CN117405734A - 气泡位置确定方法、装置、电子设备及存储介质 - Google Patents
气泡位置确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117405734A CN117405734A CN202311722576.4A CN202311722576A CN117405734A CN 117405734 A CN117405734 A CN 117405734A CN 202311722576 A CN202311722576 A CN 202311722576A CN 117405734 A CN117405734 A CN 117405734A
- Authority
- CN
- China
- Prior art keywords
- bubble
- battery
- thermal image
- determining
- image
- 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 50
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000010438 heat treatment Methods 0.000 claims abstract description 92
- 238000001816 cooling Methods 0.000 claims abstract description 29
- 238000005070 sampling Methods 0.000 claims description 30
- 238000009529 body temperature measurement Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 14
- 230000005855 radiation Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 17
- 239000012528 membrane Substances 0.000 abstract 2
- 230000007547 defect Effects 0.000 description 12
- 238000013527 convolutional neural network Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000001757 thermogravimetry curve Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000006244 Medium Thermal Substances 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 235000012434 pretzels Nutrition 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Biochemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Pathology (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请适用于电池检测技术领域，提供了一种气泡位置确定方法、装置、电子设备及存储介质，其中，方法包括：在达到预设降温时长时，控制红外传感器采集待测电池的电池热像图，其中，待测电池表面贴有加热膜；根据电池热像图所呈现的温度特征信息确定待测电池与加热膜之间是否存在气泡；若存在气泡，则根据电池热像图确定气泡的气泡位置信息，以及输出气泡位置信息。本申请中，通过电池热像图判断待测电池的表面与加热膜之间是否存在气泡，可以实现快速确定待测电池与加热膜之间是否存在气泡，以及快速确定气泡位置，有助于提高确定气泡位置的效率。
Description
技术领域
本申请属于电池检测技术领域，尤其涉及气泡位置确定方法、装置、电子设备及存储介质。
背景技术
电池表面的加热膜是贴合于电池的表面，用于低温环境下对电池进行加热的一层保护膜。由于在电池的封装和制造过程中，加热膜与电池之间可能会出现气泡缺陷，这对电池的性能会造成负面影响，且存在一定的安全隐患，因此需要对电池表面的加热膜进行气泡检测，确定加热膜上所存在的气泡的位置。
相关技术中，在确定气泡位置时，通常是先通过一组相机采集加热膜的凸起缺陷图像，然后基于凸起缺陷图像确定每个凸起缺陷相对于电池表面的中心坐标位置，再通过另一组相机采集红外光图像，并基于中心坐标位置在红外光图像中遍历凸起缺陷图像中的每个凸起缺陷，检查每个凸起缺陷的范围内是否存在异常斑点，若没有斑点，则判定凸起缺陷为气泡缺陷，将该气泡缺陷的位置确定为气泡位置。该确定气泡位置的方式需要通过先两组相机采集的图像确定凸起缺陷是否为气泡缺陷，再确定气泡位置，确定过程复杂，气泡位置确定的效率较低。
