CN106248702A - 一种锂离子电池自放电内在影响因素检测方法 - Google Patents
一种锂离子电池自放电内在影响因素检测方法 Download PDFInfo
- Publication number
- CN106248702A CN106248702A CN201610812405.4A CN201610812405A CN106248702A CN 106248702 A CN106248702 A CN 106248702A CN 201610812405 A CN201610812405 A CN 201610812405A CN 106248702 A CN106248702 A CN 106248702A
- Authority
- CN
- China
- Prior art keywords
- self
- discharge
- lithium
- battery
- ion battery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 48
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 239000003792 electrolyte Substances 0.000 claims abstract description 8
- 238000003325 tomography Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 239000012535 impurity Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000003487 electrochemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 239000000463 material Substances 0.000 abstract description 5
- 230000001066 destructive effect Effects 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 10
- 238000007599 discharging Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- NCZYUKGXRHBAHE-UHFFFAOYSA-K [Li+].P(=O)([O-])([O-])[O-].[Fe+2].[Li+] Chemical compound [Li+].P(=O)([O-])([O-])[O-].[Fe+2].[Li+] NCZYUKGXRHBAHE-UHFFFAOYSA-K 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种锂离子电池自放电内在影响因素检测方法，该方法包括先用X射线层析成像测量系统获取自放电不合格的锂离子电池零部件的三维层析图像，然后通过图像处理，从电池零部件层析图像中提取出正负极极板、极耳、隔膜、电解液的层析图像，接着分析层析图像上组分的密度、形状、位置等物性参数，通过与数据库中自放电符合要求的锂离子电池的物性参数进行比较，进而找出锂离子电池内部影响自放电的关键因素。本发明基于面向物质衰减系数的数字X射线层析成像术，实现了锂离子电池自放电内在影响因素的实时、无损检测，对于提升我国在电池自放电检测领域技术水平具有重要现实意义。
Description
技术领域
本发明涉及电池自放电检测技术领域，尤其涉及一种锂离子电池自放电内在影响因素检测方法。
背景技术
自放电是由电池的内在因素引起的，而受外在因素的影响。通常电池自放电性能由构成电池的正负电极、极耳、隔膜和电解液性能决定，并且受制造工艺及生产要求的影响。而在电池寿命内自放电大小并不是固定不变的，还与电池的老化程度、SOC 和电池所处环境的温度等因素有关系，恶劣的充放电制度和工作条件也会对电池的自放电构成影响。
就电池的内在因素对电池自放电的影响，主要包括正负电极、极耳、隔膜、电解液等，而针对不同型号及不同生产工艺的电池，它们对电池自放电的影响程度不同。在电池实际的生产过程中，对自放电严重的电池，需要知道具体是哪一个或几个因素对其自放电影响程度更大，以便找出影响电池自放电的主要因素。
由于自放电发生在电池内部，现有的测量方法不能深入到电池内部直接对其进行测量，所以常规的方法很难找出自放电严重的电池的主要内在影响因素。基于此，本发明专利提出的一种锂离子电池自放电内在影响因素检测方法，用于锂离子电池自放电内在影响因素的检测，对于提升我国在电池自放电检测领域技术水平具有重要现实意义。
发明内容
本发明的目的在于克服现有技术的不足，提供一种锂离子电池自放电内在影响因素检测方法。用X射线层析成像测量系统获取自放电不合格的锂离子电池零部件的三维层析图像，从电池零部件层析图像中提取出正负极极板、极耳、隔膜、电解液的层析图像，进而找出锂离子电池内部影响自放电主要因素，解决锂离子电池自放电内部影响因素难于实时、无损检测难题。
