CN117409069A - 膜层气泡面积的识别方法、装置、设备及介质 - Google Patents
膜层气泡面积的识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117409069A CN117409069A CN202311722577.9A CN202311722577A CN117409069A CN 117409069 A CN117409069 A CN 117409069A CN 202311722577 A CN202311722577 A CN 202311722577A CN 117409069 A CN117409069 A CN 117409069A
- Authority
- CN
- China
- Prior art keywords
- bubble
- area
- historical
- images
- areas
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000010438 heat treatment Methods 0.000 claims abstract description 95
- 238000001514 detection method Methods 0.000 claims abstract description 70
- 238000001816 cooling Methods 0.000 claims abstract description 46
- 238000001931 thermography Methods 0.000 claims abstract description 32
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 239000012528 membrane Substances 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 239000003814 drug Substances 0.000 claims description 3
- 229940079593 drug Drugs 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000010030 laminating Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请涉及电池检测技术领域,尤其涉及一种膜层气泡面积的识别方法、装置、设备及介质。该膜层气泡面积的识别方法包括:获取N个待处理图像,N个待处理图像为当目标电池加热膜贴合于电芯表面且处于降温过程中产生的红外热成像,每个待处理图像均分布有电阻丝背景温度场和气泡温度场;对每个待处理图像进行预处理,得到N个预处理图像;基于N个预处理图像,确定每个气泡区域,不同预处理图像中相同位置的气泡区域表示目标电池加热膜上的一个气泡;确定每个气泡区域的检测面积;对N个预处理图像中相同位置的N个气泡区域的检测面积融合处理,得到目标电池加热膜上每个气泡的实际面积。本实施例实现了膜层气泡面积的精准识别。
Description
技术领域
本申请涉及电池检测技术领域,尤其涉及一种膜层气泡面积的识别方法、装置、设备及介质。
背景技术
动力电池加热膜用于为电动汽车电池组进行加热,其具体是利用膜层的热导率和电阻率,通过通电加热来提高电池的工作温度。而且,在动力电池加热膜的加热作用下,可以提高电池组在低温环境下的性能和寿命,以增强车辆的动力性能和续航能力。
该动力电池加热膜一般贴合在电芯排列的底部或者侧面,在贴合的过程中不可避免的会产生贴合不到位的情况,因此,造成电芯与动力电池加热膜之间形成气泡,该气泡中的空气会影响热传导,进而影响到电池组以及包装的使用性能。
常见的气泡识别技术中,往往采用光传感器进行气泡识别,又由于加热膜通常为白色偏透明色,通过光传感技术进行加热膜气泡的识别结果准确性较差,尤其难以检测出气泡面积大小。若采用热力学传感器识别,则容易受到其他发热元件的识别干扰,比如,该动力电池加热膜内部的发热器件的影响。由于发热器件和气泡区域都会散发热量,而热力学传感器无法区分气泡区域的热力场和发热器件的热力场,发热器件的热力场对气泡的识别造成干扰。可见,对于电池加热膜检测技术中,如何实现气泡面积的准确识别,是当前亟需解决的问题。
发明内容
鉴于上述问题,本申请提供了一种克服上述问题或者至少部分地解决上述问题的膜层气泡面积的识别方法、装置、设备及介质。
第一方面,本申请提供了一种膜层气泡面积的识别方法,包括:
获取N个待处理图像,所述N个待处理图像为当目标电池加热膜贴合于电芯表面且处于降温过程中产生的红外热成像, N为与时间相关的正整数,每个所述待处理图像均分布有电阻丝背景温度场以及气泡温度场,且所述电阻丝背景温度场对所述气泡温度场的识别造成干扰;
