一种红外热波无损检测方法、装置、设备和存储介质

    公开(公告)号:CN117830293A

    公开(公告)日:2024-04-05

    申请号:CN202410157919.5

    申请日:2024-02-04

    Abstract: 本发明公开了一种红外热波无损检测方法、装置、设备和存储介质,其中方法包括以下步骤:根据获取的高帧率红外热图训练集,得到第一过完备字典和第二过完备字典;第一、第二过完备字典分别为高、低帧率温度变化曲线进行稀疏表示的过完备字典;采集被测对象的低帧率红外热图序列;根据低帧率红外热图序列和第二过完备字典,得到低帧率红外热图序列中每个像素点的低帧率温度变化曲线对应的稀疏变换系数;根据第一过完备字典和稀疏变换系数,对低帧率红外热图序列进行高帧率重建,得到对应的高帧率红外热图序列;提取高帧率红外热图序列中的缺陷特征,根据缺陷特征检测被测对象的内部缺陷。本发明能有效识别出被测对象的内部缺陷,提高内部缺陷检测的精度,降低了对红外热像仪的性能需求,有利于红外热波无损检测技术在各行业实际工程中的广泛应用。

    基于神经网络匹配确认系数的锂电池内部微产气检测方法及系统

    公开(公告)号:CN117825527A

    公开(公告)日:2024-04-05

    申请号:CN202311727764.6

    申请日:2023-12-14

    Abstract: 本发明公开了一种基于神经网络匹配确认系数的锂电池内部微产气检测方法及系统,该方法包括下述步骤:基于超声穿透法、底波高度法扫描锂电池面,分别计算得到最大衰减量CA、最大衰减量CB,基于最大衰减量CA、最大衰减量CB模拟测试得到对应的气泡确认系数Sf、气泡确认系数Rf,构建训练集并训练神经网络模型;基于超声穿透‑底波高度法对待测的锂电池进行扫描成像得到最大衰减量CA、最大衰减量CB,并基于训练后的神经网络模型得到最优的气泡确认系数Sf、气泡确认系数Rf,基于最优的气泡确认系数Sf、气泡确认系数Rf进行超声波内产气锂电池成像。本发明实现对锂电池内部微产气状态的更全面、更精确成像和判断。

Patent Agency Ranking