基于机器学习的铅酸蓄电池非接触式漏液检测装置及方法制造方法及图纸

本发明专利技术公开了一种基于机器学习的铅酸蓄电池非接触式漏液检测装置及方法，属于电池检测领域。所述装置包括机架，安装在机架上的图像处理器连接红外摄像头、纵向旋转电机和横向旋转电机，并控制其运行。所述方法包括如下步骤：1）所述机架上的红外摄像头调整角度，对准铅酸蓄电池；2）通过图像处理器控制红外摄像头采集多张图像；3）对步骤2）获得的图像进行去噪；4）识别步骤3）图像中的漏液区域；5）标记步骤4）中漏液区域。本发明专利技术采用非接触式方法检测漏液，检测速度快，稳定高效；本发明专利技术采用机器学习的逻辑回归和线性回归算法判断漏液状态和识别漏液区域，识别率高；本发明专利技术成本低，安装施工简单，适用范围广。

Machine learning based non-contact leakage detection device and method for lead-acid battery

【技术实现步骤摘要】
基于机器学习的铅酸蓄电池非接触式漏液检测装置及方法
本专利技术涉及电池检测领域，具体涉及一种基于机器学习的铅酸蓄电池非接触式漏液检测方法。
技术介绍
随着社会的发展和科技的进步，储备电源成为日常生活、生产中的很重要的一部分，储备电源按照电容量从小到大可分为纽扣电池、干电池、锂电池、铅酸蓄电池等，纽扣电池常用于小型电子机械设备，比如电子手表，干电池常用于小型老式电子设备，比如收音机、电子玩具等，锂电池常用于小型可移动电子设备，比如手机、笔记本电脑等，铅酸蓄电池常用于小型可移动电动设备和大型不可移动设备，比如电动车、汽车、生产中心的备用电源等。其中，铅酸蓄电池的用途最广泛，目前，在很多生产领域中具有不可替代性。铅酸蓄电池最常见的故障就是电池漏液，而且，电池漏液会造成线路短路，进而导致失火，甚至爆炸，近年来国内外已经有过很多相关报道，这种情况的发生对人们的生产生活造成了巨大的安全隐患和财产损失。因此，电池漏液的检测是一个非常有必要的安全保障。目前常见的铅酸蓄电池漏液检测方法有两种，第一，通过观察铅酸蓄电池的外壳有无破裂，电池的端子和安本文档来自技高网...

【技术保护点】
1.一种基于机器学习的铅酸蓄电池非接触式漏液检测装置，包括机架（1）、图像处理器（3）和红外摄像头（4），其特征在于：所述图像处理器（3）和红外摄像头设置在机架（1）上，机架（1）下方设有纵向旋转电机（5）和横向旋转电机（6），所述图像处理器（3）连接红外摄像头（4）、纵向旋转电机（5）和横向旋转电机（6）。/n

【技术特征摘要】
1.一种基于机器学习的铅酸蓄电池非接触式漏液检测装置，包括机架（1）、图像处理器（3）和红外摄像头（4），其特征在于：所述图像处理器（3）和红外摄像头设置在机架（1）上，机架（1）下方设有纵向旋转电机（5）和横向旋转电机（6），所述图像处理器（3）连接红外摄像头（4）、纵向旋转电机（5）和横向旋转电机（6）。


2.如权利要求1所述的基于机器学习的铅酸蓄电池非接触式漏液检测装置，其特征在于：所述红外摄像头（4）通过纵向旋转电机（5）和横向旋转电机（6）旋转，对准铅酸蓄电池（2）。


3.如权利要求1所述的基于机器学习的铅酸蓄电池非接触式漏液检测装置，其特征在于：所述图像处理器（3）控制红外摄像头（4），采集到铅酸蓄电池（2）的红外图像后，红外摄像头（4）把红外图像数据传输给图像处理器（3），图像处理器（3）对数据进行处理，最终得到漏液区域标记后的红外图像。


4.一种基于机器学习的铅酸蓄电池非接触式漏液检测方法，包括如下步骤：
步骤1）机架上的红外摄像头（4）通过旋转纵向旋转电机（5）和横向旋转电机（6），对准铅酸蓄电池（2），调整红外摄像头（4）的焦距和倍率，控制图像的焦点和放大倍数；
步骤2）通过图像处理器（3）控制红外摄像头（4）采集多张图像，所述的图像包括铅酸蓄电池（2）的正极端子（7）、安全阀（8）、负极端子（9）等易发生漏液的区域；
步骤3）对步骤2）获得的图像进行...

【专利技术属性】
技术研发人员：许俊彪，刘强，张章，姜文，陈铖，
申请(专利权)人：国家计算机网络与信息安全管理中心，
类型：发明
国别省市：北京;11