发明内容
本申请实施例提供了一种气泡位置确定方法、装置、电子设备及存储介质，可以解决相关技术中，气泡位置确定的效率较低的技术问题。
本申请实施例的第一方面提供了一种气泡位置确定方法，包括：
在达到预设降温时长时，控制红外传感器采集待测电池的电池热像图，其中，待测电池表面贴有加热膜；
根据电池热像图所呈现的温度特征信息确定待测电池与加热膜之间是否存在气泡；
若存在气泡，则根据电池热像图确定气泡的气泡位置信息，以及输出气泡位置信息。
在一些实施例中，根据电池热像图确定气泡的气泡位置信息，包括：
根据电池热像图确定气泡的气泡轮廓；
根据电池热像图建立基准轴，以及确定坐标原点；
根据气泡轮廓和基准准以及坐标原点，确定气泡轮廓对应的目标点集，根据目标点集确定气泡位置信息。
在一些实施例中，控制红外传感器采集待测电池的电池热像图包括：
在待测电池到达目标位置时，控制可见光传感器对待测电池进行对焦；
接收可见光传感器发送的焦距信息和采集位置信息；
控制红外传感器移动至采集位置信息对应的采集位置，以及控制红外传感器以焦距信息对应的焦距采集电池热像图。
在一些实施例中，在控制红外传感器采集待测电池的电池热像图之前，方法还包括：
控制可见光传感器采集待测电池的可见光图像，以及控制红外传感器采集预采样图像；
根据可见光图像和预采样图像确定测温基点和采样参数；
根据测温基点校准红外传感器的温度测量的参考标准点，根据采样参数调整红外传感器的相机参数。
在一些实施例中，在控制红外传感器采集待测电池的电池热像图之前，还包括：
通过以下任一方式对加热膜进行加热：自加热、热辐射、热对流。
在一些实施例中，在通过自加热对加热膜进行加热时，方法包括：
将加热膜连接至外置电源；
控制外置电源通电，以及在达到预设通电时间时，控制外置电源断电。
在一些实施例中，方法还包括：
对电池热像图执行预设图像处理操作，其中，预设图像处理操作包括以下至少一项：去除漂移、图像降噪、图像格式转换。
本申请实施例的第二方面提供了一种电池加热膜气泡检测装置，包括：
图像采集单元，用于在达到预设降温时长时，控制红外传感器采集待测电池的电池热像图，其中，待测电池表面贴有加热膜；
气泡确定单元，用于根据电池热像图所呈现的温度特征信息确定待测电池与加热膜之间是否存在气泡；
位置确定单元，用于若存在气泡，则根据电池热像图确定气泡的气泡位置信息，以及输出气泡位置信息。
本申请实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面提供的气泡位置确定方法的各步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现第一方面提供的气泡位置确定方法的各步骤。
实施本申请实施例提供的气泡位置确定方法、装置、电子设备及存储介质具有以下有益效果：在达到预设降温时长时，通过采集到的电池热像图所呈现的温度特征信息确定待测电池与加热膜之间是否存在气泡，以及在确定存在气泡时，基于电池热像图确定气泡的气泡位置信息，通过电池热像图判断待测电池的表面与加热膜之间是否存在气泡，可以避免反射或折射现象对气泡位置检测的影响，有助于提高气泡位置检测的准确性。
可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的气泡位置确定方法的实现流程图；
图2是本申请一实施例提供的确定气泡位置信息的实现流程图；
图3是本申请一实施例提供的采集电池热像图的实现流程图；
图4是本申请一实施例提供的调整红外传感器的实现流程图；
图5是本申请一实施例提供的气泡位置确定装置的结构框图；
图6是本申请一实施例提供的电子设备的结构框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
为了说明本申请的技术方案，下面通过以下实施例来进行说明。
请参阅图1，图1是本申请一实施例提供的气泡位置确定方法的实现流程图，该流程图可以包括如下步骤101至步骤103。
步骤101，在达到预设降温时长时，控制红外传感器采集待测电池的电池热像图。
其中，上述待测电池通常是需要进行气泡检测的电池，待测电池的表面贴有加热膜。
其中，上述预设降温时长通常是预先设定的降温时长，预设降温时长可以有多个，比如，降温1秒，降温2秒，降温3秒，降温4秒，降温5秒。
其中，上述电池热像图通常是采用不同颜色来代表待测电池的不同温度，从而将待测电池的红外辐射数据转换成可见的图像。实践中，电池热像图中的红色、粉色表示待测电池温度较高，蓝色、绿色表示待测电池温度较低。
这里，在预设降温时长为多个时，电池热像图可以有多张，其中每个预设降温时长对应一张电池热像图。举例来说，预设降温时长包括，降温1秒、降温2秒、降温3秒，电池热像图可以包括降温1秒时的电池热像图、降温2秒时的电池热像图、降温3秒时的电池热像图。
