[发明专利]基于机器学习的铅酸蓄电池非接触式漏液检测装置及方法

权利要求书

1.一种基于机器学习的铅酸蓄电池非接触式漏液检测方法，包括如下步骤：

步骤1）机架上的红外摄像头（4）通过旋转纵向旋转电机（5）和横向旋转电机（6），对准铅酸蓄电池（2），调整红外摄像头（4）的焦距和倍率，控制图像的焦点和放大倍数；

步骤2）通过图像处理器（3）控制红外摄像头（4）采集多张图像，所述的图像包括铅酸蓄电池（2）的正极端子（7）、安全阀（8）、负极端子（9）这些易发生漏液的区域；

步骤3）对步骤2）获得的图像进行去噪：用中值滤波算法去除红外图像中的颗粒噪声及小面积孤立区域；

步骤4）识别步骤3）图像中的漏液区域：对多张有漏液和无漏液红外图像的最高温度、最低温度作为逻辑回归的输入，漏液状态作为输出，用sigmoid函数对数据进行逻辑回归，选择0.4作为有漏液的概率阈值，得到预测正确率最高的逻辑回归函数，把多张有漏液红外图像中的最高温度和最低温度作为线性回归的输入，漏液区温度作为线性回归的输出，用代数函数计算预测值和实际值的累计偏差，用梯度下降法求代数函数的最小值，从而找到最佳的参数，得到线性回归函数，用漏液状态判断的逻辑回归函数计算一张新的图像的漏液状态，检测是否有漏液，若有，用计算漏液区域温度的线性回归函数进一步计算漏液区温度；

步骤5）标记步骤4）中漏液区域：根据步骤4）计算的漏液状态，找出有漏液的红外图像，根据漏液区温度对红外图像进行二值化和canny边缘检测，得到漏液区域的边缘，并标记成绿色；

所述的步骤1）中，红外摄像头（4）的焦距和倍率只需要在最开始调整一次；

所述的步骤5）中，二值化的阈值为漏液区温度与最低温度的差值和最大温差的比值，边缘检测的阈值为0.2。

2.根据权利要求1所述的基于机器学习的铅酸蓄电池非接触式漏液检测方法，其特征在于：所述的步骤3）中，中值滤波算法的去噪效果通过调整中值滤波的卷积核的大小来实现。

3.根据权利要求1所述的基于机器学习的铅酸蓄电池非接触式漏液检测方法，其特征在于：所述的步骤4）中，逻辑回归函数和线性回归函数的参数只需要用多张图像计算一次。