(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 202211054051.3 (22)申请日 2022.08.31 (71)申请人 国网江苏省电力有限公司电力科 学 研究院 地址 211103 江苏省南京市江宁区帕威尔 路1号 申请人 国网江苏省电力有限公司 (72)发明人 尹康涌　陶风波　梁伟　黄哲忱　 朱睿　林元棣　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 许婉静 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/762(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种锂离子电池储能舱气液逸出物识别方 法、 系统及存 储介质 (57)摘要 本发明公开了一种锂离子电池储能舱气液 逸出物识别方法、 系统及存储介质， 方法包括以 下步骤： 步骤一． 采集锂离子电池储能舱工作环 境下的视频图像， 形成数据集； 步骤二． 利用数据 集训练改进后的SSD算法或改进的YOLO算法， 利 用梯度下降算法更新改进的SSD算法或改进的 YOLO算法的参数， 直至loss值收敛； 将训练后的 SSD算法或YOLO算法生成模型并保存； 步骤三.从 视频图像中获取图片， 利用保存的模 型对获取的 图片进行锂离子电池气液逸出物的识别， 如果识 别出气液逸出物， 则得到气液逸出物分布的范 围。 本发明可以及时发现锂离子电池储能舱内部 由于电池热失控等原因气液逸出物的产生， 避免 严重事故的出现， 减 小人员与财产的损失。 权利要求书3页 说明书7页 附图5页 CN 115393771 A 2022.11.25 CN 115393771 A 1.一种锂离子电池储能舱环境下的电池气液逸出物识别方法， 其特征在于， 包括以下 步骤： 步骤一.采集锂离 子电池储能舱工作环境下的视频图像， 形成数据集； 步骤二.利用数据集训练改进后的SSD算法或改进的YOLO算法， 每次对改进后的SSD算 法或改进的YOLO算法输入一个 mini‑batch的数据， 与数据集标注的气液逸出物范围进 行比 较， 计算loss值， loss值表示训练过程中算法识别 出的气液逸出物的结果与数据集标注结 果的差值； 利用梯度下降算法更新改进的S SD算法或改进的YOLO算法的参数， 直至l oss值收敛； 将训练后的S SD算法或YOLO算法生成模型并保存； 步骤三.从视频图像中获取图片， 利用保存的模型对获取的图片进行锂离子电池气液 逸出物的识别， 如果识别出气液逸出物， 则得到气液逸出物分布的范围。 2.根据权利要求1所述的一种锂离子电池储能舱环境下的电池气液逸出物识别方法， 其特征在于： 在步骤一中， 利用锂离子电池储能舱内部的摄像头 收集电池储能舱工作状态 的视频图像； 将收集得到视频图像制作成数据集， 对数据集中的图像进行预处理， 包括图像裁剪、 缩 放及拼接 。 3.根据权利要求1所述的一种锂离子电池储能舱环境下的电池气液逸出物识别方法， 其特征在于： 在步骤二中， 对S SD算法进行改进， 具体步骤为： 将原SSD算法的主干特 征提取网络VG G替换为mobi lenet‑v3； 将mobilenet‑v3中的SE注意力机制模块 替换为CA模块； 对SSD算法中的default  box的设定进行优化， 具体方法是： 设定聚类中心的个数； 通过K‑均值聚类算法获取 数据集的聚类中心； 通过式(1)或式(2)的计算方式获取优化后的default  box大小 其中xi表示第i个新default  box的边长， Xi、 Yi代表第i个聚类中心的长、 宽值。 4.根据权利要求1所述的一种锂离子电池储能舱环境下的电池气液逸出物识别方法， 其特征在于： 在步骤二中， 对YOLO算法进行改进， 具体包括以下步骤： 将原YOLO算法的主干特 征提取网络dark net53替换为Rexnet； 对YOLO算法中的初始锚框设定进行优化， 具体方法是： 设定聚类中心的个数； 通过K‑均值聚类算法获取 数据集的聚类中心； 将获取的聚类中心的坐标值设定为 新的锚框大小。权　利　要　求　书 1/3 页 2 CN 115393771 A 25.根据权利要求1所述的一种锂离子电池储能舱环境下的电池气液逸出物识别方法， 其特征在于： 在步骤二中， 利用梯度下降算法更新改进SSD算法 的参数， 包括卷积核中的权 值参数、 通道权 重参数、 空间权 重参数； 利用梯度下降算法更新改进YOLO算法的参数， 包括卷积核中的权值参数、 通道权重参 数、 空间权 重参数。 6.一种锂离子电池储能舱环境下的电池气液逸出物识别系统， 其特征在于， 包括以下 功能模块： 数据采集模块： 采集锂离 子电池储能舱工作环境下的视频图像， 形成数据集； 模型训练模块:利用数据集训练改进后的SSD算法或改进的YOLO算法， 每次对改进后的 SSD算法或改进的YOLO算法输入一个mini ‑batch的数据， 与数据集标注的气液逸出物范 围 进行比较， 计算loss值， loss值表示训练过程中算法识别出的气液逸出物的结果与数据集 标注结果的差值； 利用梯度下降算法更新改进的S SD算法或改进的YOLO算法的参数， 直至l oss值收敛； 将训练后的S SD算法或YOLO算法生成模型并保存； 气液逸出物识别模块： 从视频图像中获取图片， 利用保存的模型对获取的图片进行锂 离子电池气液逸出物的识别， 如果识别出气液逸出物， 则得到气液逸出物分布的范围。 7.根据权利要求6所述的一种锂离子电池储能舱环境下的电池气液逸出物识别系统， 其特征在于： 在模型训练模块中， 对S SD算法进行改进， 具体步骤为： 将原SSD算法的主干特 征提取网络VG G替换为mobi lenet‑v3； 将mobilenet‑v3中的SE注意力机制模块 替换为CA模块； 对SSD算法中的default  box的设定进行优化， 具体方法是： 设定聚类中心的个数； 通过K‑均值聚类算法获取 数据集的聚类中心； 通过式(1)或式(2)的计算方式获取优化后的default  box大小 其中xi表示第i个新default  box的边长， Xi、 Yi代表第i个聚类中心的长、 宽值。 8.根据权利要求6所述的一种锂离子电池储能舱环境下的电池气液逸出物识别方法， 其特征在于： 在模型训练模块中， 对YOLO算法进行改进， 具体包括以下步骤： 将原YOLO算法的主干特 征提取网络dark net53替换为Rexnet； 对YOLO算法中的初始锚框设定进行优化， 具体方法是： 设定聚类中心的个数； 通过K‑均值聚类算法获取 数据集的聚类中心； 将获取的聚类中心的坐标值设定为 新的锚框大小。权　利　要　求　书 2/3 页 3 CN 115393771 A 3