在本实施例中，上述气泡位置确定方法的执行主体通常是电子设备。需要说明的是，电子设备可以是硬件，也可以是软件。当电子设备为硬件时，可以实现成多个电子设备组成的分布式电子设备集群，也可以实现成单个电子设备。当电子设备为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
实践中，通常需要先对加热膜进行加热，然后在加热膜降温的过程中采集电池热像图。上述执行主体可以与加热控制装置以及红外传感器连接，在接收到加热控制装置发送的加热停止信号时开始计时，在达到预设降温时长时，上述执行主体可以向红外传感器发送图像采集指令，控制红外传感器采集待测电池的电池热像图。其中，加热控制装置通常是控制加热装置对加热膜进行加热的装置，加热装置通常是向加热膜传导热量的装置。
步骤102，根据电池热像图所呈现的温度特征信息确定待测电池与加热膜之间是否存在气泡。
其中，上述温度特征信息通常是指示温度高低的信息，在电池热像图中，通常以颜色来指示温度的高低。
实践中，上述执行主体可以基于电池热像图所呈现的颜色，确定电池热像图中是否存在温度偏高的区域，若存在温度偏高的区域，则确定待测电池与加热膜之间存在气泡，若不存在温度偏高的区域，则确定待测电池与加热膜之间不存在气泡。
作为一个示例，上述执行主体可以将电池热像图输入预先训练的气泡确定模型，采用气泡确定模型确定电池热像图中是否存在气泡。其中，气泡确定模型用于表征图像与图像中是否存在气泡之间的对应关系。这里，气泡确定模型可以是基于训练样本，利用深度学习方法，对初始模型（例如卷积神经网络（Convolutional Neural Network，CNN）、残差网络（ResNet）等）进行训练后得到的模型。
作为另一个示例，上述执行主体也可以将电池热像图与存在气泡的气泡热像图进行比较，计算电池热像图与气泡热像图之间的相似度，若相似度大于或者等于预先设定的相似度阈值，则表示电池热像图与气泡热像图相近，可以确定待测电池与加热膜之间存在气泡；若相似度小于预先设定的相似度阈值，则则表示电池热像图与气泡热像图不相近，可以确定待测电池与加热膜之间不存在气泡。
步骤103，若存在气泡，则根据电池热像图确定气泡的气泡位置信息，以及输出气泡位置信息。
其中，上述气泡位置信息用于指示气泡所处的位置。
实践中，上述执行主体可以将电池热像图中的气泡区域对应的各像素点的坐标信息确定为气泡位置信息。实践中，上述执行主体可以采用预设轮廓识别算法识别出电池热像图中的气泡区域的轮廓，然后将气泡区域的轮廓的中心点的位置信息确定为气泡位置信息。其中，预设轮廓识别算法通常是预先设定的识别气泡轮廓的算法，预设轮廓识别算法可以包括以下至少一项：边缘检测算法，阈值化算法、形态学算法等。
实践中，上述执行主体可以与显示装置连接，通过文本形式、语音形式、视频形式中的一种或多种向显示装置发送气泡位置信息。
本实施例提供的气泡位置确定方法，在达到预设降温时长时，通过采集到的电池热像图所呈现的温度特征信息确定待测电池与加热膜之间是否存在气泡，以及在确定存在气泡时，基于电池热像图确定气泡的气泡位置信息，可以实现快速确定待测电池与加热膜之间是否存在气泡，以及快速确定气泡位置，有助于提高确定气泡位置的效率。同时，通过电池热像图判断待测电池的表面与加热膜之间是否存在气泡，可以避免反射或折射现象对气泡位置检测的影响，有助于提高气泡位置检测的准确性。
请参阅图2，图2是本申请一实施例提供的确定气泡位置信息的实现流程图，该流程图可以包括如下步骤201至步骤203。
步骤201，根据电池热像图确定气泡的气泡轮廓。
其中，上述气泡轮廓通常是电池热像图中的气泡区域的轮廓。
实践中，上述执行主体可以将电池热像图输入预先训练的轮廓确定模型，采用轮廓确定模型确定电池热像图中的气泡轮廓。其中，轮廓确定模型用于表征图像与图像中所呈现的气泡区域的轮廓之间的对应关系。这里，轮廓确定模型可以是基于训练样本，利用深度学习方法，对初始模型（例如卷积神经网络（Convolutional Neural Network，CNN）、残差网络（ResNet）等）进行训练后得到的模型。
实践中，上述执行主体也可以对电池热像图中的气泡区域进行识别与标识，采用标示框对电池热像图中的气泡区域进行标识，将标识框对应的轮廓确定为气泡轮廓。
步骤202，根据电池热像图建立基准轴，以及确定坐标原点。
其中，上述基准轴包括X轴和Y轴，坐标原点为两个基准轴的交点。
实践中，上述执行主体可以将电池热像图中相交的两条边分别作为X轴和Y轴，将两条边的交点确定为坐标原点。
实践中，上述执行主体也可以将电池热像图的中心点确定为坐标原点，将相互垂直且垂足为坐标原点的任意两条边分别作为X轴和Y轴。
步骤203，根据气泡轮廓和基准准以及坐标原点，确定气泡轮廓对应的目标点集，根据目标点集确定气泡位置信息。