对每个所述待处理图像进行预处理,得到N个预处理图像;
基于所述N个预处理图像,分别确定每个所述预处理图像的气泡区域,不同所述预处理图像中相同位置的所述气泡区域表示所述目标电池加热膜上的一个气泡;
扫描每个所述气泡区域,确定每个所述气泡区域的检测面积;
对所述N个预处理图像中相同位置的N个所述气泡区域的检测面积进行融合处理,得到所述目标电池加热膜上每个气泡的实际面积。
优选地,所述对每个所述待处理图像进行预处理,得到N个预处理图像,包括:
对每个所述待处理图像采用平滑滤波处理,以弱化边缘毛刺,得到N个预处理图像。
优选地,所述基于所述N个预处理图像,分别确定每个所述预处理图像的气泡区域,所述N个预处理图像中相同位置的N个所述气泡区域表示所述目标电池加热膜上的一个气泡,包括:
获取所述N个待处理图像中每个像素点的灰度值;
基于所述每个像素点的灰度值,分别确定每个所述预处理图像的气泡区域,所述气泡区域的每个像素点的灰度值均大于灰度阈值,所述N个预处理图像中相同位置的N个所述气泡区域表示所述目标电池加热膜上的一个气泡。
优选地,所述扫描每个所述气泡区域,确定每个所述气泡区域的检测面积,包括:
扫描每个所述气泡区域,确定每个所述气泡区域内的像素点个数,每个像素点的面积为单位面积;
基于每个所述气泡区域内的像素点个数,确定每个所述气泡区域的检测面积。
优选地,所述对所述N个预处理图像中相同位置的N个所述气泡区域的检测面积进行融合处理,得到所述目标电池加热膜上每个气泡的实际面积,包括:
获取每个所述预处理图像所对应的目标加权系数;
基于所述目标加权系数以及所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,得到所述目标电池加热膜上每个气泡的实际面积。
优选地,所述获取每个所述预处理图像所对应的目标加权系数,包括:
获取历史电池加热膜在历史降温过程中的M个历史红外热成像,所述历史电池加热膜上有历史气泡,每个所述历史红外热成像均包括历史气泡区域,M与时间相关,且M大于或等于N,所述历史电池加热膜与所述目标电池加热膜为同一型号;
获取每个所述历史气泡区域的历史检测面积以及每个所述历史气泡的历史真实面积,所述历史真实面积为人为测量确定,所述历史检测面积为识别确定;
基于所述历史检测面积以及所述历史真实面积,确定每个所述预处理图像所对应的目标加权系数。
优选地,所述基于所述历史检测面积以及所述历史真实面积,确定每个所述预处理图像所对应的目标加权系数,包括:
基于所述历史检测面积以及所述历史真实面积,按照如下公式,确定每个所述历史红外热成像所对应的历史加权系数:
其中,为每个所述历史气泡区域的历史检测面积,/>为所述历史电池加热膜上所述历史气泡的数量,/>为降温时间,/>为每个所述历史气泡的历史真实面积,为每个所述历史红外热成像所对应的历史加权系数;
基于所述历史加权系数,确定每个所述预处理图像所对应的目标加权系数。
优选地,所述基于所述目标加权系数以及所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,得到所述目标电池加热膜上每个气泡的实际面积,包括:
基于所述目标加权系数以及所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,按照如下公式,得到所述目标电池加热膜上每个气泡的实际面积:
其中,为所述目标电池加热膜上任一气泡的实际面积,/>为所述任一气泡所对应的所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,/>为每个所述预处理图像所对应的目标加权系数。
第二方面,本发明还提供了一种膜层气泡面积的识别装置,包括:
获取模块,用于获取N个待处理图像,所述N个待处理图像为当目标电池加热膜贴合于电芯表面且处于降温过程中产生的红外热成像, N为与时间相关的正整数,每个所述待处理图像均分布有电阻丝背景温度场以及气泡温度场,且所述电阻丝背景温度场对所述气泡温度场的识别造成干扰;
预处理模块,用于对每个所述待处理图像进行预处理,得到N个预处理图像;
第一确定模块,用于基于所述N个预处理图像,分别确定每个所述预处理图像的气泡区域,不同所述预处理图像中相同位置的N个所述气泡区域表示所述目标电池加热膜上的一个气泡;
第二确定模块,用于扫描每个所述气泡区域,确定每个所述气泡区域的检测面积;
融合模块,用于对所述N个预处理图像中相同位置的N个所述气泡区域的检测面积进行融合处理,得到所述目标电池加热膜上每个气泡的实际面积。
第三方面,本申请还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面中所述的方法步骤。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中所述的方法步骤。
