(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210957962.0 (22)申请日 2022.08.11 (71)申请人 深圳市威特利电源 有限公司 地址 518100 广东省深圳市宝安区航城街 道钟屋社区钟屋 工业区59栋4层 (72)发明人 吴宇航　李泽坤　耿连忠　杨伯青　 李达兴　 (74)专利代理 机构 深圳中深铖信专利代理有限 公司 44922 专利代理师 黄增杰 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/30(2022.01) G06V 10/26(2022.01)G06V 10/36(2022.01) G06V 10/44(2022.01) G06N 5/00(2006.01) (54)发明名称 一种快速新能源电池无损检测方法 (57)摘要 本发明涉及电池检测的技术领域， 揭露了一 种快速新能源电池无损检测方法， 包括： 利用改 进的双边滤波算法对采集到的新能源电池图像 进行滤波去噪处理； 利用最优支持平 面对去噪后 的新能源电池图像进行分割； 利用改进的小波变 换算法对提取到的目标区域图像进行图像增强； 构建新能源电池缺陷检测指标体系， 对增强后的 目标区域图像进行指标特征提取； 利用改进的随 机森林优化算法对新能源电池进行优化分类， 检 测识别新能源电池是否存在表面缺陷以及缺陷 位置。 本发 明所述方法基于新能源电池的图像快 速实现新能源电池是否存在表面缺陷以及缺陷 位置的检测识别， 并基于多种启发 式算法对检测 方法进行优化， 有效提高算法速度， 提高检测识 别的时效性。 权利要求书5页 说明书15页 附图4页 CN 115147405 A 2022.10.04 CN 115147405 A 1.一种快速新能源电池无损检测方法， 其特 征在于， 所述方法包括： S1： 采集新能源电池图像， 利用改进的双边滤波算法对采集到的新能源电池图像进行 滤波去噪处理， 得到去噪后的新能源电池图像； S2： 利用最优支持平面对去噪后的新能源电池图像进行分割， 去除新能源电池图像中 的背景图像， 提取 得到目标区域图像； S3： 利用改进的小波变换算法对提取到的目标区域图像进行图像增强， 得到增强后的 目标区域图像， 提高缺陷部分识别度； S4： 构建新能源电池缺陷检测指标体系， 基于所构建的指标体系对增强后的目标区域 图像进行指标 特征提取， 得到待检测新能源电池的指标 特征； S5： 基于待检测新能源电池的指标特征， 利用改进的随机森林优化算法对新能源电池 进行优化分类， 检测识别新能源电池是否存在表面 缺陷以及缺陷位置 。 2.如权利要求1所述的一种快速新能源电池无损检测方法， 其特征在于， 所述S1步骤中 采集新能源电池图像， 包括： 利用摄像设备采集新 能源电池图像I， 所述采集的新能源电池图像为灰度图像， 所述新 能源电池图像的灰度化处 理流程为： 对新能源电池图像I中的任意像素点I(i， j)的三个颜色通道分量求最大值， 并将该最 大值设置为该像素点的灰度值， 其中(i， j)为像素点的坐标， 重复该步骤， 直到得到新能源 电池图像I中所有像素的灰度值， 并将像素的灰度值作为像素的像素值， 所述灰度化处理的 公式为： gray(i， j)＝max{R(I(i， j) )， G(I(i， j) )， B(I(i， j) )} 其中： gray(i， j)为像素点 I(i， j)的灰度值； R(I(i， j) )， G(I(i， j) )， B(I(i， j) )分别为像素点 I(i， j)在R、 G、 B三个颜色通道中的值。 3.如权利要求2所述的一种快速新能源电池无损检测方法， 其特征在于， 所述S1步骤中 利用改进的双边滤波算法对 采集到的新能源电池图像进行 滤波去噪处理， 包括： 基于改进的双边滤波算法构建双边滤波器， 将新能源电池图像I输入到双边滤波器中， 双边滤波器对新能源电池图像中的像素进行 滤波去噪处理， 所述滤波处 理的公式为： 其中： 为滤波器权值； (i′， j′)为像素点 I(i， j)在4 ×4像素邻域S(i， j)内的邻近像素坐标； σ1， σ2为高斯标准差； h(i， j)为像素点 I(i， j)的滤波处 理后像素值。 4.如权利要求1所述的一种快速新能源电池无损检测方法， 其特征在于， 所述S2步骤中 构建用于前 景背景图像分割的支持平面， 包括：权　利　要　求　书 1/5 页 2 CN 115147405 A 2所构建的用于前景背景图像分割的支持平面为C； 将像素值大于C的像素区域作为背景 图像， 将像素值小于 C的像素区域作为目标区域图像。 5.如权利要求4所述的一种快速新能源电池无损检测方法， 其特征在于， 所述S2步骤中 基于启发式算法对支持平面进 行优化求解， 利用最优支持平面对去噪后的新能源电池图像 进行前景背景分割， 得到目标区域图像， 包括： 基于启发式算法对支持平面进行优化 求解， 所述支持平面的优化 求解流程为： 1)构建支持平面优化 求解的适应度函数： F(c)＝pb(c)pq(c)[ μb(c)‑μq(c)]2 c∈[0， L‑1] 其中： F(c)表示按照支持平面c将图像分割为前景背景区域的适应度值， μb(c)为对应的背景 区域像素均值， μq(c)为对应的前 景区域像素均值； [0， L‑1]表示像素 灰度级的范围， L ‑1表示最大灰度级； pk表示灰度级为 k的像素出现的概 率； pb(c)表示背景像素的分布概 率， pq(c)表示前 景像素的分布概 率； 2)初始化n1只鸽子， 并随机初始化每只 鸽子的位置和速度， 则任意第s只 鸽子的位置和 速度为： (xs， vs) 其中： xs为第s只鸽子的位置， xs∈[0， L‑1]， 通过将xs代入到适应度 函数中， 得到第s只鸽子的 适应度值F(xs)； vs为第s只鸽子的飞行速度； 3)设置当前算法迭代次数为 ng， 并将ng初始化为0， 设置算法最大迭代次数为Max； 4)判断当前算法迭代次数是否满足ng≥Max， 若不满足， 则利用下式对所有鸽子的位置 以及速度进行 更新， 并在迭代过程中将大于L ‑1的位置更新 为L‑1， 将小于 0的位置更新 为0： 其中： 为在第ng次迭代后， 种群中适应度值 最大的鸽子位置； 为种群中第s只鸽子在第ng次迭代的速度； rand(0， 1)为0 ‑1之间的随机数； 为种群中第s只鸽子在第ng次迭代的位置； 并令ng＝ng+1， 重复该步骤；权　利　要　求　书 2/5 页 3 CN 115147405 A 3