其中，上述目标点集包括多个点，目标点集中的各点为气泡轮廓上的点。
实践中，上述执行主体可以基于基准准以及坐标原点，计算气泡轮廓对应的目标点集中的各点与坐标原点之间的距离，从而得到目标点集中的各点的位置信息。之后，上述执行主体可以将目标点集中的各点的位置信息确定为气泡位置信息。实践中，上述执行主体也可以将目标点集中距离坐标原点最近的点的位置信息确定为气泡位置信息，以减小气泡位置信息的信息占用空间。
本实施例中，基于电池热像图确定气泡的气泡轮廓，采用气泡轮廓和所建立的基准准及坐标原点，确定气泡轮廓对应的目标点集，通过目标点集确定气泡位置信息，使得气泡位置信息能够直接指示气泡位于电池热像图中的具体位置，便于用户确定气泡位于加热膜上的位置。
请参阅图3，图3是本申请一实施例提供的采集电池热像图的实现流程图，该流程图可以包括如下步骤301至步骤303。
步骤301，在待测电池到达目标位置时，控制可见光传感器对待测电池进行对焦。
其中，上述目标位置通常是预先设定的采集电池热像图的位置。
其中，上述可见光传感器用于采集待测电池的可见光图像，可见光传感器安装于目标位置处。
实践中，目标位置处可以安装位置传感器，通过位置传感器检测待测电池是否到达目标位置。当待测电池到达目标位置时，位置传感器可以向上述执行主体发送待测电池到位的指示信息。上述执行主体在接收到指示信息后，可以向可见光传感器发送对焦指令，控制可见光传感器基于目标位置处的待测电池进行对焦。
步骤302，接收可见光传感器发送的焦距信息和采集位置信息。
其中，上述焦距信息用于指示能够采集到清晰的可见光图像时的焦距。
其中，上述采集位置信息用于指示采集可见光图像时可见光传感器所处的位置。
实践中，可见光传感器在完成对焦后，可以主动将对焦时的焦距信息和采集位置信息向上述执行主体发送。上述执行主体也可以向可见光传感器发送指令，控制可见光传感器发送对焦时的焦距信息和采集位置信息。
步骤303，控制红外传感器移动至采集位置信息对应的采集位置，以及控制红外传感器以焦距信息对应的焦距采集电池热像图。
实践中，上述执行主体可以向红外传感器发送移动指令，控制红外传感器移动至采集位置信息对应的采集位置，然后向红外传感器发送焦距指令，控制红外传感器以焦距信息对应的焦距采集电池热像图。
本实施例中，先通过可见光传感器确定焦距，然后基于可见光传感器确定的焦距和所采集图像的位置，控制红外传感器移动至相应位置并以相应的焦距采集电池热像图，可以使得采集的电池热像图更加清晰，有助于提高电池热像图的图像质量，从而提高气泡位置检测的准确性。
请参阅图4，图4是本申请一实施例提供的调整红外传感器的实现流程图，该流程图可以包括如下步骤401至步骤403。
步骤401，控制可见光传感器采集待测电池的可见光图像，以及控制红外传感器采集预采样图像。
实践中，上述执行主体可以向可见光传感器发送图像采集指令，控制可见光传感器基于对焦过程中的焦距采集待测电池的可见光图像，然后向红外传感器发送预采样指令，控制红外传感器移动至采集位置信息对应的采集位置，并基于焦距信息对应的焦距采集预采样图像。
步骤402，根据可见光图像和预采样图像确定测温基点和采样参数。
其中，上述测温基点通常是校准红外传感器的温度测量的参考标准点，测温基点用于对比加热膜加热前后的温度差异。
其中，上述采样参数包括以下至少一项：分辨率、帧率、动态范围等。这里，动态范围用于表示红外传感器采集的图像能够显示的亮度范围。
实践中，上述执行主体可以将采集可见光图像时可见光传感器的参数确定为采样参数。
实践中，上述执行主体可以将预采样图像与预先存储的多个测温基点分别对应的样本图像进行比较，计算预采样图像与各样本图像的相似度，将对应相似度最大的样本图像的测温基点，确定为预采样图像的测温基点。
实践中，上述执行主体也可以将预采样图像输入预先训练的基点确定模型，采用基点确定模型确定预采样图像对应的测温基点。其中，基点确定模型用于表征图像与图像的测温基点之间的对应关系。这里，基点确定模型可以是基于训练样本，利用深度学习方法，对初始模型（例如卷积神经网络（Convolutional Neural Network，CNN）、残差网络（ResNet）等）进行训练后得到的模型。
步骤403，根据测温基点校准红外传感器的温度测量的参考标准点，根据采样参数调整红外传感器的相机参数。
实践中，上述执行主体可以将测温基点作为红外传感器的温度测量的参考标准点。上述执行主体也可以采用测温基点，从预先建立的基点-标准点对应关系表中，查找的到与测温基点对应的参考标准点。其中，上述基点-标准点对应关系表，可以是执行主体预先建立的、存储有多个基点和标准点的对应关系的对应关系表。
实践中，上述执行主体可以直接将将红外传感器的相机参数调整至采样参数。上述执行主体也可以采用采样参数，从预先建立的采样参数-相机参数对应关系表中，查找的到与采样参数对应的相机参数。其中，上述采样参数-相机参数对应关系表，可以是执行主体预先建立的、存储有多个采样参数和相机参数的对应关系的对应关系表。