本申请实施例中的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供了一种膜层气泡面积的识别方法,包括:获取N个待处理图像,N个待处理图像为当目标电池加热膜贴合于电芯表面且处于降温过程中产生的红外热成像,N为与时间相关的正整数,每个待处理图像均分布有电阻丝背景温度场以及气泡温度场,且电阻丝背景温度场对气泡温度场的识别造成干扰;对每个待处理图像进行预处理,得到N个预处理图像;基于N个预处理图像,分别确定每个预处理图像的气泡区域,不同预处理图像中相同位置的气泡区域表示目标电池加热膜上的一个气泡;扫描每个气泡区域,确定每个气泡区域的检测面积;对N个预处理图像中相同位置的N个气泡区域的检测面积进行融合处理,得到目标电池加热膜上每个气泡的实际面积。本实施例中,由于热力学背景温度场干扰也随着降温过程而逐渐减小,因此将降温过程中的红外热成像采用融合处理方式进行处理,有效降低电阻丝背景温度场对气泡面积计算的干扰,实现膜层气泡面积的精准识别。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考图形表示相同的部件。在附图中:
图1示出了本申请实施例中膜层气泡面积的识别方法的步骤流程示意图;
图2示出了本申请实施例中一幅红外热成像示意图;
图3示出了本申请实施例中降温1s得到的待处理图像示意图;
图4示出了本申请实施例中降温2s得到的待处理图像示意图;
图5示出了本申请实施例中降温3s得到的待处理图像示意图;
图6示出了本申请实施例中降温4s得到的待处理图像示意图;
图7示出了本申请实施例中降温5s得到的待处理图像示意图;
图8示出了本申请实施例中膜层气泡面积的识别装置的结构示意图;
图9示出了本申请实施例中实现膜层气泡面积的识别方法的计算机设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
本申请的实施例提供了一种膜层气泡面积的识别方法,如图1所示,包括:
S101,获取N个待处理图像,N个待处理图像为当电池加热膜贴合于电芯表面且处于降温过程中产生的红外热成像,N为与时间相关的正整数,每个待处理图像均分布有电阻丝背景温度场以及气泡温度场,且电阻丝背景温度场对气泡温度场的识别造成干扰;
S102,对每个待处理图像进行预处理,得到N个预处理图像;
S103,基于N个预处理图像,分别确定每个预处理图像的气泡区域;
S104,对N个预处理图像中相同位置的N个气泡区域的检测面积进行融合处理,得到目标电池加热膜上每个气泡的实际面积。
S101中,获取的N个待处理图像具体为电池加热膜贴合于电芯表面,且处于降温过程中产生的红外热成像,比如降温1s得到一个待处理图像,降温2s得到一个待处理图像,降温3s得到一个待处理图像等等,N为与时间相关的正整数。如图2所示,为其中一幅待处理图像。
具体可以采用红外热成像传感器进行采集,该红外热成像传感器具体为红外热成像仪、红外热成像摄像机以及红外热成像工业相机。
以图2为例,该待处理图像中包括横向条纹201显示的电阻丝背景温度场以及不规则的弧状闭环区域202显示的气泡温度场。正是由于电阻丝背景温度场的存在,导致本属于一个气泡温度场的区域,被电阻丝背景温度场干扰,形成两个或者两个以上的气泡温度场的区域。
如图3~图7所示,为降温1s,降温2s直至降温5s的红外热成像图。
接下来,执行S102,对每个待处理图像进行预处理,得到N个预处理图像。这里的预处理具体是采用低通滤波器进行过滤处理,以弱化边缘,将边缘毛刺去除,简单过滤电阻丝背景温度场的一些明显干扰区域,并不能对电阻丝背景温度场的干扰完全去除。
接着,通过一些像素提升手段提升图像的分辨率,以便于得到更为清晰的图像,便于后续的识别。因此,具体的像素提升处理就不再详细赘述了。
接下来,执行S103,基于N个预处理图像,分别确定每个预处理图像的气泡区域,不同预处理图像中相同位置的N个气泡区域表示目标电池加热膜上的一个气泡。
具体可以采用灰度值识别方法进行确定,由于每个预处理图像中不仅包括气泡区域,同时也包括背景温度场区域以及电池加热膜与电芯贴合紧密的温度场区域。由于电池加热膜与电芯贴合紧密的温度场区域在降温过程中热量消散较快,因此,呈现出的温度场的灰度值与气泡区域的温度场的灰度值不同,其中,气泡区域由于空气的存在,使得降温过程中热量消散较慢。因此,灰度值能够明显区分两者。因此,这里的气泡区域即为一个去泡的轮廓区域。
设置灰度阈值,该灰度阈值为用于评判灰度值是否正常的界限。
具体地,获取每个待处理图像中每个像素点的灰度值;
基于每个像素点的灰度值,分别确定每个预处理图像的气泡区域,气泡区域的每个像素点的灰度值均大于灰度阈值。
