新能源汽车电池的拆解系统及其方法技术方案

一种新能源汽车电池的拆解系统及其方法，其获取由热红外摄像头采集的电池包外壳和单体电芯的热红外监控视频；采用基于深度学习的人工智能技术，挖掘所述电池包外壳和所述单体电芯之间的温度分布特征在空间维度和时间维度上的隐含关联特征分布信息，以基于电池包外壳和单体电芯之间的实际温度变化情况来实时准确地进行加热控制，从而提高电池拆解的效率和安全性。和安全性。和安全性。

【技术实现步骤摘要】
新能源汽车电池的拆解系统及其方法


[0001]本申请涉及智能化拆解
，并且更具体地，涉及一种新能源汽车电池的拆解系统及其方法。

技术介绍

[0002]随着新能源汽车产业的快速发展，动力电池的回收问题日益凸显。废旧动力蓄电池的不当处理可能会带来触电、短路燃爆等安全隐患，同时还存在重金属和有机污染物的环境污染问题。
[0003]目前，废旧动力电池的回收主要依靠人工拆解和粗放式破碎预处理，但这种方法存在诸多缺陷，如拆解难度大、自动化水平低、二次污染严重和资源综合回收效率低等。因此，期望一种优化的新能源汽车电池的拆解系统，以实现动力电池内的电芯安全无损取出，为贵金属资源回收利用提供便利条件，同时降低劳动强度，确保人身安全，为新能源汽车产业的可持续发展提供支撑。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种新能源汽车电池的拆解系统及其方法，其获取由热红外摄像头采集的电池包外壳和单体电芯的热红外监控视频；采用基于深度学习的人工智能技术，挖掘所述电池包外壳和所述单体电芯之间的温度分布特征在空间维度和时间维度上的隐含关联特征分布信息，以基于电池包外壳和单体电芯之间的实际温度变化情况来实时准确地进行加热控制，从而提高电池拆解的效率和安全性。
[0005]第一方面，提供了一种新能源汽车电池的拆解系统，其包括：
[0006]视频采集模块，用于获取由热红外摄像头采集的电池包外壳和单体电芯的热红外监控视频；
[0007]关键帧提取模块，用于从所述热红外监控视频提取多个热红外监控关键帧；
[0008]空间特征增强模块，用于将所述多个热红外监控关键帧分别通过使用空间注意力的第一卷积神经网络模型以得到多个温度分布特征矩阵；
[0009]温度分布特征聚合模块，用于将所述多个温度分布特征矩阵沿着通道维度聚合为温度分布时序输入张量；
[0010]温度时序变化特征提取模块，用于将所述温度分布时序输入张量通过包含第二卷积神经网络模型和第三卷积神经网络模型的双管线集成网络以得到温度分布时序特征图；
[0011]加热控制模块，用于将所述温度分布时序特征图通过分类器以得到分类结果，所述分类结果用于表示是否停止加热。
[0012]第二方面，提供了一种新能源汽车电池的拆解方法，其包括：
[0013]获取由热红外摄像头采集的电池包外壳和单体电芯的热红外监控视频；
[0014]从所述热红外监控视频提取多个热红外监控关键帧；
[0015]将所述多个热红外监控关键帧分别通过使用空间注意力的第一卷积神经网络模型以得到多个温度分布特征矩阵；
[0016]将所述多个温度分布特征矩阵沿着通道维度聚合为温度分布时序输入张量；
[0017]将所述温度分布时序输入张量通过包含第二卷积神经网络模型和第三卷积神经网络模型的双管线集成网络以得到温度分布时序特征图；
[0018]将所述温度分布时序特征图通过分类器以得到分类结果，所述分类结果用于表示是否停止加热。
[0019]在上述新能源汽车电池的拆解方法中，将所述多个热红外监控关键帧分别通过使用空间注意力的第一卷积神经网络模型以得到多个温度分布特征矩阵，包括：使用空间注意力的第一卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及，计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得多个特征矩阵；其中，所述使用空间注意力的第一卷积神经网络模型的最后一层输出的所述多个特征矩阵为所述多个温度分布特征矩阵。
[0020]与现有技术相比，本申请提供的新能源汽车电池的拆解系统及其方法，其获取由热红外摄像头采集的电池包外壳和单体电芯的热红外监控视频；采用基于深度学习的人工智能技术，挖掘所述电池包外壳和所述单体电芯之间的温度分布特征在空间维度和时间维度上的隐含关联特征分布信息，以基于电池包外壳和单体电芯之间的实际温度变化情况来实时准确地进行加热控制，从而提高电池拆解的效率和安全性。
附图说明
[0021]为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有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。
[0022]图1为根据本申请实施例的新能源汽车电池的拆解系统的应用场景图。
[0023]图2为根据本申请实施例的新能源汽车电池的拆解系统的框图。
[0024]图3为根据本申请实施例的新能源汽车电池的拆解系统中所述温度时序变化特征提取模块的框图。
