边缘磨损程度进行计算,评估得到锂电池切刀磨损需要发出预警的经验阈值/>,该阈值/>表示,如果实际值/>大于该阈值,就发出预警信息,提醒工作人员对其锂电池切刀进行更换。
传统的锂电池切刀磨损评估通过对其采集凹凸、颜色、纹理等特征进行分析,但是这种方法只能采集固定窗口大小下边缘点的纹理信息,并不能对磨损处较严重的地方进行重点识别,以至于丢失图像细节信息。
本发明提出一种基于条射线及其/>个边缘点特征的评估方法,计算在消除反光影响下射线的亮度信息与其左右两侧相邻射线之间的差值,分析射线去光磨损程度;计算边缘点左右两点之间斜率差值,分析边缘点的斜率变化。最后得到切刀磨损程度指标来评估切刀磨损情况是否需要发出预警,提高预警准确度。
以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于图像数据的锂电池切刀磨损评估预警方法,其特征在于,包括:
获取锂电池切刀的灰度图像;
计算锂电池切刀圆心像素点到外圈圆像素点的N条射线的去光磨损程度以及锂电池切刀外圈圆的斜率变化系数;
基于去光磨损程度以及斜率变化系数计算锂电池切刀磨损程度指标;
如果所述磨损程度指标大于阈值,则确定锂电池切刀磨损严重。
2.根据权利要求1所述的基于图像数据的锂电池切刀磨损评估预警方法,其特征在于,计算去光磨损程度,包括:
基于每一射线上等距离的多个圆的亮度分布特征确定锂电池切刀表面反光区域集合和非反光区域集合;
基于反光区域集合和非反光区域集合计算去光磨损程度。
3.根据权利要求2所述的基于图像数据的锂电池切刀磨损评估预警方法,其特征在于,基于每一射线上等距离的多个圆的亮度分布特征确定锂电池切刀表面反光区域集合和非反光区域集合,包括:
基于每个圆中像素点的亮度信息与圆的亮度信息均值计算圆的反光标准差异度;
基于反光标准差异度确定圆上每个像素点邻域内的反光系数,从而得到每个圆对应的反光系数;
基于每个圆对应的反光系数计算多个圆在射线上的射线反光度;
基于所述射线反光度确定锂电池切刀表面反光区域集合和非反光区域集合。
4.根据权利要求3所述的基于图像数据的锂电池切刀磨损评估预警方法,其特征在于,基于反光标准差异度确定圆上每个像素点邻域内的反光系数,从而得到每个圆对应的反光系数,包括:
基于所述反光标准差异度计算圆上反光处较大的像素点的反光系数,以及计算圆上反光边界处像素点的反光系数;
基于圆上反光处较大的像素点的反光系数和圆上反光边界处像素点的反光系数计算圆上每个像素点邻域内的反光系数,从而得到每个圆对应的反光系数。
5.根据权利要求3所述的基于图像数据的锂电池切刀磨损评估预警方法,其特征在于,基于每个圆对应的反光系数计算多个圆在射线上的射线反光度,包括:
计算射线上所有圆对应的反光系数之和,进而得到射线上的射线反光度。
6.根据权利要求3所述的基于图像数据的锂电池切刀磨损评估预警方法,其特征在于,基于所述射线反光度确定锂电池切刀表面反光区域集合和非反光区域集合,包括:
如果射线反光度大于或等于预设值,则所述射线为反光区域集合;
如果射线反光度小于预设值,则所述射线为非反光区域集合。
7.根据权利要求2所述的基于图像数据的锂电池切刀磨损评估预警方法,其特征在于,基于反光区域集合和非反光区域集合计算去光磨损程度,包括:
基于反光区域集合和非反光区域集合计算射线在其所述区域集合内的磨损差异系数;
基于射线对应的磨损差异系数以及射线上像素点的亮度信息确定去光磨损程度。
8.根据权利要求7所述的基于图像数据的锂电池切刀磨损评估预警方法,其特征在于,基于反光区域集合和非反光区域集合计算射线在其所述区域集合内的磨损差异系数,包括:
如果所述射线属于反光区域集合,则磨损差异系数为射线的射线反光度与射线所在的反光区域集合中射线平均反光度之差;
如果所述射线属于非反光区域集合,则磨损差异系数为射线的射线反光度与射线所在的非反光区域集合中射线平均反光度之差;
基于射线对应的磨损差异系数以及射线上像素点的亮度信息确定去光磨损程度,包括:
利用如下公式计算去光磨损程度:
;
其中,、/>和/>分别表示当前射线与左右两侧相邻射线分别在各自所属区域内的射线磨损差异系数,U表示射线上/>个像素点的亮度信息之和,/>、/>分别表示该射线相邻的左右两条射线的亮度信息之和。
9.根据权利要求1所述的基于图像数据的锂电池切刀磨损评估预警方法,其特征在于,计算锂电池切刀外圈圆的斜率变化系数,包括:
计算锂电池切刀外圈圆上每个像素点的切线斜率;
基于当前像素点的切线斜率与相邻像素点的切线斜率之差计算锂电池切刀外圈圆的斜率变化系数。
10.根据权利要求1~9任一项所述的基于图像数据的锂电池切刀磨损评估预警方法,其特征在于,基于N条射线的去光磨损程度以及斜率变化系数计算锂电池切刀磨损程度指标,包括:
利用如下公式计算锂电池切刀磨损程度指标:
;