在一种可选的实施方式中,将灰度值大于灰度阈值的区域确定为异常区域,该异常区域即为降温过程中,热量消散较慢的区域,即为气泡区域;当然,灰度值小于灰度阈值的区域为正常区域,该正常区域即为降温过程中,热量快速消散的区域,即为电池加热膜与电芯贴合紧密的区域。由此确定出气泡区域。
接下来,为了能够清楚确定该气泡区域的面积,采用将N个预处理图像进行融合处理的方式实现。
具体地,由于N个预处理图像对应N个待处理图像,即为降温1s时采集的待处理图像、降温2s采集的待处理图像以及降温3s采集的待处理图像,随着时间的推移,该气泡区域也随着变化,具体是气泡面积逐渐变小,但是,电阻丝背景温度场也随着时间的推移在不断变化,相应的干扰也逐渐降低。为了能够提高气泡面积的识别准确性,综合考虑不同时刻的气泡面积,从而得到准确的气泡面积,为产品性能的识别提供依据。
S104,扫描每个气泡,确定每个气泡区域的检测面积。
具体地,扫描每个气泡区域,确定每个气泡区域内的像素点个数,每个像素点的面积为单位面积;
基于每个气泡区域内的像素点个数,确定每个气泡区域的检测面积。
在一种可选的实施方式中,通过扫描每个气泡区域内的像素点个数,将像素点个数与单位面积相乘,由此得到每个气泡区域的检测面积。该检测面积为计算机识别得到的结果。
另一种可选的实施方式中,采用网格对每个气泡区域进行划分,同样是扫描每个气泡区域内的网格数量,单个网格的面积为已知面积,通过将每个气泡区域内的网格数量与已知面积相乘,也可以得到每个气泡区域的检测面积。
在以每个预处理图像有4个气泡,得到降温过程的1s,2s,3s以及4s的4个预处理图像为例,若对每个预处理图像中不同位置的气泡进行编号,4个预处理图像中不同预处理图像的相同位置的气泡编号相同。
按照上述的编号方式,分别编号为1、2、3以及4,为了区分不同时刻的预处理图像中的每个气泡,可以在该编号之前加上对应的降温时刻信息,比如,11,12,13以及14,编号之前的1均对应降温时刻1s。对于降温2s的预处理图像,可以用21、22、23以及24与之前的区分,直到降温Ns时的 N1、N2、N3以及N4。其中,对于标注为11、21直至N1的气泡为目标电池加热膜的同一个气泡在不同时刻的标注,但是,其仍对应编号为1的气泡。
由此得到的每个气泡区域的检测面积为
在确定每个气泡区域的检测面积之后,执行S105,对N个预处理图像中相同位置的N个气泡区域的检测面积进行融合处理,得到目标电池加热膜上每个气泡的实际面积。由于随着降温时长的变化,电阻丝背景温度场的干扰逐渐降低,考虑各个降温时刻气泡区域的检测面积,能够提高识别面积的准确性。该融合处理方式如下:
具体地,获取每个预处理图像所对应的目标加权系数;
基于目标加权系数以及每个预处理图像中相同位置的N个气泡区域的检测面积,得到目标电池加热膜上每个气泡的实际面积。
其中,目标加权系数需要根据历史数据进行确定。
在一种可选的实施方式中,目标加权系数的确定方法如下:
获取历史电池加热膜在历史降温过程中的M个历史红外热成像,历史电池加热膜上有历史气泡,每个历史红外热成像均包括历史气泡区域,M与时间相关,且M大于或等于N,该历史电池加热膜与目标电池加热膜为同一型号;
获取M个历史气泡区域的历史检测面积以及每个历史气泡的历史真实面积,历史真实面积为人为测量确定,历史检测面积为识别确定;
基于历史检测面积以及历史真实面积,确定每个预处理图像所对应的目标加权系数。
M个历史红外热成像代表采集的降温过程的1s,2s,直到Ms的历史红外热成像,是一组历史图像数据。若每个历史红外热成像中包括P个历史气泡,那么,获取的M个历史红外热成像中每个气泡区域的历史检测面积标注为,所对应的历史电池加热膜上每个历史气泡的历史真实面积为/>,则存在如下计算公式:
其中,为每个历史红外热成像所对应的历史加权系数,其中,/>对应降温1s时的历史红外热成像所对应的历史加权系数,/>对应降温2s时的历史红外热成像所对应的历史加权系数……,/>为降温Ms时的历史红外热成像所对应的历史加权系数。/>为每个历史气泡区域的历史检测面积。M为降温时间,同时M也是历史红外热成像的数量,为每个历史气泡的历史真实面积。
按照上述的计算公式,可以得到的值。基于M个历史红外热成像所对应的历史加权系数,确定每个预处理图像所对应的目标加权系数。
比如,该历史电池加热膜对应的降温过程中降温1s~降温4s对应的历史加权系数为,可以得到降温1s的预处理图像所对应的历史加权系数/>,降温2s的预处理图像所对应的历史加权系数/>,降温3s的预处理图像所对应的历史加权系数/>,以及降温4s的预处理图像所对应的历史加权系数/>。具体根据N的个数来确定选取的数量,比如前3s。从而确定目标加权系数。
在确定目标加权系数之后,计算该目标电池加热膜上每个气泡的实际面积。
具体地,基于目标加权系数以及每个预处理图像中相同位置的N个气泡区域的检测面积,按照如下公式,确定目标电池加热膜上每个气泡的实际面积:
其中,为目标电池加热膜上任一气泡的实际面积,/>为任一气泡所对应的N个预处理图像中相同位置的N个气泡区域的检测面积,/>为每个预处理图像所对应的目标加权系数。
该目标电池加热膜上每个气泡的实际面积均按照上述的计算公式得到,即可得到、/>……/>。其中,/>为该目标电池加热膜上气泡的数量。由此得到该目标电池加热膜上所有气泡的实际面积。
通过将同一气泡在不同时刻的N个气泡区域融合处理,得到该气泡的实际面积,有效规避了降温初期电阻丝背景温度场的干扰,提高了识别气泡面积的准确性。
而且,采用上述的融合计算方式,能够将原本是一个气泡区域,由于电阻丝背景温度场的干扰识别为两个或者两个以上的气泡区域,重新确定为一个气泡区域。避免对气泡数量的识别误差,影响产品性能的判断。
本申请实施例中的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供了一种膜层气泡面积的识别方法,包括:获取N个待处理图像,N个待处理图像为当目标电池加热膜贴合于电芯表面且处于降温过程中产生的红外热成像,N为与时间相关的正整数,每个待处理图像均分布有电阻丝背景温度场以及气泡温度场,且电阻丝背景温度场对气泡温度场的识别造成干扰;对每个待处理图像进行预处理,得到N个预处理图像;基于N个预处理图像,分别确定每个预处理图像的气泡区域,不同预处理图像中相同位置的气泡区域表示目标电池加热膜上的一个气泡;扫描每个气泡区域,确定每个气泡区域的检测面积;对N个预处理图像中相同位置的N个气泡区域的检测面积进行融合处理,得到目标电池加热膜上每个气泡的实际面积,由于热力学背景温度场干扰也随着降温过程而逐渐减小,因此将降温过程中的红外热成像采用融合处理方式进行处理,有效降低电阻丝背景温度场对气泡面积计算的干扰,实现膜层气泡面积的精准识别。
实施例二
基于相同的发明构思,本申请实施例还提供了一种膜层气泡面积的识别装置,如图8所示,包括:
获取模块801,用于获取N个待处理图像,所述N个待处理图像为当目标电池加热膜贴合于电芯表面且处于降温过程中产生的红外热成像, N为与时间相关的正整数,每个所述待处理图像均分布有电阻丝背景温度场以及气泡温度场,且所述电阻丝背景温度场对所述气泡温度场的识别造成干扰;
预处理模块802,用于对每个所述待处理图像进行预处理,得到N个预处理图像;
第一确定模块803,用于基于所述N个预处理图像,分别确定每个所述预处理图像的气泡区域,不同所述预处理图像中相同位置的N个所述气泡区域表示所述目标电池加热膜上的一个气泡;
第二确定模块804,用于扫描每个所述气泡区域,确定每个所述气泡区域的检测面积;
融合模块805,用于对所述N个预处理图像中相同位置的N个所述气泡区域的检测面积进行融合处理,得到所述目标电池加热膜上每个气泡的实际面积。
在一种可选的实施方式中,预处理模块802,用于:
对每个待处理图像采用平滑滤波处理,以弱化边缘毛刺,得到N个预处理图像。
在一种可选的实施方式中,第一确定模块803,用于:
获取所述N个待处理图像中每个像素点的灰度值;
基于所述每个像素点的灰度值,分别确定每个所述预处理图像的气泡区域,所述气泡区域的每个像素点的灰度值均大于灰度阈值,不同所述预处理图像中相同位置的N个所述气泡区域表示所述目标电池加热膜上的一个气泡。
在一种可选的实施方式中,第二确定模块804,用于:
扫描每个所述气泡区域,确定每个所述气泡区域内的像素点个数,每个像素点的面积为单位面积;
基于每个所述气泡区域内的像素点个数,确定每个所述气泡区域的检测面积。
在一种可选的实施方式中,融合模块805,包括:
获取单元,用于获取每个所述预处理图像所对应的目标加权系数;
得到单元,用于基于所述目标加权系数以及所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,得到所述目标电池加热膜上每个气泡的实际面积。
在一种可选的实施方式中,获取单元,用于:
获取历史电池加热膜在历史降温过程中的M个历史红外热成像,所述历史电池加热膜上有历史气泡,每个所述历史红外热成像均包括历史气泡区域,M与时间相关,且M大于或等于N,所述历史电池加热膜与所述目标电池加热膜为同一型号;
获取每个所述历史气泡区域的历史检测面积以及每个所述历史气泡的历史真实面积,所述历史真实面积为人为测量确定,所述历史检测面积为识别确定;
基于所述历史检测面积以及所述历史真实面积,确定每个所述预处理图像所对应的目标加权系数。
在一种可选的实施方式中,获取单元,具体用于:
基于所述历史检测面积以及所述历史真实面积,按照如下公式,确定每个所述历史红外热成像所对应的历史加权系数:
其中,为每个所述历史气泡区域的历史检测面积,/>为所述历史电池加热膜上所述历史气泡的数量,/>为降温时间,/>为每个所述历史气泡的历史真实面积,为每个所述历史红外热成像所对应的历史加权系数;