本实施例中，通过可见光图像和预采样图像确定测温基点和采样参数，以及基于测温基点校准红外传感器的温度测量的参考标准点，基于采样参数调整红外传感器的相机参数，可以提高温度测量的准确性和可靠性，有助于提高电池热像图的图像质量。
在一些实施例中，在控制红外传感器采集待测电池的电池热像图之前，还可以包括：通过以下任一方式对加热膜进行加热：自加热、热辐射、热对流。
其中，上述自加热通常是利用加热膜本身的电路进行加热的方式。热辐射通常是不需要热源与加热膜直接接触，而是采用热辐射灯管、热辐射加热器或其他热辐射装置对加热膜进行加热的方式。热对流通常是通过流动介质热微粒由空间的一处向加热膜传播热能的方式，例如，采用双对射的热风枪对加热膜进行加热。
本实施例中，可以实现基于检测场景，选择合适的加热方式对加热膜进行加热，有助于提高气泡位置检测的使用范围，有助于实现多种场景下的气泡位置进行检测。
在一些实施例中，在通过自加热对加热膜进行加热时，可以包括如下步骤一至步骤二。
步骤一，将加热膜连接至外置电源。
其中，上述外置电源通常是外接的24V电源，外置电源用于向加热膜供电，使得加热膜中的电阻丝通电发热。
实践中，上述执行主体可以向显示装置发送连接指令，通过显示装置提示用户将加热膜连接至外置电源的两端。
步骤二，控制外置电源通电，以及在达到预设通电时间时，控制外置电源断电。
其中，上述预设通电时间通常是预先设定的通电的时间，例如，5秒。在通电时间内，加热膜中的电阻丝开始放热。
实践中，在采用自加热方式对加热膜进行加热时，在断电后温度耗散的过程中，气泡区域的温度场特征与背景场差异明显，可以对气泡进行稳定捕捉。
实践中，上述执行主体可以向控制开关发送闭合指令，控制外置电源通电，向加热膜提供电能。同时，上述执行主体可以对加热膜的通电时间进行计时，在通电时间到达预设通电时间时，上述执行主体可以向控制开关发送断开指令，控制外置电源断电。
本实施例中，通过自加热的方式对加热膜进行加热，可以实现气泡的稳定捕捉，有助于提高气泡位置检测的准确性。
在一些实施例中，方法还包括：
对电池热像图执行预设图像处理操作，其中，预设图像处理操作包括以下至少一项：去除漂移、图像降噪、图像格式转换。
其中，上述预处理操作通常是预先设定的图像处理的操作。
其中，漂移通常是指图像中出现的偏移、模糊或其他不良效果。常见的漂移包括光照非均匀性、镜头畸变等。去除漂移通常是去除这些不良效果，实践中，上述执行主体可以采用预先设定的校正方法实现去除漂移，校正方法可以包括以下至少一项：平均滤波、直方图均衡化、几何校正等。
实践中，图像中的噪音通常包括高斯噪声、椒盐噪声、随机噪声等。上述执行主体可以采用信号处理技术减少或消除图像中额的噪音的操作，实现图像降噪，例如，中值滤波、均值滤波、小波去噪等。
实践中，为了适应特定的应用需求，上述执行主体可以将电池热像图转换成所需要的图像格式。
本实施例中，通过对电池热像图执行预设图像处理操作，有助于提高电池热像图的质量，提高气泡位置检测的准确性。
请参阅图5，图5是本申请一实施例提供的气泡位置确定装置500的结构框图，包括：
图像采集单元501，用于在达到预设降温时长时，控制红外传感器采集待测电池的电池热像图，其中，待测电池表面贴有加热膜；
气泡确定单元502，用于根据电池热像图所呈现的温度特征信息确定待测电池与加热膜之间是否存在气泡；
位置确定单元503，用于若存在气泡，则根据电池热像图确定气泡的气泡位置信息，以及输出气泡位置信息。
在一些实施例中，位置确定单元503可以包括轮廓确定模块、基准确定模块和点集确定模块（图中未示出）。
轮廓确定模块，用于根据电池热像图确定气泡的气泡轮廓；
基准确定模块，用于根据电池热像图建立基准轴，以及确定坐标原点；
点集确定模块，用于根据气泡轮廓和基准准以及坐标原点，确定气泡轮廓对应的目标点集，根据目标点集确定气泡位置信息。
在一些实施例中，图像采集单元501可以包括对焦控制模块、信息接收模块和热像图采集模块（图中未示出）。
对焦控制模块，用于在待测电池到达目标位置时，控制可见光传感器对待测电池进行对焦；
信息接收模块，用于接收可见光传感器发送的焦距信息和采集位置信息；
热像图采集模块，用于控制红外传感器移动至采集位置信息对应的采集位置，以及控制红外传感器以焦距信息对应的焦距采集电池热像图。
在一些实施例中，装置还可以包括可见光控制单元、参数确定单元和参数调整单元（图中未示出）。
可见光控制单元，用于控制可见光传感器采集待测电池的可见光图像，以及控制红外传感器采集预采样图像；
参数确定单元，用于根据可见光图像和预采样图像确定测温基点和采样参数；
参数调整单元，用于根据测温基点校准红外传感器的温度测量的参考标准点，根据采样参数调整红外传感器的相机参数。
在一些实施例中，装置还可以包括加热控制单元（图中未示出），用于通过以下任一方式对加热膜进行加热：自加热、热辐射、热对流。
在一些实施例中，在通过自加热对加热膜进行加热时，包括：将加热膜连接至外置电源；控制外置电源通电，以及在达到预设通电时间时，控制外置电源断电。
在一些实施例中，装置还包括预处理单元（图中未示出），用于对电池热像图执行预设图像处理操作，其中，预设图像处理操作包括以下至少一项：去除漂移、图像降噪、图像格式转换。
本实施例提供的装置，在达到预设降温时长时，通过采集到的电池热像图所呈现的温度特征信息确定待测电池与加热膜之间是否存在气泡，以及在确定存在气泡时，基于电池热像图确定气泡的气泡位置信息，可以实现快速确定待测电池与加热膜之间是否存在气泡，以及快速确定气泡位置，有助于提高确定气泡位置的效率。同时，通过电池热像图判断待测电池的表面与加热膜之间是否存在气泡，可以避免反射或折射现象对气泡位置检测的影响，有助于提高气泡位置检测的准确性。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请中的气泡位置确定方法侧的方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见气泡位置确定方法的实施例部分，此处不再赘述。
请参阅图6，图6是本申请一实施例提供的服务器600的结构框图，该实施例的服务器600包括：至少一个处理器601（图6中仅示出一个处理器）、存储器602以及存储在存储器602中并可在至少一个处理器601上运行的计算机程序603，例如气泡位置确定程序。处理器601执行计算机程序603时实现上述各个气泡位置确定方法的实施例中的步骤。处理器601执行计算机程序603时上述各装置实施例中各模块/单元的功能，例如，图5所示的图像采集单元501至位置确定单元503的功能。
示例性的，计算机程序603可以被分割成一个或多个单元，一个或者多个单元被存储在存储器602中，并由处理器601执行，以完成本申请。一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序603在服务器600中的执行过程。例如，计算机程序603可以被分割成图像采集单元，气泡确定单元，位置确定单元，各单元具体功能在上述实施例中已有描述，此处不再赘述。
服务器600可以是服务器、台式电脑、平板电脑、云端服务器和移动终端等计算设备。服务器600可包括，但不仅限于，处理器601，存储器602。本领域技术人员可以理解，图6仅仅是服务器600的示例，并不构成对服务器600的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如服务器还可以包括输入输出设备、网络接入设备、总线等。
所称处理器601可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器602可以是服务器600的内部存储单元，例如服务器600的硬盘或内存。存储器602也可以是服务器600的外部存储设备，例如服务器600上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。可选的，存储器602还可以既包括服务器600的内部存储单元也包括外部存储设备。存储器602用于存储计算机程序以及服务器600所需的其他程序和数据。存储器602还可以用于暂时地存储已经输出或者将要输出的数据。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种气泡位置确定方法，其特征在于，所述方法包括：
在达到预设降温时长时，控制红外传感器采集待测电池的电池热像图，其中，所述待测电池表面贴有加热膜；
根据所述电池热像图所呈现的温度特征信息确定所述待测电池与所述加热膜之间是否存在气泡；
若存在所述气泡，则根据所述电池热像图确定所述气泡的气泡位置信息，以及输出所述气泡位置信息。
2.根据权利要求1所述的气泡位置确定方法，其特征在于，所述根据所述电池热像图确定所述气泡的气泡位置信息，包括：
根据所述电池热像图确定所述气泡的气泡轮廓；
根据所述电池热像图建立基准轴，以及确定坐标原点；
根据所述气泡轮廓和所述基准轴以及所述坐标原点，确定所述气泡轮廓对应的目标点集，根据所述目标点集确定所述气泡位置信息。
3.根据权利要求1所述的气泡位置确定方法，其特征在于，所述控制红外传感器采集待测电池的电池热像图包括：
在所述待测电池到达目标位置时，控制可见光传感器对所述待测电池进行对焦；
接收所述可见光传感器发送的焦距信息和采集位置信息；
控制所述红外传感器移动至所述采集位置信息对应的采集位置，以及控制所述红外传感器以所述焦距信息对应的焦距采集所述电池热像图。
4.根据权利要求3所述的气泡位置确定方法，其特征在于，在所述控制红外传感器采集待测电池的电池热像图之前，所述方法还包括：
控制所述可见光传感器采集所述待测电池的可见光图像，以及控制所述红外传感器采集预采样图像；
根据所述可见光图像和所述预采样图像确定测温基点和采样参数；
根据所述测温基点校准所述红外传感器的温度测量的参考标准点，根据所述采样参数调整所述红外传感器的相机参数。
5.根据权利要求1所述的气泡位置确定方法，其特征在于，在所述控制红外传感器采集待测电池的电池热像图之前，还包括：
通过以下任一方式对所述加热膜进行加热：自加热、热辐射、热对流。
6.根据权利要求5所述的气泡位置确定方法，其特征在于，在通过所述自加热对所述加热膜进行加热时，所述方法包括：
将所述加热膜连接至外置电源；
控制所述外置电源通电，以及在达到预设通电时间时，控制所述外置电源断电。
7.根据权利要求1-6中任一项所述的气泡位置确定方法，其特征在于，所述方法还包括：
对所述电池热像图执行预设图像处理操作，其中，所述预设图像处理操作包括以下至少一项：去除漂移、图像降噪、图像格式转换。
8.一种气泡位置确定装置，其特征在于，包括：
图像采集单元，用于在达到预设降温时长时，控制红外传感器采集待测电池的电池热像图，其中，所述待测电池表面贴有加热膜；
气泡确定单元，用于根据所述电池热像图所呈现的温度特征信息确定所述待测电池与所述加热膜之间是否存在气泡；
位置确定单元，用于若存在所述气泡，则根据所述电池热像图确定所述气泡的气泡位置信息，以及输出所述气泡位置信息。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的气泡位置确定方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的气泡位置确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311722576.4A CN117405734A (zh) | 2023-12-15 | 2023-12-15 | 气泡位置确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311722576.4A CN117405734A (zh) | 2023-12-15 | 2023-12-15 | 气泡位置确定方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117405734A true CN117405734A (zh) | 2024-01-16 |
Family
ID=89492959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311722576.4A Pending CN117405734A (zh) | 2023-12-15 | 2023-12-15 | 气泡位置确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117405734A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105737989A (zh) * | 2016-02-01 | 2016-07-06 | 北京理工大学 | 一种可见光辅助的多波段红外实时成像分析系统 |
| CN108923749A (zh) * | 2018-06-11 | 2018-11-30 | 东北电力大学 | 基于红外视频的光伏组件热斑检测定位方法 |
| CN113469964A (zh) * | 2021-06-24 | 2021-10-01 | 深圳市明日系统集成有限公司 | 一种基于双目ccd成像的气泡测量方法、装置及系统 |
| CN113838010A (zh) * | 2021-09-09 | 2021-12-24 | 中国人民解放军空军工程大学 | 基于红外热波及卷积神经网络的复合材料损伤智能检测方法 |
| CN115880301A (zh) * | 2023-03-06 | 2023-03-31 | 长沙韶光芯材科技有限公司 | 一种玻璃基板气泡缺陷的识别系统 |
| CN116125299A (zh) * | 2022-12-12 | 2023-05-16 | 浙江大华科技有限公司 | 电芯包异常检测方法、装置、设备以及存储介质 |
| CN116165239A (zh) * | 2022-12-12 | 2023-05-26 | 浙江凌骁能源科技有限公司 | 加热膜的粘贴质量检测方法、装置、系统和存储介质 |
| CN116797977A (zh) * | 2023-06-28 | 2023-09-22 | 南京天创电子技术有限公司 | 巡检机器人动态目标识别与测温方法、装置和存储介质 |
-
2023
- 2023-12-15 CN CN202311722576.4A patent/CN117405734A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105737989A (zh) * | 2016-02-01 | 2016-07-06 | 北京理工大学 | 一种可见光辅助的多波段红外实时成像分析系统 |
