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()
【技术实现步骤摘要】
本专利技术涉及新能源电池包箱体检测,具体来说是一种新能源电池包箱体气密性检测装置及其检测方法。
技术介绍
1、新能源电池包箱体覆盖新能源汽车电池包箱体及新能源储能电池箱体,电池包的密封性能直接关系到电池的使用寿命和安全性能。随着新能源产业的不断发展,电池包的气密性检测变得越来越重要。气密性检测目的是检测电池包的密封性能,以确保电池包内部充满气体或外部受到压力时不会泄漏。
2、目前大部分新能源电池包箱体的气密性检测是通过差压法结合气泡法步骤完成的,差压法判断箱体是否存在泄漏,但在进行泄漏点位置检测的时候,气泡法通常需要将新能源电池包箱体四周喷泡沫水,人工观察箱体四周是否出现气泡及气泡位置,对于电池包箱体这种较大体积的目标而言,该方法存在主观因素强、检查时间较长,对无法精确定位的泄漏点会导致箱体后期返工处理困难、箱体在接触大量气泡水的有损检测后期还需进行风干处理等问题。
3、因此目前对新能源电池包箱体的检测方式操作繁琐,检测效率、效果都不是十分理想。
技术实现思路
1、本专利技术的目的是为了解决现有技术中难以针对新能源电池包箱体进行气密性检测的缺陷,提供一种新能源电池包箱体气密性检测装置及其检测方法来解决上述问题。
2、为了实现上述目的,本专利技术的技术方案如下:
3、一种新能源电池包箱体气密性检测装置,包括检测台和位于检测台上方的固定悬挂装置,检测台上放置有待测件外壳,新能源电池包箱体放置在待测件外壳内,待测件外壳上设有固定阀门,所述的
4、一种新能源电池包箱体气密性检测装置的检测方法,包括以下步骤:
5、气密性检测数据的获取:气源对待测件外壳内通入60摄氏度的空气并待箱体内部压强稳定0.6mpa,机械手臂带动红外相机对待测件外壳进行扫描拍摄,并将拍摄数据传输至终端进行气密性检测分析;
6、数据的采集及标注:终端获取红外相机拍摄的红外图像后,对含有泄漏点的图像进行标注,同时对多张未含泄漏点的图像进行模拟泄漏点标注生成模拟泄漏点数据集;
7、图像的拼接和区域定位;
8、泄漏点检测模型的构建与训练:基于yolov5-sc构建泄漏点检测模型并进行训练;
9、泄漏点的三维定位:将红外相机采集的电池包箱体图像首先进行拼接与区域定位,之后将拼接区域定位后的图像输入到训练完成后的泄漏点检测模型中,得到的泄漏点坐标与电池包箱体的三维模型进行坐标配准,实现泄漏点在电池包箱体三维模型中直观展示。
10、所述图像的拼接和区域定位包括以下步骤:
11、探测尺度空间极值点,确定关键的位置和所在尺度,
12、设定二维函数的尺度空间和高斯核函数有关,表示为:
13、l(x,y,σ)=g(x,y,σ)*i(x,y)
14、其中g(x,y,σ)表示高斯函数,i(x,y)表示输入图像,(x,y)表示空间坐标,σ是尺度参数;
15、精确定位关键点的位置和尺度,并将对比度低的关键点和不稳定的边缘响应点予以剔除;
16、为特征关键点分配主方向利用领域像素的梯度分布特性为关键点指定参数,同时要使算子的旋转方向性不变,计算公式如下:
17、
18、θ(x,y)=tan-1((l(x,y+1)-l(x,y-1)))/(l(x+1,y)-l(x-1,y)),
19、其中m(x,y)表示关键点参数,θ(x,y)表示关键点方向,l(x,y)表示梯度;
20、生成关键点描述子:将坐标轴旋转为关键点的主方向,并以关键点为中心构造16×16的区域,从而使一个关键点就产生128个数据,并形成128维的sift特征向量;将两幅待匹配图像分别得到的sift特征向量进行匹配,实现图像的拼接,最后利用电池包箱体的先验位置坐标对拼接后的图像实现待测目标的区域定位。
21、所述泄漏点检测模型的构建与训练包括以下步骤:
22、基于yolov5-sc构建泄漏点检测模型:设定yolov5-sc的第一层为特征提取网络、第二层为特征融合与传递网络、第三层为目标的学习与预测网络;