基于所述历史加权系数,确定每个所述预处理图像所对应的目标加权系数。
在一种可选的实施方式中,确定单元,用于:
基于所述目标加权系数以及所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,按照如下公式,确定所述目标电池加热膜上每个气泡的实际面积:
其中,为所述目标电池加热膜上任一气泡的实际面积,/>为所述任一气泡所对应的所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,/>为每个所述预处理图像所对应的目标加权系数。
在一种可选的实施方式中,判断模块,用于基于每个气泡的实际面积,判断所述目标电池加热膜的贴合是否满足要求。
实施例三
基于相同的发明构思,本申请实施例提供了一种计算机设备,如图9所示,包括存储器904、处理器902及存储在存储器904上并可在处理器902上运行的计算机程序,所述处理器902执行所述程序时实现上述膜层气泡面积的识别方法的步骤。
其中,在图9中,总线架构(用总线900来代表),总线900可以包括任意数量的互联的总线和桥,总线900将包括由处理器902代表的一个或多个处理器和存储器904代表的存储器的各种电路链接在一起。总线900还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口906在总线900和接收器901和发送器903之间提供接口。接收器901和发送器903可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器902负责管理总线900和通常的处理,而存储器904可以被用于存储处理器902在执行操作时所使用的数据。
实施例四
基于相同的发明构思,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述膜层气泡面积的识别方法的步骤。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个实施例中所明确记载的特征更多的特征。更确切地说,如每个实施例所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在具体实施方式中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的膜层气泡面积的识别装置、计算机设备中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (11)
1.一种膜层气泡面积的识别方法,其特征在于,包括:
获取N个待处理图像,所述N个待处理图像为当目标电池加热膜贴合于电芯表面且处于降温过程中产生的红外热成像,N为与时间相关的正整数,每个所述待处理图像均分布有电阻丝背景温度场以及气泡温度场,且所述电阻丝背景温度场对所述气泡温度场的识别造成干扰;
对每个所述待处理图像进行预处理,得到N个预处理图像;
基于所述N个预处理图像,分别确定每个所述预处理图像的气泡区域,不同所述预处理图像中相同位置的所述气泡区域表示所述目标电池加热膜上的一个气泡;
扫描每个所述气泡区域,确定每个所述气泡区域的检测面积;
对所述N个预处理图像中相同位置的N个所述气泡区域的检测面积进行融合处理,得到所述目标电池加热膜上每个气泡的实际面积。
2.如权利要求1所述的方法,其特征在于,所述对每个所述待处理图像进行预处理,得到N个预处理图像,包括:
对每个所述待处理图像采用平滑滤波处理,以弱化边缘毛刺,得到N个预处理图像。
3.如权利要求1所述的方法,其特征在于,所述基于所述N个预处理图像,分别确定每个所述预处理图像的气泡区域,不同所述预处理图像中相同位置的N个所述气泡区域表示所述目标电池加热膜上的一个气泡,包括:
获取所述N个待处理图像中每个像素点的灰度值;
基于所述每个像素点的灰度值,分别确定每个所述预处理图像的气泡区域,所述气泡区域的每个像素点的灰度值均大于灰度阈值,不同所述预处理图像中相同位置的N个所述气泡区域表示所述目标电池加热膜上的一个气泡。
4.如权利要求1所述的方法,其特征在于,所述扫描每个所述气泡区域,确定每个所述气泡区域的检测面积,包括:
扫描每个所述气泡区域,确定每个所述气泡区域内的像素点个数,每个像素点的面积为单位面积;
基于每个所述气泡区域内的像素点个数,确定每个所述气泡区域的检测面积。
5.如权利要求1所述的方法,其特征在于,所述对所述N个预处理图像中相同位置的N个所述气泡区域的检测面积进行融合处理,得到所述目标电池加热膜上每个气泡的实际面积,包括:
获取每个所述预处理图像所对应的目标加权系数;
基于所述目标加权系数以及所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,得到所述目标电池加热膜上每个气泡的实际面积。