其中,表示第i条射线的去光磨损程度,/>表示第i条射线的斜率变化系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310954570.3A CN116703892B (zh) | 2023-08-01 | 2023-08-01 | 一种基于图像数据的锂电池切刀磨损评估预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310954570.3A CN116703892B (zh) | 2023-08-01 | 2023-08-01 | 一种基于图像数据的锂电池切刀磨损评估预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116703892A true CN116703892A (zh) | 2023-09-05 |
CN116703892B CN116703892B (zh) | 2023-11-14 |
Family
ID=87839525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310954570.3A Active CN116703892B (zh) | 2023-08-01 | 2023-08-01 | 一种基于图像数据的锂电池切刀磨损评估预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703892B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117537749A (zh) * | 2023-11-20 | 2024-02-09 | 北京年管家信息科技有限公司 | 一种用于矿井井筒巡检机器人的罐耳磨损监测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105203025A (zh) * | 2015-09-09 | 2015-12-30 | 江苏科技大学 | 基于机器视觉的圆锯片磨损量在线测量方法 |
WO2020051746A1 (zh) * | 2018-09-10 | 2020-03-19 | 深圳配天智能技术研究院有限公司 | 图像的边缘检测方法、图像处理设备及计算机存储介质 |
CN111230593A (zh) * | 2020-03-02 | 2020-06-05 | 西南交通大学 | 一种基于动态图像序列的铣刀磨损量视觉测量方法 |
CN112862770A (zh) * | 2021-01-29 | 2021-05-28 | 珠海迪沃航空工程有限公司 | 一种基于人工智能的缺陷分析诊断系统、方法、装置 |
WO2022105676A1 (zh) * | 2020-11-17 | 2022-05-27 | 深圳市道通科技股份有限公司 | 一种工件平面磨损的测量方法和系统 |
CN216758598U (zh) * | 2021-11-08 | 2022-06-17 | 深圳吉阳智能科技有限公司 | 激光分条装置和极片分条设备 |
CN116128880A (zh) * | 2023-04-18 | 2023-05-16 | 东莞市京品精密模具有限公司 | 一种极耳模具表面开裂的识别方法 |
CN116309537A (zh) * | 2023-04-24 | 2023-06-23 | 东莞市京品精密模具有限公司 | 一种极耳模具表面油污的缺陷检测方法 |
CN116385450A (zh) * | 2023-06-07 | 2023-07-04 | 昆山恒光塑胶股份有限公司 | 基于图像处理的ps片材抗耐磨性检测方法 |
-
2023
- 2023-08-01 CN CN202310954570.3A patent/CN116703892B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105203025A (zh) * | 2015-09-09 | 2015-12-30 | 江苏科技大学 | 基于机器视觉的圆锯片磨损量在线测量方法 |
WO2020051746A1 (zh) * | 2018-09-10 | 2020-03-19 | 深圳配天智能技术研究院有限公司 | 图像的边缘检测方法、图像处理设备及计算机存储介质 |
CN111230593A (zh) * | 2020-03-02 | 2020-06-05 | 西南交通大学 | 一种基于动态图像序列的铣刀磨损量视觉测量方法 |
WO2022105676A1 (zh) * | 2020-11-17 | 2022-05-27 | 深圳市道通科技股份有限公司 | 一种工件平面磨损的测量方法和系统 |
CN112862770A (zh) * | 2021-01-29 | 2021-05-28 | 珠海迪沃航空工程有限公司 | 一种基于人工智能的缺陷分析诊断系统、方法、装置 |
CN216758598U (zh) * | 2021-11-08 | 2022-06-17 | 深圳吉阳智能科技有限公司 | 激光分条装置和极片分条设备 |