为实现上述目的，本发明采用以下技术方案：
一种锂离子电池自放电内在影响因素检测方法，包括如下步骤：
（1）用X射线层析成像测量系统获取自放电不合格的锂离子电池零部件的三维层析图像；
（2）通过图像处理，从电池零部件层析图像中提取出正负极极板、极耳、隔膜、电解液的层析图像；
（3）接着分析层析图像上组分的物性参数，包括密度、形状、位置；
（4）通过与数据库中自放电符合要求的锂离子电池的物性参数进行比较，进而找出锂离子电池内部影响自放电的关键因素。
进一步地，所述步骤（1）中获得自放电不合格的锂离子电池零部件的三维层析图像具体方法为：利用X射线源发射的X射线的光子流与锂离子电池结构中的原子相互作用，光电探测器对扫描过程中的光电信号作连续地记录，数据采集系统将采集的信息输送到计算机，通过计算机图像重建，得到自放电不合格的锂离子电池零部件的三维层析图像。
进一步地，所述步骤（2）中图像处理包括层析图像中的背景与分离、目标标度变换、亚像素插补的图像预处理和多模式目标特征图像的提取和测量。
进一步地，所述步骤（3）具体包括：对获取的电池各部分层析图像的几何、颜色、空间特征进行分析提取，并通过相关算法对目标特征进行精度提高，便于识别，进而得到层析图像中组分的物性参数，包括密度、形状、位置。
进一步地，（4）中数据库的建立过程为：应用数学形态学的方法，结合对生产过程中的电池零部件组分及其杂质组分形态、浓度、温度和自放电的分析和相关电池充放电性能实验结果，系统而定量地研究来自于不同生产工艺条件下具有自放电特征的各种电池零部件层析图像信息，进而获得生产过程中介观尺度的电池零部件层析结构形态图像，该图像表现了在运动、热量和电化学反应过程中的电池零部件及其杂质层析结构形态及其物理化学特性。以此为向导，建立生产过程中电池零部件及其杂质随时间、空间变化的物理模型和数学模型，设计面向自放电的电池零部件层析结构形态学分析、识别的变换规则和算法，编制具有电池零部件多值层析结构形态和性能特征的形态学数据库。
进一步地，所述层析成像测量系统包括X射线源、锂离子电池、光电探测器、样品扫描机械系统及辅助系统、数据采集系统。
与现有技术相比，本发明具有如下效果:
该方法运用层析结构图像化测量，克服现有锂离子电池自放电内部影响因素检测方法不足，如：国内外学者采用电子显微镜微区、表面分析术，X射线衍射术、红外光谱和小角激光散射等方法对自放电的电芯材料微观形态与结构进行分析，但其具有制样的破环性、观察范围窄、代表性差和两维性等，不能深入到电池内部直接对其进行测量，很难找出自放电严重的电池的主要内在影响因素。该方法通过锂离子电池的X射线层析结构形态图像，揭示锂离子电池的正负电极极板、极耳、隔膜和电解液性能等与其自放电相互作用的机理，分析电池层析图像组分的密度、形状、位置等物性参数同电池自放电之间的关系，解决锂离子电池自放电内部影响因素难于实时、无损预测难题。
附图说明
图1是电池纵截面层析图像。
图2是预处理后电池纵截面目标层析图像。
图3为电池纵截面目标图像预处理前的灰阶与像素分布。
图4为电池纵截面目标图像预处理后的灰阶与像素分布。
图5为某一灰阶区间下对预处理后的电池纵截面目标图像进行提取后的电池纵截面特征图像。
图6为另一灰阶区间下对预处理后的电池纵截面目标图像进行提取后的电池纵截面特征图像。
图7为另一灰阶区间下对预处理后的电池纵截面目标图像进行提取后的电池纵截面特征图像。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清除、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。
本实施例选择的磷酸铁锂锂离子电池，经过检测自放电较大，自放电率超过了行业标准。在未破坏电池的情况下，基于X射线层析结构形态图像对其进行检测，以找到锂离子电池内部影响自放电的主要因素。层析成像测量系统包括X射线源、锂离子电池、光电探测器、样品扫描机械系统及辅助系统、数据采集系统。
一种锂离子电池自放电内在影响因素检测方法，包括如下步骤：
（1）用X射线层析成像测量系统获取自放电不合格的锂离子电池零部件的三维层析图像。本实施例选取电池特定位置的纵截面平面，进行CT扫描实验，获得电池纵截面层析图像，如图1所示。
（2）通过图像处理，从电池零部件层析图像中提取出正负极极板、极耳、隔膜、电解液的层析图像。本实施例为了获取电池内部有用的信息，对被测电池的纵截面层析图像进行图像分割、标度变换和亚像素插补等预处理，获得其预处理后的电池纵截面目标层析图像，图2所示。
（3）接着分析层析图像上组分的物性参数，包括密度、形状、位置。具体地，对获取的电池各部分层析图像的几何、颜色、空间特征进行分析提取，并通过相关算法对目标特征进行精度提高，便于识别，进而得到层析图像中组分的物性参数，包括密度、形状、位置。
本实施例中，提取电池纵截面层析图像在预处理前后的灰阶与像素分布，图3为预处理前的灰阶与像素分布，图4为预处理后的灰阶与像素分布；对比图3、图4中的预处理前后的目标图像的灰阶及像素分布图可知，经预处理后的目标图像信息在灰阶分布及像素数量上均有所增强。根据灰阶值与物质密度之间的对应关系，即灰阶值越低对应物质密度越高，可知预处理后的层析图像高密度物质分布在范围更宽的灰度区间。