6.如权利要求5所述的方法,其特征在于,所述获取每个所述预处理图像所对应的目标加权系数,包括:
获取历史电池加热膜在历史降温过程中的M个历史红外热成像,所述历史电池加热膜上有历史气泡,每个所述历史红外热成像均包括历史气泡区域,M与时间相关,且M大于或等于N,所述历史电池加热膜与所述目标电池加热膜为同一型号;
获取每个所述历史气泡区域的历史检测面积以及每个所述历史气泡的历史真实面积,所述历史真实面积为人为测量确定,所述历史检测面积为识别确定;
基于所述历史检测面积以及所述历史真实面积,确定每个所述预处理图像所对应的目标加权系数。
7.如权利要求6所述的方法,其特征在于,所述基于所述历史检测面积以及所述历史真实面积,确定每个所述预处理图像所对应的目标加权系数,包括:
基于所述历史检测面积以及所述历史真实面积,按照如下公式,确定每个所述历史红外热成像所对应的历史加权系数:
其中,为每个所述历史气泡区域的历史检测面积,/>为所述历史电池加热膜上所述历史气泡的数量,/>为降温时间,/>为每个所述历史气泡的历史真实面积,/>为每个所述历史红外热成像所对应的历史加权系数;
基于所述历史加权系数,确定每个所述预处理图像所对应的目标加权系数。
8.如权利要求5所述的方法,其特征在于,所述基于所述目标加权系数以及所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,得到所述目标电池加热膜上每个气泡的实际面积,包括:
基于所述目标加权系数以及所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,按照如下公式,得到所述目标电池加热膜上每个气泡的实际面积:
其中,为所述目标电池加热膜上任一气泡的实际面积,/>为所述任一气泡所对应的所述N个预处理图像中相同位置的N个所述气泡区域的检测面积,/>为每个所述预处理图像所对应的目标加权系数。
9.一种膜层气泡面积的识别装置,其特征在于,包括:
获取模块,用于获取N个待处理图像,所述N个待处理图像为当目标电池加热膜贴合于电芯表面且处于降温过程中产生的红外热成像, N为与时间相关的正整数,每个所述待处理图像均分布有电阻丝背景温度场以及气泡温度场,且所述电阻丝背景温度场对所述气泡温度场的识别造成干扰;
预处理模块,用于对每个所述待处理图像进行预处理,得到N个预处理图像;
第一确定模块,用于基于所述N个预处理图像,分别确定每个所述预处理图像的气泡区域,不同所述预处理图像中相同位置的N个所述气泡区域表示所述目标电池加热膜上的一个气泡;
第二确定模块,用于扫描每个所述气泡区域,确定每个所述气泡区域的检测面积;
融合模块,用于对所述N个预处理图像中相同位置的N个所述气泡区域的检测面积进行融合处理,得到所述目标电池加热膜上每个气泡的实际面积。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1~8中任一权利要求所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~8中任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311722577.9A CN117409069B (zh) | 2023-12-15 | 2023-12-15 | 膜层气泡面积的识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311722577.9A CN117409069B (zh) | 2023-12-15 | 2023-12-15 | 膜层气泡面积的识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117409069A true CN117409069A (zh) | 2024-01-16 |
CN117409069B CN117409069B (zh) | 2024-05-14 |
Family
ID=89487451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311722577.9A Active CN117409069B (zh) | 2023-12-15 | 2023-12-15 | 膜层气泡面积的识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117409069B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108931535A (zh) * | 2018-09-11 | 2018-12-04 | 大连理工大学 | 一种激光增材制造气孔缺陷在线监测方法 |
CN112598641A (zh) * | 2020-12-22 | 2021-04-02 | 钟竞 | 一种基于人工智能的设备密封性评估方法及系统 |