[0025]图4为根据本申请实施例的新能源汽车电池的拆解系统中所述加热控制模块的框图。
[0026]图5为根据本申请实施例的新能源汽车电池的拆解系统中所述训练模块的框图。
[0027]图6为根据本申请实施例的新能源汽车电池的拆解系统中所述分类损失模块的框图。
[0028]图7为根据本申请实施例的新能源汽车电池的拆解方法的流程图。
[0029]图8为根据本申请实施例的新能源汽车电池的拆解方法的系统架构的示意图。
具体实施方式
[0030]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描述，显然，所描述的实施例是本申请一部分实施例，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。
[0031]除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的
的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。
[0032]在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0033]需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。
[0034]图1为根据本申请实施例的新能源汽车电池的拆解系统的应用场景图。如图1所示，在该应用场景中，首先，获取由热红外摄像头采集的电池包外壳（例如，如图1中所示意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新能源汽车电池的拆解系统，其特征在于，包括：视频采集模块，用于获取由热红外摄像头采集的电池包外壳和单体电芯的热红外监控视频；关键帧提取模块，用于从所述热红外监控视频提取多个热红外监控关键帧；空间特征增强模块，用于将所述多个热红外监控关键帧分别通过使用空间注意力的第一卷积神经网络模型以得到多个温度分布特征矩阵；温度分布特征聚合模块，用于将所述多个温度分布特征矩阵沿着通道维度聚合为温度分布时序输入张量；温度时序变化特征提取模块，用于将所述温度分布时序输入张量通过包含第二卷积神经网络模型和第三卷积神经网络模型的双管线集成网络以得到温度分布时序特征图；加热控制模块，用于将所述温度分布时序特征图通过分类器以得到分类结果，所述分类结果用于表示是否停止加热。2.根据权利要求1所述的新能源汽车电池的拆解系统，其特征在于，所述空间特征增强模块，用于使用空间注意力的第一卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得多个特征矩阵；其中，所述使用空间注意力的第一卷积神经网络模型的最后一层输出的所述多个特征矩阵为所述多个温度分布特征矩阵。3.根据权利要求2所述的新能源汽车电池的拆解系统，其特征在于，所述温度时序变化特征提取模块，包括：第一尺度特征提取单元，用于使用所述双管线集成网络的第二卷积神经网络模型的各层在层的正向传递中对所述温度分布时序输入张量进行基于三维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述第二卷积神经网络模型的最后一层的输出为第一尺度温度分布特征图，其中，所述第二卷积神经网络模型具有第一尺度的三维卷积核；第二尺度特征提取单元，用于使用所述双管线集成网络的第三卷积神经网络模型的各层在层的正向传递中对所述温度分布时序输入张量进行基于三维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述第三卷积神经网络模型的最后一层的输出为第二尺度温度分布特征图，其中，所述第三卷积神经网络模型具有第一尺度的三维卷积核；级联单元，用于将所述第一尺度温度分布特征图和第二尺度温度分布特征图进行级联以得到所述温度分布时序特征图。4.根据权利要求3所述的新能源汽车电池的拆解系统，其特征在于，所述加热控制模块，包括：
展开单元，用于将所述温度分布时序特征图按照行向量或列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；分类单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。5.根据权利要求4所述的新能源汽车电池的拆解系统，其特征在于，还包括用于对所述使用空间注意力的第一卷积神经网络模型、所述包含第二卷积神经网络模型和第三卷积神经网络模型的双管线集成网络和所述分类器进行训练的训练模块。6.根据权利要求5所述的新能源汽车电池的拆解系统，其特征在于，所述训练模块，包括：训练数据采集模块，用于获取训练数据，所述训练数据包括电池包外壳和单体电芯的训练热红外监控视频，以及，所述是否停止加热的真实值；训练关键帧提取模块，用于从所述训练热红外监控视频提取多个训练热红外监控关键帧；...

【专利技术属性】
技术研发人员：廖志刚，司马忠志，李宏，李斌，谢万程，
申请(专利权)人：赣州吉锐新能源科技股份有限公司，
类型：发明
国别省市：