System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于机器视觉的电池回收方法及系统技术方案_技高网

一种基于机器视觉的电池回收方法及系统技术方案

技术编号:43772141 阅读:3 留言:0更新日期:2024-12-24 16:11
本申请提供了一种基于机器视觉的电池回收方法及系统,通过获取每个样本蓄电池的样本外观数据;进而确定对应样本蓄电池的噪声干扰域和损坏分布域,根据各个噪声干扰域和对应的损坏分布域得到每个样本蓄电池的置信缺陷特征;采集待测电池数据,在所述待测电池数据中提取目标废旧蓄电池的外观特征;通过所述外观特征和每个样本蓄电池的置信缺陷特征确定目标废旧蓄电池与各个样本蓄电池之间外壳损坏的协同相似度;根据所有的协同相似度确定目标废旧蓄电池的外观缺陷等级值,通过外观缺陷等级值对目标废旧蓄电池进行分类回收。采用本申请的方案,可增强废旧新能源汽车动力电池或锂电池等废旧电池分类回收的准确度。

【技术实现步骤摘要】

本申请涉及电池回收,更具体地说,本申请涉及一种基于机器视觉的电池回收方法及系统


技术介绍

1、电池回收是指对废旧电池进行收集、处理和再利用,以减少环境污染和资源浪费的过程,随着电池在各种电子设备、新能源汽车等领域的广泛应用,废旧电池的数量急剧增加,为了保证电池回收工作的稳步开展,需要对废旧电池进行分类回收并保证电池在回收各流程中的安全。

2、现有的对废旧电池进行分类回收的方式主要还是依靠人为判定,然而人为识别电池缺陷存在主观意识,不同的人会因为工作经验不同对废旧电池的损坏程度做出不同的判定,难以达到统一标准且效率不高,而现有的智能化废旧电池分类回收虽可通过统一标准对废旧电池进行自动识别、快速分类和处理,但难以识别废旧电池外壳上细小而繁多的缺陷(如轻微凹陷和氧化变色等),使得对废旧电池进行缺陷检测时误差较大,从而导致废旧电池分类回收的准确度不高,因此,如何增强智能化废旧电池分类回收过程中对废旧电池外壳缺陷的识别能力,从而提高废旧电池分类回收的准确度成为了业界面临的难题。


技术实现思路

1、本申请提供一种基于机器视觉的电池回收方法及系统,可增强智能化废旧电池分类回收过程中对废旧电池外壳缺陷的识别能力,提高废旧电池分类回收的准确度。

2、第一方面,本申请提供一种基于机器视觉的电池回收方法,包括:

3、获取样本蓄电池组中每个样本蓄电池的样本外观数据;

4、通过各个样本外观数据中的噪声特征确定对应样本蓄电池的噪声干扰域,通过各个样本外观数据中的损坏特征确定对应样本蓄电池的损坏分布域,进而根据各个样本蓄电池的噪声干扰域和对应的损坏分布域对每个样本蓄电池的缺陷轮廓进行二值化覆盖,得到每个样本蓄电池外壳的置信缺陷特征;

5、采集目标废旧蓄电池的电池参数,进而得到待测电池数据,在所述待测电池数据中提取目标废旧蓄电池外壳的外观特征;

6、通过所述外观特征和每个样本蓄电池外壳的置信缺陷特征确定目标废旧蓄电池与各个样本蓄电池之间外壳损坏的协同相似度;

7、根据所有的协同相似度确定目标废旧蓄电池的外观缺陷等级值,进而通过所述外观缺陷等级值对目标废旧蓄电池进行分类回收。

8、在一些实施例中,通过各个样本外观数据中的噪声特征确定对应样本蓄电池的噪声干扰域具体包括:

9、根据各个样本外观数据确定对应样本蓄电池的噪声二值图像;

10、对所有的噪声二值图像进行噪声特征提取,得到每个样本蓄电池的噪声特征;

11、确定各个噪声特征的噪声面积;

12、根据各个噪声面积确定对应样本蓄电池的噪声干扰域。

13、在一些实施例中,通过各个样本外观数据中的损坏特征确定对应样本蓄电池的损坏分布域具体包括:

14、根据各个样本外观数据确定对应样本蓄电池的损坏二值图像;

15、对所有的损坏二值图像进行损坏特征提取,得到每个样本蓄电池的损坏特征;

16、确定各个损坏特征的损坏面积;

17、根据各个损坏面积确定对应样本蓄电池的损坏分布域。

18、在一些实施例中,在所述待测电池数据中提取目标废旧蓄电池外壳的外观特征具体包括:

19、在所述待测电池数据中获取目标废旧蓄电池的外观显示图;

20、根据所述外观显示图确定目标废旧蓄电池的外观二值图;

21、对所述外观二值图进行特征提取,得到目标废旧蓄电池外壳的外观特征。

22、在一些实施例中,根据各个样本蓄电池的噪声干扰域和对应的损坏分布域对每个样本蓄电池的缺陷轮廓进行二值化覆盖,得到每个样本蓄电池外壳的置信缺陷特征具体包括:

23、对于每个样本蓄电池,获取样本蓄电池的噪声干扰域和损坏分布域;

24、根据所述噪声干扰域和所述损坏分布域确定样本蓄电池的缺陷轮廓;

25、对样本蓄电池的二值图像中所述缺陷轮廓覆盖的区域进行特征提取,得到样本蓄电池外壳的置信缺陷特征,进而确定每个样本蓄电池外壳的置信缺陷特征。

26、在一些实施例中,通过所述外观特征和每个样本蓄电池外壳的置信缺陷特征确定目标废旧蓄电池与各个样本蓄电池之间外壳损坏的协同相似度具体包括:

27、通过所述外观特征和每个样本蓄电池外壳的置信缺陷特征确定特征相似域;

28、基于所述特征相似域确定目标废旧蓄电池与各个样本蓄电池之间外壳损坏的协同相似度。

29、在一些实施例中,所述目标废旧蓄电池为废旧新能源汽车动力电池或废旧锂电池。

30、第二方面,本申请提供一种基于机器视觉的电池回收系统,该基于机器视觉的电池回收系统包括:

31、采集模块,获取样本蓄电池组中每个样本蓄电池的样本外观数据;

32、处理模块,通过各个样本外观数据中的噪声特征确定对应样本蓄电池的噪声干扰域,通过各个样本外观数据中的损坏特征确定对应样本蓄电池的损坏分布域,进而根据各个样本蓄电池的噪声干扰域和对应的损坏分布域对每个样本蓄电池的缺陷轮廓进行二值化覆盖,得到每个样本蓄电池外壳的置信缺陷特征;

33、所述处理模块还用于采集目标废旧蓄电池的电池参数,进而得到待测电池数据,在所述待测电池数据中提取目标废旧蓄电池外壳的外观特征;

34、所述处理模块还用于通过所述外观特征和每个样本蓄电池外壳的置信缺陷特征确定目标废旧蓄电池与各个样本蓄电池之间外壳损坏的协同相似度;

35、执行模块,用于根据所有的协同相似度确定目标废旧蓄电池的外观缺陷等级值,进而通过所述外观缺陷等级值对目标废旧蓄电池进行分类回收。

36、第三方面,本申请提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有代码,所述处理器被配置为获取所述代码,并执行上述的基于机器视觉的电池回收方法。

37、第四方面,本申请提供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,所述计算机程序被处理器执行时实现上述的基于机器视觉的电池回收方法。

38、本申请公开的实施例提供的技术方案具有以下有益效果:

39、本申请提供的基于机器视觉的电池回收方法及系统中,首先获取样本蓄电池组中每个样本蓄电池的样本外观数据;通过各个样本外观数据中的噪声特征确定对应样本蓄电池的噪声干扰域,通过各个样本外观数据中的损坏特征确定对应样本蓄电池的损坏分布域,进而根据各个样本蓄电池的噪声干扰域和对应的损坏分布域对每个样本蓄电池的缺陷轮廓进行二值化覆盖,得到每个样本蓄电池外壳的置信缺陷特征;采集目标废旧蓄电池的电池参数,进而得到待测电池数据,在所述待测电池数据中提取目标废旧蓄电池外壳的外观特征;通过所述外观特征和每个样本蓄电池外壳的置信缺陷特征确定目标废旧蓄电池与各个样本蓄电池之间外壳损坏的协同相似度;根据所有的协同相似度确定目标废旧蓄电池的外观缺陷等级值,进而通过所述外观缺陷等级值对目标废旧蓄电池进行分类回收。

本文档来自技高网...

【技术保护点】

1.一种基于机器视觉的电池回收方法,其特征在于,包括下述步骤:

2.如权利要求1所述的方法,其特征在于,通过各个样本外观数据中的噪声特征确定对应样本蓄电池的噪声干扰域具体包括:

3.如权利要求1所述的方法,其特征在于,通过各个样本外观数据中的损坏特征确定对应样本蓄电池的损坏分布域具体包括:

4.如权利要求1所述的方法,其特征在于,根据各个样本蓄电池的噪声干扰域和对应的损坏分布域对每个样本蓄电池的缺陷轮廓进行二值化覆盖,得到每个样本蓄电池外壳的置信缺陷特征具体包括:

5.如权利要求1所述的方法,其特征在于,在所述待测电池数据中提取目标废旧蓄电池外壳的外观特征具体包括:

6.如权利要求1所述的方法,其特征在于,通过所述外观特征和每个样本蓄电池外壳的置信缺陷特征确定目标废旧蓄电池与各个样本蓄电池之间外壳损坏的协同相似度具体包括:

7.如权利要求1所述的方法,其特征在于,所述目标废旧蓄电池为废旧新能源汽车动力电池或废旧锂电池。

8.一种基于机器视觉的电池回收系统,其特征在于,包括:

9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有代码,所述处理器被配置为获取所述代码,并执行如权利要求1至7任一项所述的基于机器视觉的电池回收方法。

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任一项所述的基于机器视觉的电池回收方法。

...

【技术特征摘要】

1.一种基于机器视觉的电池回收方法,其特征在于,包括下述步骤:

2.如权利要求1所述的方法,其特征在于,通过各个样本外观数据中的噪声特征确定对应样本蓄电池的噪声干扰域具体包括:

3.如权利要求1所述的方法,其特征在于,通过各个样本外观数据中的损坏特征确定对应样本蓄电池的损坏分布域具体包括:

4.如权利要求1所述的方法,其特征在于,根据各个样本蓄电池的噪声干扰域和对应的损坏分布域对每个样本蓄电池的缺陷轮廓进行二值化覆盖,得到每个样本蓄电池外壳的置信缺陷特征具体包括:

5.如权利要求1所述的方法,其特征在于,在所述待测电池数据中提取目标废旧蓄电池外壳的外观特征具体包括:

6.如权利要求1所述的方法,其特征在于,通...

【专利技术属性】
技术研发人员:朱凯梁国斌林伟殷晓飞王怀栋李丽万超一
申请(专利权)人:江苏理工学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1