23、设定yolov5-sc第一层为特征提取网络,改进后由8个模块依次连接而成,第1个模块为stemblock模块、第2-7个模块都为shufflenetv2模块、第8个模块为c3-cbam模块;
24、定yolov5-sc第二层为特征融合与传递网络,改进后依次连接设置如下:第一卷积模块、第一下采样模块、第一融合模块、第一c3-cbam模块、第二卷积模块、第二下采样模块、第二融合模块、第二c3-cbam模块、第三卷积模块、第三融合模块、第三c3-cbam模块、第四卷积模块、第四融合模块、第四c3-cbam模块,其中,第一卷积模块的输出又输入到第三融合模块中,第二卷积模块的输出又输入到第二融合模块中;
25、设定yolov5-sc第三层为目标的学习与预测网络,首先对输入的图像进行卷积运算,将三个下采样运算输出三个不同尺度特征图;每个尺度的特征图中,空间点生成三个先验框,最后使用logsoftmax与nllloss的混合函数作为新的边界框回归损失函数,训练的损失使输出特征与目标框真值标签间差异为最小即为预测的目标框;
26、设定shufflenetv2模块
27、shufflenetv2模块采用分块单元,不再对输入特征矩阵的通道进行拆分,左分支采用一次3×3的dw卷积和一次1×1的卷积,右分支采用1×1的二次卷积和一次3×3的dw卷积,在卷积之后,通道通过concat进行拼接,输出通道的数量翻倍,最后对输出的特征层进行通道混洗,进一步增强特征的提取能力;
28、构建c3-cbam模块,
29、设定c3-cbam模块中,输入左侧分支经过卷积、多个沙漏型结构bottleneck,右侧分支经过卷积、注意力模块cbam,其中,注意力模块cbam包括通道注意力模块和空间注意力模块,最后将两分支结果进行拼接再经过卷积后输出;
30、设定通道注意力模块:
31、设定注意力模块使用平均池化和最大池化运算将通道信息集中起来,生成两个不同的通道上下文信息束:和它们分别表示平均池化特征和最大池化特征;
32、将这两个信息束转移到同一个共享网络,该共享网络由多层感知器mlp组成,其中含有一个隐含层;
33、使用元素求和来合并输出特征向量,以产生通道注意权重信息:
34、mc∈rc*1*1、w1∈rc*c*16、w0∈rc*16*c,
35、通道注意力模块计算如下所示:
36、
37、其中,σ为sigmoid函数,r为特征图,c为通道数,mc、w1、w0、f为子特征图,mlp为多层感知机,avgpool为平均池化操作,maxpo本文档来自技高网...
【技术保护点】
1.一种新能源电池包箱体气密性检测装置,包括检测台(1)和位于检测台(1)上方的固定悬挂装置(2),检测台(1)上放置有待测件外壳(3),新能源电池包箱体放置在待测件外壳(3)内,待测件外壳(3)上设有固定阀门(6),其特征在于:所述的固定悬挂装置(2)上安装有机械手臂(4),机械手臂(4)上安装有红外相机(5),气源(7)的输出端插在待测件外壳(3)内。
2.根据权利要求1所述的一种新能源电池包箱体气密性检测装置的检测方法,其特征在于,包括以下步骤:
3.根据权利要求1所述的一种新能源电池包箱体气密性检测装置的检测方法,其特征在于,所述图像的拼接和区域定位包括以下步骤:
4.根据权利要求1所述的一种新能源电池包箱体气密性检测装置的检测方法,其特征在于,所述泄漏点检测模型的构建与训练包括以下步骤:
【技术特征摘要】
1.一种新能源电池包箱体气密性检测装置,包括检测台(1)和位于检测台(1)上方的固定悬挂装置(2),检测台(1)上放置有待测件外壳(3),新能源电池包箱体放置在待测件外壳(3)内,待测件外壳(3)上设有固定阀门(6),其特征在于:所述的固定悬挂装置(2)上安装有机械手臂(4),机械手臂(4)上安装有红外相机(5),气源(7)的输出端插在待测件外壳(3)内。
...
【专利技术属性】
技术研发人员:方薇,刘兴,张冬英,费海强,秦湛,
申请(专利权)人:中国科学院合肥物质科学研究院,
类型:发明
国别省市:
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。