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 |
CN117173632A (zh) * | 2023-09-08 | 2023-12-05 | 中建西部建设北方有限公司 | 一种铝模板混凝土的表面气泡评价方法及系统 |
-
2023
- 2023-12-15 CN CN202311722577.9A patent/CN117409069B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108931535A (zh) * | 2018-09-11 | 2018-12-04 | 大连理工大学 | 一种激光增材制造气孔缺陷在线监测方法 |
CN112598641A (zh) * | 2020-12-22 | 2021-04-02 | 钟竞 | 一种基于人工智能的设备密封性评估方法及系统 |
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 |
CN117173632A (zh) * | 2023-09-08 | 2023-12-05 | 中建西部建设北方有限公司 | 一种铝模板混凝土的表面气泡评价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117409069B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154508B (zh) | 产品缺陷检测定位的方法、装置、存储介质及终端设备 | |
CN111160379B (zh) | 图像检测模型的训练方法及装置、目标检测方法及装置 | |
CN111862228B (zh) | 遮挡检测的方法、系统、计算机设备和可读存储介质 | |
US10929719B2 (en) | Adversarial attack on black box object detection algorithm | |
JP7186539B2 (ja) | 錆検出プログラム、錆検出システム及び錆検出方法 | |
CN113657409A (zh) | 车辆损失检测方法、装置、电子设备及存储介质 | |
CN111310746B (zh) | 文本行检测方法、模型训练方法、装置、服务器及介质 | |
CN115631344B (zh) | 一种基于特征自适应聚合的目标检测方法 | |
CN113743163A (zh) | 交通目标识别模型训练方法、交通目标定位方法、装置 | |
CN116343171A (zh) | 目标检测方法、存储介质、电子设备以及车辆 | |
CN112132216B (zh) | 车型识别方法、装置、电子设备及存储介质 | |
CN116052026A (zh) | 一种无人机航拍图像目标检测方法、系统及存储介质 | |
CN117409007B (zh) | 一种电池加热膜贴合度的确定方法、装置、设备及介质 | |
CN116012712A (zh) | 基于物体通用特征的目标检测方法、装置、设备及介质 | |
Kong et al. | Lightweight algorithm for multi-scale ship detection based on high-resolution SAR images | |
JP2006090957A (ja) | 移動体の周囲物体検出装置及び移動体の周囲物体検出方法 | |
Peng et al. | CourtNet: Dynamically balance the precision and recall rates in infrared small target detection | |
JP2021145557A (ja) | 罹病木診断システム、罹病木診断方法、及び罹病木診断プログラム | |
CN117409069B (zh) | 膜层气泡面积的识别方法、装置、设备及介质 | |
CN116934737A (zh) | 一种焊缝组合缺陷识别及分类方法 | |
CN109766799B (zh) | 车位识别模型训练方法及装置和车位识别方法及装置 | |
CN116758501A (zh) | 一种基于深度学习的道路目标检测系统、方法及存储介质 | |
CN109960990B (zh) | 障碍物侦测可信度评估方法 | |
CN114140659B (zh) | 一种基于无人机视角下人体检测的社交距离监控方法 | |
CN117975402A (zh) | 用于确定车辆可通行区域的车载控制器和方法 |
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 |