在经过预处理后的目标图像基础上，根据多维随机变量互信息原则，按照不同的灰阶区间，对增强后的电池A的目标图像进行图像特征提取，依次得到其特征图像如图5至图7所示。
其中，图5中电池的特征1主要分布在电池纵截面的右侧，同时在左侧也有少量分布；图6中电池的特征2主要分布在电池纵截面的左半区域及电池右半部除了极耳位置的区域；图7中电池的特征3主要分布在电池纵截面的中间区域，并有少量分布在左侧边缘。
（4）通过与数据库中自放电符合要求的锂离子电池的物性参数进行比较，进而找出锂离子电池内部影响自放电的关键因素。本实施例通过与数据库中自放电合格的锂离子电池特征分布相比较，图6中电池的特征2主要分布可以推知，此种现象是由于极板发生腐蚀，正负电极材料发生溶解从极板表面上脱落，从而使得电池的特征2主要分布在两侧。
具体而言，所述（4）中数据库的建立过程为：应用数学形态学的方法，结合对生产过程中的电池零部件组分及其杂质组分形态、浓度、温度和自放电的分析和相关电池充放电性能实验结果，系统而定量地研究来自于不同生产工艺条件下具有自放电特征的各种电池零部件层析图像信息，进而获得生产过程中介观尺度的电池零部件层析结构形态图像，该图像表现了在运动、热量和电化学反应过程中的电池零部件及其杂质层析结构形态及其物理化学特性。以此为向导，建立生产过程中电池零部件及其杂质随时间、空间变化的物理模型和数学模型，设计面向自放电的电池零部件层析结构形态学分析、识别的变换规则和算法，编制具有电池零部件多值层析结构形态和性能特征的形态学数据库。
综上所述，通过对电池A纵截面层析图像的分析，结合数据库中自放电合格的锂离子电池层析图像特性参数，找出电池A自放电严重的主要内部影响因素为极板的腐蚀。
需要说明的是，根据上述说明书的揭示和阐述，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些等同修改和变更也应当在本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。
Claims (6)
1.一种锂离子电池自放电内在影响因素检测方法，其特征在于，包括如下步骤：
（1）用X射线层析成像测量系统获取自放电不合格的锂离子电池零部件的三维层析图像；
（2）通过图像处理，从电池零部件层析图像中提取出正负极极板、极耳、隔膜、电解液的层析图像；
（3）接着分析层析图像上组分的物性参数，包括密度、形状、位置；
（4）通过与数据库中自放电符合要求的锂离子电池的物性参数进行比较，进而找出锂离子电池内部影响自放电的关键因素。
2.根据权利要求1所述的一种锂离子电池自放电内在影响因素检测方法，其特征在于：所述步骤（1）中获得自放电不合格的锂离子电池零部件的三维层析图像具体方法为：利用X射线源发射的X射线的光子流与锂离子电池结构中的原子相互作用，光电探测器对扫描过程中的光电信号作连续地记录，数据采集系统将采集的信息输送到计算机，通过计算机图像重建，得到自放电不合格的锂离子电池零部件的三维层析图像。
3.根据权利要求1所述的一种锂离子电池自放电内在影响因素检测方法，其特征在于：所述步骤（2）中图像处理包括层析图像中的背景与分离、目标标度变换、亚像素插补的图像预处理和多模式目标特征图像的提取和测量。
4.根据权利要求1所述的一种锂离子电池自放电内在影响因素检测方法，其特征在于，所述步骤（3）具体包括：对获取的电池各部分层析图像的几何、颜色、空间特征进行分析提取，并通过相关算法对目标特征进行精度提高，便于识别，进而得到层析图像中组分的物性参数，包括密度、形状、位置。
5.根据权利要求1所述的一种锂离子电池自放电内在影响因素检测方法，其特征在于：所述步骤（4）中数据库的建立过程为：应用数学形态学的方法，结合对生产过程中的电池零部件组分及其杂质组分形态、浓度、温度和自放电的分析和相关电池充放电性能实验结果，系统而定量地研究来自于不同生产工艺条件下具有自放电特征的各种电池零部件层析图像信息，进而获得生产过程中介观尺度的电池零部件层析结构形态图像，该图像表现了在运动、热量和电化学反应过程中的电池零部件及其杂质层析结构形态及其物理化学特性；以此为向导，建立生产过程中电池零部件及其杂质随时间、空间变化的物理模型和数学模型，设计面向自放电的电池零部件层析结构形态学分析、识别的变换规则和算法，编制具有电池零部件多值层析结构形态和性能特征的形态学数据库。
6.根据权利要求1所述的一种锂离子电池自放电内在影响因素检测方法，其特征在于：所述层析成像测量系统包括X射线源、锂离子电池、光电探测器、样品扫描机械系统及辅助系统、数据采集系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610812405.4A CN106248702A (zh) | 2016-09-08 | 2016-09-08 | 一种锂离子电池自放电内在影响因素检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610812405.4A CN106248702A (zh) | 2016-09-08 | 2016-09-08 | 一种锂离子电池自放电内在影响因素检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106248702A true CN106248702A (zh) | 2016-12-21 |
