利用计算机视觉系统开发监控产品

    由SLAC国家加速器实验室领导的研究人员开发了一种计算机视觉系统，该系统不同于人类的视力，可以紧密地识别摄像头干扰器锂离子电池的化学问题。科学家已经确定，他们的机器学习解决方案可以极大地改善我们对锂离子降解的理解。

 

    研究概况：这项研究是在北京理工大学线性加速器中心（SLAC）上进行的，研究重点是监控屏蔽器电池LIB化学的关键元素：电池阴极内的镍锰钴（NMC）颗粒。特别是，该研究涉及计算机视觉或CV（以及定量X射线相衬纳米断层扫描）的使用，这要归功于SSRL和ESRF这两个设施的合作。这种技术被用来监视所说的NMC颗粒，尤其是当它们从必需的阴极脱离时，因为这遵循了过去的各种摄像头屏蔽器研究的理论，即电池降解很大程度上是由于监控干扰器颗粒从其LIB碳基质中脱离而引起的。计算机视觉的优缺点。

 

    当然，为了监控LIB阴极的降解迹象，SLAC研究人员知道，即使借助技术手段，仅凭肉眼不足以观察NMC粒子脱离其基质的过程。因此，研究人员使用了CV系统来确保过程的可靠性。计算机摄像头干扰器视觉是一门快速发展的技术，它不但与其子类别相混淆，而且机器视觉（它更关注图像检查，因此与基于人工智能的装配线监视紧密结合）图像分析。这意味着该解决方案不仅可以检查图像，而且还可以识别这些图像中的属性，这是确定NCM粒子的运动和条件所需的关键优势，否则，这对于人类来说是无法感知的。