CN116128880A (zh) * | 2023-04-18 | 2023-05-16 | 东莞市京品精密模具有限公司 | 一种极耳模具表面开裂的识别方法 |
CN116309537A (zh) * | 2023-04-24 | 2023-06-23 | 东莞市京品精密模具有限公司 | 一种极耳模具表面油污的缺陷检测方法 |
CN116385450A (zh) * | 2023-06-07 | 2023-07-04 | 昆山恒光塑胶股份有限公司 | 基于图像处理的ps片材抗耐磨性检测方法 |
Non-Patent Citations (3)
Title |
---|
周俊杰 等: "基于机器视觉的加工刀具磨损量在线测量", 《上海交通大学学报》, vol. 55, no. 6, pages 741 - 749 * |
熊四昌 等: "基于分数布朗运动的工件表面图像分析及其在刀具状态检测中的应用", 《机床与液压》, no. 4, pages 44 - 46 * |
陈佳鑫 等: "不同磨损量 PCBN 刀具椭圆振动车削仿真研究", 《组合机床与自动化加工技术》, no. 8, pages 173 - 177 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117537749A (zh) * | 2023-11-20 | 2024-02-09 | 北京年管家信息科技有限公司 | 一种用于矿井井筒巡检机器人的罐耳磨损监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116703892B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115760884B (zh) | 基于图像处理的半挂车表面焊渣优化分割方法 | |
CN116740070B (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
CN116934740B (zh) | 基于图像处理的塑料模具表面缺陷分析检测方法 | |
US8577170B2 (en) | Shadow detection in a single image | |
CN107750371B (zh) | 用于检测轮胎的表面上的缺陷的方法和设备 | |
CN111192273A (zh) | 一种基于计算机视觉技术的数字化喷丸覆盖率测量方法 | |
US20220148185A1 (en) | Method for automatically segmenting teeth | |
CN115496760A (zh) | 一种阿胶品质鉴定方法 | |
CN116703892B (zh) | 一种基于图像数据的锂电池切刀磨损评估预警方法 | |
CN115797358A (zh) | 基于机器视觉的金属壳体自动化焊接缺陷检测方法 | |
CN115511888B (zh) | 基于视觉的电感缺陷检测方法及系统 | |
CN116051543B (zh) | 一种用于钢材剥皮的缺陷识别方法 | |
CN115330772A (zh) | 一种在线焊点质量检测方法 | |
CN115861313B (zh) | 一种用于磨头的磨损检测方法 | |
CN115115641A (zh) | 一种瞳孔图像分割方法 | |
CN114842011A (zh) | 基于图像处理的轴承磨损检测方法及系统 | |
CN110942444B (zh) | 物体检测方法和装置 | |
US11967123B1 (en) | Binarization method for CT sectional image of fiber package containing artifacts | |
RU2636681C2 (ru) | Расширенный анализ для основанной на изображении оценки износа поликлинового ремня | |
US20130051652A1 (en) | Method and Device for the Automatic Inspection of a Cable Spool | |
CN117388263B (zh) | 用于充电枪的五金端子质量检测方法 | |
CN116977335B (zh) | 一种用于机械零件表面点蚀缺陷的智能检测方法 | |
CN117218115B (zh) | 一种汽车配件漆面异常检测方法 | |
CN116433700B (zh) | 一种法兰零件轮廓视觉定位方法 | |
CN116721096B (zh) | 基于人工智能的新能源线束质量在线检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |