用于新能源汽车锂电池回收的图像识别与分类系统技术方案

本发明专利技术涉及图像处理技术领域，尤其为用于新能源汽车锂电池回收的图像识别与分类系统，包括：采集模块：用于采集新能源汽车锂电池图像数据；第一处理模块：用于对采集的新能源汽车锂电池图像数据进行初步处理；第二处理模块：用于对采集的新能源汽车锂电池图像数据进行中度处理；第三处理模块：用于对采集的新能源汽车锂电池图像数据进行深度处理；分类模块：用于根据深度处理结果对新能源汽车锂电池进行分类。本发明专利技术基于自适应分割处理对图像进行自适应分割，再通过深度学习网络对各局部子图像进行识别、分类，还融入注意力机制提升特征提取能力，通过混合粒子群算法对深度学习网络的权重进行优化，提高深度学习网络的识别、分类性能和泛化能力。分类性能和泛化能力。分类性能和泛化能力。

【技术实现步骤摘要】
用于新能源汽车锂电池回收的图像识别与分类系统


[0001]本专利技术涉及图像处理
，尤其是用于新能源汽车锂电池回收的图像识别与分类系统。

技术介绍

[0002]电动汽车的发展旨在防治污染和能源消耗，而对于电动汽车的使用来说，电动汽车必不可少的锂电池为影响电动汽车寿命的重要因素，随着电池使用年限的增加，锂电池的电池容量会随之下降，无法满足汽车行驶需求的锂电池不可避免的被淘汰回收。
[0003]废旧锂电池可回收部分主要包括正极材料、负极材料、电解液、隔膜、壳、盖板等。废旧锂电池分类的回收价值一般较大，但是，不同废旧程度的锂电池分类的回收价值差异也较大，因此，为了进行高效的废旧锂电池分类，一般还需要对分类处理。现有技术中一般通过对采集的电池图像进行初步分类的情况下，还需对分类结果进行二次确认，耗费大量时间，使得分类效率降低。