Family
ID=57598572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610812405.4A Pending CN106248702A (zh) | 2016-09-08 | 2016-09-08 | 一种锂离子电池自放电内在影响因素检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106248702A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108008305A (zh) * | 2017-10-31 | 2018-05-08 | 华南理工大学 | 一种车用磷酸铁锂动力电池容量衰减检测系统 |
| CN108387594A (zh) * | 2018-02-09 | 2018-08-10 | 中国电力科学研究院有限公司 | 一种无损检测叠片式锂离子电池的方法和系统 |
| CN109975345A (zh) * | 2019-04-17 | 2019-07-05 | 合刃科技（深圳）有限公司 | 基于热辐射的性能检测方法及检测系统 |
| CN111458644A (zh) * | 2020-05-12 | 2020-07-28 | 安徽优旦科技有限公司 | 一种新能源电池的放电检测系统 |
| CN112285137A (zh) * | 2020-10-16 | 2021-01-29 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池全生命周期析锂分布探测方法 |
| CN113222900A (zh) * | 2021-04-16 | 2021-08-06 | 深圳市安仕新能源科技有限公司 | 极耳的极性检测方法、检测装置、终端设备及存储介质 |
| CN114578245A (zh) * | 2022-05-06 | 2022-06-03 | 四川富临新能源科技有限公司 | 一种快速检测磷酸铁锂锂离子电池自放电率的设备和方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1384364A (zh) * | 2001-05-07 | 2002-12-11 | 三星电子株式会社 | 电池检测系统 |
| CN101008623A (zh) * | 2007-01-19 | 2007-08-01 | 华南理工大学 | 一种密闭中熔融态物料形态的层析图像测量方法 |
| US7550737B1 (en) * | 2008-05-16 | 2009-06-23 | The Gillette Company | Battery |
| CN101539533A (zh) * | 2009-03-11 | 2009-09-23 | 华南理工大学 | 电池内部缺陷自动检测装置及方法 |
-
2016
- 2016-09-08 CN CN201610812405.4A patent/CN106248702A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1384364A (zh) * | 2001-05-07 | 2002-12-11 | 三星电子株式会社 | 电池检测系统 |
| CN101008623A (zh) * | 2007-01-19 | 2007-08-01 | 华南理工大学 | 一种密闭中熔融态物料形态的层析图像测量方法 |
| US7550737B1 (en) * | 2008-05-16 | 2009-06-23 | The Gillette Company | Battery |
| CN101539533A (zh) * | 2009-03-11 | 2009-09-23 | 华南理工大学 | 电池内部缺陷自动检测装置及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 唐少琴: "基于X射线的锂离子电芯测量系统的设计", 《电子测试》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108008305A (zh) * | 2017-10-31 | 2018-05-08 | 华南理工大学 | 一种车用磷酸铁锂动力电池容量衰减检测系统 |
| CN108387594A (zh) * | 2018-02-09 | 2018-08-10 | 中国电力科学研究院有限公司 | 一种无损检测叠片式锂离子电池的方法和系统 |
| CN109975345A (zh) * | 2019-04-17 | 2019-07-05 | 合刃科技（深圳）有限公司 | 基于热辐射的性能检测方法及检测系统 |
| CN111458644A (zh) * | 2020-05-12 | 2020-07-28 | 安徽优旦科技有限公司 | 一种新能源电池的放电检测系统 |
| CN112285137A (zh) * | 2020-10-16 | 2021-01-29 | 合肥国轩高科动力能源有限公司 | 一种锂离子电池全生命周期析锂分布探测方法 |
| CN113222900A (zh) * | 2021-04-16 | 2021-08-06 | 深圳市安仕新能源科技有限公司 | 极耳的极性检测方法、检测装置、终端设备及存储介质 |
| CN114578245A (zh) * | 2022-05-06 | 2022-06-03 | 四川富临新能源科技有限公司 | 一种快速检测磷酸铁锂锂离子电池自放电率的设备和方法 |
| CN114578245B (zh) * | 2022-05-06 | 2022-07-08 | 四川富临新能源科技有限公司 | 一种快速检测磷酸铁锂锂离子电池自放电率的设备和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106248702A (zh) | 一种锂离子电池自放电内在影响因素检测方法 | |
| Prill et al. | Morphological segmentation of FIB‐SEM data of highly porous media | |
| WO2014021175A1 (ja) | 壊死細胞領域検出装置及びその方法、コンピュータにより処理可能な壊死細胞領域検出プログラムを記憶する記憶媒体 | |
| CN112798648B (zh) | 基于生成核主成分热影像分析的复合材料缺陷检测方法 | |
| CN106814320B (zh) | 一种磷酸铁锂动力电池循环寿命预测系统 | |
| CN108008305A (zh) | 一种车用磷酸铁锂动力电池容量衰减检测系统 | |
| JP7326316B2 (ja) | 細胞学的試料中の少なくとも１つの異常を有する細胞を検出するための方法 | |
| CN108052886A (zh) | 一种小麦条锈病菌夏孢子自动统计计数方法 | |
| CN113203954A (zh) | 一种基于时频图像处理的电池故障诊断方法 | |
| CN107300562B (zh) | 一种测量继电器成品触点间距的x射线无损检测方法 | |
| US20240077401A1 (en) | Particle Size Statistical Method of Granular Minerals of Shale | |
| US20170364664A1 (en) | Method for stratifying and selecting candidates for receiving a specific therapeutic approach | |
| Song et al. | Uncertainty quantification in super-resolution guided wave array imaging using a variational Bayesian deep learning approach | |
| CN118033427A (zh) | 一种电池组不一致性诊断方法 | |
| CN108827909A (zh) | 基于可见近红外光谱与多目标融合的土壤快速分类方法 | |
| CN103267498B (zh) | 铁矿石粗糙度自动数字量化测量方法 | |
| CN110265139A (zh) | 肝纤维化评估模型、肝纤维化评估系统及其评估方法 | |
| CN116309613B (zh) | 一种锂电池隔膜扩散能力检测方法 | |
| Norris et al. | Uncertainty quantification and propagation in lithium-ion battery electrodes using bayesian convolutional neural networks | |
| Li et al. | A recognition method of urine cast based on deep learning | |
| CN110675363A (zh) | 一种针对宫颈细胞的dna指数自动计算方法 | |
| CN108846839A (zh) | 一种基于扇形邻域差异直方图的匣钵裂纹检测方法 | |
| WO2019074491A1 (en) | PATIENT STRATIFICATION METHOD USING IMAGE ANALYSIS PARAMETER DELIVERY FUNCTIONS | |
| Lin et al. | A bolt defect recognition algorithm based on attention model | |
| Wijaya et al. | Artificial intelligence driven material design for porous materials |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161221 |