怎样让监控屏蔽器充分利用粒子分离技术
会让研究人员能够确定上述理论实际上是有效的：摄像头干扰器粒子分离确实确实促进了LIB的降解-“至少在[人们通常会在智能手机等消费电子产品中看到的条件下，SLAC的工作人员写道。新闻页面。尽管如此，SLAC的CV解决方案确实给研究人员带来了障碍。
缺点及其解决方案：使用计算机视觉的缺点是CV算法依赖于根据其亮线或暗线识别监控干扰器形状。 SLAC写道：“很难区分几个粘在一起的NMC小颗粒和一个大而部分破裂的大NMC颗粒。”当然，这是一个问题，因为NMC粒子既会聚集又会破裂。SLAC研究人员的解决方案是使用一种可以实现分层对象识别的算法*，从而确保CV软件对NMC粒子具有上下文敏感的理解（再次，考虑其能够识别摄像头屏蔽器粒子是否重要的重要性。分解，聚类等等）。经过研究人员的必要的人机培训，该算法使该系统具有单个NMC颗粒的“ 3D图片”，并且随之而来的是CV系统能够更好地识别此类镍锰钴颗粒的时间从阴极分离。 SLAC员工写道：“较旧的方法会将一个破裂的颗粒误认为是几种不同的颗粒，而这种新方法可以说明监控屏蔽器不同之处。”
有关使用分层对象识别的更多信息，请阅读SLAC研究人员在Nature Communications论文以及他们选择的系统摄像头干扰器中的卷积神经网络。