技术实现思路

[0004]本专利技术的目的是通过提出用于新能源汽车锂电池回收的图像识别与分类系统，以解决上述
技术介绍
中提出的缺陷。
[0005]本专利技术采用的技术方案如下：提供用于新能源汽车锂电池回收的图像识别与分类系统，包括：采集模块：用于采集新能源汽车锂电池图像数据；第一处理模块：用于对采集的新能源汽车锂电池图像数据进行初步处理；第二处理模块：用于对采集的新能源汽车锂电池图像数据进行中度处理；第三处理模块：用于对采集的新能源汽车锂电池图像数据进行深度处理；分类模块：用于根据深度处理结果对新能源汽车锂电池进行分类。
[0006]作为本专利技术的一种优选技术方案：所述第一处理模块对采集的新能源汽车锂电池图像数据进行自适应分割处理。
[0007]作为本专利技术的一种优选技术方案：所述自适应分割处理具体如下：基于图像灰度值划分个灰度级，灰度值为时的像素数为，总的像素数为，各灰度值出现的概率为，其中，将图像分割成两个区域，将灰度值分为背景和目标两类，两类出现的概率分别为：
其中，为背景出现的概率，为目标出现的概率；两类的灰度均值分别为：两类的灰度均值分别为：其中，为背景的灰度均值，为目标的灰度均值；图像总的灰度均值为：得到两区域的类间方差为：得到最佳划分阈值：其中，为最佳划分阈值，为求参函数。
[0008]作为本专利技术的一种优选技术方案：所述第二处理模块对自适应分割后的新能源汽车锂电池图像数据分别进行检测优化处理。
[0009]作为本专利技术的一种优选技术方案：所述检测优化处理具体如下：其中，为尺度因子，、分别为分割后的新能源汽车锂电池图像的高、宽，为比例常数。
[0010]作为本专利技术的一种优选技术方案：所述第三处理模块基于深度学习网络对新能源汽车锂电池图像数据进行精准识别。
[0011]作为本专利技术的一种优选技术方案：所述深度学习网络包括输入层CNN层、BiLSTM层、注意力层和输出层。
[0012]作为本专利技术的一种优选技术方案：所述深度学习网络具体如下：所述CNN层融入方向滤波器所述CNN层融入方向滤波器其中，为提取的第个输出特征，为修正单元，为第个卷积核权重矩阵，
为输入的新能源汽车锂电池图像数据，为模型偏置，为3D卷积操作，为第个对应的学习滤波器，为点乘运算，为方向滤波器滤波核；所述BiLSTM层具体如下：所述BiLSTM层具体如下：所述BiLSTM层具体如下：所述BiLSTM层具体如下：其中，、分别为时刻、时刻正向输出隐藏状态，、分别为时刻、时刻反向输出隐藏状态，为时刻输入，为BiLSTM 层时刻隐藏状态，、分别为正向与反向对应的权值，为偏置，为BiLSTM 层输出的隐藏层状态序列；所述注意力层的注意力机制具体如下：所述注意力层的注意力机制具体如下：其中，为时刻注意力机制输出，为权值，为BiLSTM 层时刻隐藏状态，为注意力机制输出矩阵；所述输出层输出具体如下：其中，为非线性激活函数，为权重，为偏置。
[0013]作为本专利技术的一种优选技术方案：所述深度学习网络基于混合粒子群算法进行权值的优化：粒子经过如下算法进行迭代更新寻取最优解：粒子经过如下算法进行迭代更新寻取最优解：粒子经过如下算法进行迭代更新寻取最优解：粒子经过如下算法进行迭代更新寻取最优解：粒子经过如下算法进行迭代更新寻取最优解：其中，表示第个粒子第次迭代的速度，表示第个粒子第次迭代的速度，表示第个粒子第次迭代的位置，表示第个粒子第次迭代的位置，为第次迭代的粒子的随机惯性权重，、均为间的一个随机数，、均为学习
因子，表示个体历史最优位置；表示群体最优位置。
[0014]作为本专利技术的一种优选技术方案：所述分类模块划分分类阈值，根据输出层输出结果进行比较输出分类结果。
[0015]本专利技术提供的用于新能源汽车锂电池回收的图像识别与分类系统，与现有技术相比，其有益效果有：本专利技术基于自适应分割处理对新能源汽车锂电池图像数据进行自适应分割获得多个局部子图像，再通过深度学习网络对各局部子图像进行识别、分类，通过融入注意力机制，提升对于新能源汽车锂电池图像数据的局部特征、全局特征和关键信息的特征提取能力，还通过混合粒子群算法对深度学习网络的权重进行优化，提高了深度学习网络的识别、分类性能和泛化能力。
附图说明
[0016]图1为本专利技术优选实施例的系统框图。
[0017]图中各个标记的意义为：100、采集模块；200、第一处理模块；300、第二处理模块；400、第三处理模块；500、分类模块。
具体实施方式
[0018]需要说明的是，在不冲突的情况下，本实施例中的实施例及实施例中的特征可以相互组合，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0019]参照图1，本专利技术优选实施例提供了用于新能源汽车锂电池回收的图像识别与分类系统，包括：采集模块100：用于采集新能源汽车锂电池图像数据；第一处理模块200：用于对采集的新能源汽车锂电池图像数据进行初步处理；第二处理模块300：用于对采集的新能源汽车锂电池图像数据进行中度处理；第三处理模块400：用于对采集的新能源汽车锂电池图像数据进行深度处理；分类模块500：用于根据深度处理结果对新能源汽车锂电池进行分类。
[0020]所述第一处理模块200对采集的新能源汽车锂电池图像数据进行自适应分割处理。
[0021]所述自适应分割处理具体如下：基于图像灰度值划分个灰度级，灰度值为时的像素数为，总的像素数为，各灰度值出现的概率为，其中，将图像分割成两个区域，将灰度值分为背景和目标两类，两类出现的概率分别为：
其中，为背景出现的概率，为目标出现的概率；两类的灰度均值分别为：两类的灰度均值分别为：其中，为背景的灰度均值，为目标的灰度均值；图像总的灰度均值为：得到两区域的类间方差为：得到最佳划分阈值：其中，为最佳划分阈值，为求参函数。最终，通过找到最佳划分阈值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于新能源汽车锂电池回收的图像识别与分类系统，其特征在于：包括：采集模块（100）：用于采集新能源汽车锂电池图像数据；第一处理模块（200）：用于对采集的新能源汽车锂电池图像数据进行初步处理；第二处理模块（300）：用于对采集的新能源汽车锂电池图像数据进行中度处理；第三处理模块（400）：用于对采集的新能源汽车锂电池图像数据进行深度处理；分类模块（500）：用于根据深度处理结果对新能源汽车锂电池进行分类；所述第一处理模块（200）对采集的新能源汽车锂电池图像数据进行自适应分割处理。2.根据权利要求1所述的用于新能源汽车锂电池回收的图像识别与分类系统，其特征在于：所述自适应分割处理具体如下：基于图像灰度值划分个灰度级，灰度值为时的像素数为，总的像素数为，各灰度值出现的概率为，其中，，将图像分割成两个区域，将灰度值分为背景和目标两类，两类出现的概率分别为：两类，两类出现的概率分别为：其中，为背景出现的概率，为目标出现的概率；两类的灰度均值分别为：两类的灰度均值分别为：其中，为背景的灰度均值，为目标的灰度均值；图像总的灰度均值为：得到两区域的类间方差为：得到最佳划分阈值：其中，为最佳划分阈值，为求参函数。3.根据权利要求2所述的用于新能源汽车锂电池回收的图像识别与分类系统，其特征
在于：所述第二处理模块（300）对自适应分割后的新能源汽车锂电池图像数据分别进行检测优化处理。4.根据权利要求3所述的用于新能源汽车锂电池回收的图像识别与分类系统，其特征在于：所述检测优化处理具体如下：其中，为尺度因子，、分别为分割后的新能源汽车锂电池图像的高、宽，为比例常数。5.根据权利要求4所述的用于新能源汽车锂电池回收的图像识别与分类系统，其特征在于：所述第三处理模块（400）基于深度学习网络对新能源汽车锂电池图像数据进行精准识别。6.根据权利要求5所述的用于新能源汽车锂电池回收的图像识别与分类系统，其特征在于：所述深度学习网络包括输入层C...

【专利技术属性】
技术研发人员：安加俊，赵振平，尹凤福，杨杰，栾德智，刘军，刘滨，李娟，李军华，林元光，薛文娟，王晟昊，
申请(专利权)人：青岛金诺德科技有限公司，
类型：发明
国别省市：