| CN108923749A (zh) * | 2018-06-11 | 2018-11-30 | 东北电力大学 | 基于红外视频的光伏组件热斑检测定位方法 |
| CN113469964A (zh) * | 2021-06-24 | 2021-10-01 | 深圳市明日系统集成有限公司 | 一种基于双目ccd成像的气泡测量方法、装置及系统 |
| CN113838010A (zh) * | 2021-09-09 | 2021-12-24 | 中国人民解放军空军工程大学 | 基于红外热波及卷积神经网络的复合材料损伤智能检测方法 |
| CN116125299A (zh) * | 2022-12-12 | 2023-05-16 | 浙江大华科技有限公司 | 电芯包异常检测方法、装置、设备以及存储介质 |
| CN116165239A (zh) * | 2022-12-12 | 2023-05-26 | 浙江凌骁能源科技有限公司 | 加热膜的粘贴质量检测方法、装置、系统和存储介质 |
| CN115880301A (zh) * | 2023-03-06 | 2023-03-31 | 长沙韶光芯材科技有限公司 | 一种玻璃基板气泡缺陷的识别系统 |
| CN116797977A (zh) * | 2023-06-28 | 2023-09-22 | 南京天创电子技术有限公司 | 巡检机器人动态目标识别与测温方法、装置和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110490936B (zh) | 车辆摄像头的标定方法、装置、设备及可读存储介质 | |
| CN111179358A (zh) | 标定方法、装置、设备及存储介质 | |
| CN107024339B (zh) | 一种头戴显示设备的测试装置及方法 | |
| CN110889829B (zh) | 一种基于鱼眼镜头的单目测距方法 | |
| CN110335271B (zh) | 一种电气部件故障的红外检测方法及装置 | |
| KR102336030B1 (ko) | 전기차 충전기 화재 감지 및 상태 이상 예측 시스템 | |
| US20180262748A1 (en) | Camera calibration board, camera calibration device, camera calibration method, and program-recording medium for camera calibration | |
| CN110261069B (zh) | 一种用于光学镜头的检测方法 | |
| JP5128699B1 (ja) | 配線検査方法および配線検査装置 | |
| CN107525652B (zh) | 镜头畸变测试方法、装置及系统 | |
| CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
| CN115937147A (zh) | 缺陷检测参数的确定方法、装置、设备及存储介质 | |
| CN116797977A (zh) | 巡检机器人动态目标识别与测温方法、装置和存储介质 | |
| CN113840137B (zh) | 一种网络摄像机移动侦测灵敏度的验证方法及系统 | |
| KR102251307B1 (ko) | 거리측정 기능을 갖는 열상 카메라 시스템 | |
| TW201326776A (zh) | 鏡頭檢測裝置及方法 | |
| CN117268559B (zh) | 多模态婴幼儿异常体温检测方法、装置、设备及介质 | |
| CN109540892A (zh) | 鸭肉品种鉴别方法及系统 | |
| US20130250127A1 (en) | Method for Checking Camera | |
| CN117405734A (zh) | 气泡位置确定方法、装置、电子设备及存储介质 | |
| CN105758337A (zh) | 一种获取透镜平面与图像传感器平面之间夹角的方法 | |
| CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
| CN110579184A (zh) | 一种产品外观在线检测装置及其使用方法 | |
| KR102487590B1 (ko) | 얼굴 인식에 기초하여 촬영 대상의 온도를 측정하는 방법 | |
| US20190014261A1 (en) | Photographing method and photographing system compatible in air and water |
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 |