非接触式电池检测系统、方法、设备及存储介质

技术领域

本发明涉及电池检测领域，尤其涉及非接触式电池检测系统、方法、设备及存储介质。

背景技术

对于锂电池性能检测来说，需要获得电池的内部状态参数，例如，电池的荷电状态(SOC)、健康状态(SOH)以及故障分布(产气等)等，以实现电池状态监测、电池充电/放电控制、热管理、电池平衡和故障缓解等。

现有基于超声的电池检测仅能通过获取的信号判断电池的健康状态，无法实现电池内部故障的可视化检测，而且可能改变电池中电极材料的电荷输运特性，会改变电池的真实荷电状态。因此现有的基于超声的电池检测方法或系统存在准确性不高的问题。

发明内容

本发明提供了一种非接触式电池检测系统、方法、设备及存储介质，以解决现有的基于超声的电池检测方法或系统存在准确性不高的问题。

根据本发明的一方面，提供了一种非接触式电池检测系统，该系统包括：

可运动支撑装置，用于支撑待检测电池；

超声探头，被设置成朝向待检测电池，用于获取针对待检测电池的空耦超声数据；

处理器，用于控制支撑装置带动待检测电池在垂直于超声探头的平面运动，并在支撑装置运动至设定检测点阵中的任一检测点的情况下，控制超声探头获取待检测电池在对应检测点的空耦超声数据；根据所有检测点采集的空耦超声数据确定待检测电池的超声检测结果，超声检测结果包括缺陷分布结果。

根据本发明的另一方面，提供了一种非接触式电池检测方法，该方法包括：

获取针对待检测电池的空耦超声数据集合，空耦超声数据集合包括待检测电池的至少两个检测点的超声数据；

确定空耦超声数据集合对应的时频图；

将空耦超声数据集合与时频图输入已训练的特征提取模型以得到特征参数集合；

将特征参数集合输入已训练的检测模型以得到超声检测结果，超声检测结果包括缺陷分布结果。

根据本发明的另一方面，提供了一种电子设备，该电子设备包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行时实现本发明任一实施例的非接触式电池检测方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的非接触式电池检测方法。

本发明实施例的技术方案，通过获取电池的空耦超声数据，根据空耦超声数据确定检测结果，实现非接触的原位电池检测，且提高了基于超声的电池检测的准确性。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例提供的一种非接触式电池检测系统的结构框图；

图2A是根据本发明实施例提供的又一种非接触式电池检测系统的结构框图；

图2B是根据本发明实施例提供的一种用于透射法的可移动支撑装置示意图；

图2C是根据本发明实施例提供的一种用于反射法的可移动支撑装置示意图；

图3A是根据本发明实施例提供的一种用于透射法的非接触式电池检测系统的结构示意图；

图3B是根据本发明实施例提供的对待检测电池进行透射法检测的超声信号幅值图；

图3C是根据本发明实施例提供的一种用于反射法的非接触式电池检测系统的结构示意图；

图3D是根据本发明实施例提供的对待检测电池进行反射法检测的超声信号幅值图；

图3E是根据本发明实施例提供的处理器对待检测电池的超声信号进行处理得到检测结果的流程图；

图3F是根据本发明实施例提供的处理器对待检测电池的超声信号进行处理的示意图；

图3G是根据本发明实施例提供的一种反射法的锂电池检测得到的局部区域的时频图；

图3H是根据本发明实施例提供的一种透射法的锂电池检测得到的局部区域的时频图；

图4是根据本发明实施例提供的一种非接触式电池检测方法的流程图；

图5是根据本发明实施例提供的一种电子设备的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1是根据本发明实施例提供的一种非接触式电池检测系统的结构框图，本实施例可适用于基于超声的非接触式电池检测的场景。如图1所示，该非接触式电池检测系统包括：可运动支撑装置110、超声探头120和处理器130。

其中，可运动支撑装置110，用于支撑待检测电池。

超声探头120，被设置成朝向待检测电池，用于获取针对待检测电池的空耦超声数据。

处理器130，用于控制支撑装置110带动待检测电池在垂直于超声探头120的平面运动，并在支撑装置110运动至设定检测点阵中的任一检测点的情况下，控制超声探头120获取待检测电池在对应检测点的空耦超声数据；根据所有检测点采集的空耦超声数据确定待检测电池的超声检测结果，超声检测结果包括缺陷分布结果。

其中，设定检测点阵是预先设定的支撑装置110的运动范围对应的点阵。

通过控制可运动支撑装置110移动，可以改变待检测电池的位置，将该电池移动到设定检测点阵中的任一检测点；超声探头120在该检测点附近发射超声信号，该超声信号通过空气传播至位于该检测点的待检测电池，得到该电池在该检测点的超声数据，作为该电池在该检测点的空耦超声数据。进而对该空耦超声数据进行分析和处理，得到超声检测结果。示例性的，可以将该电池所有区域的空耦超声数据对应的超声信号的幅值、频率和/或功率等进行时域和/或频域分析，得到各区域的超声信号的幅值、频率和/或功率的分布结果，确定该电池存在缺陷的区域和正常区域。

可选的，还可根据各区域的超声信号生成对应的超声图像，得到待检测电池的包括正常区域和/或缺陷区域的分布图像。这样做的好处是，可以更加直观的确定缺陷区域的位置。

本实施例的技术方案，通过获取电池的空耦超声数据，根据空耦超声数据确定检测结果，实现非接触的原位电池检测，且提高了基于超声的电池检测的准确性。

图2A是根据本发明实施例提供的又一种非接触式电池检测系统的结构框图，本实施例与上述实施例中的非接触式电池检测系统属于同一个发明构思，在上述实施例的基础上加入了运动机构和夹持装置。

如图2A所示，一种非接触式电池检测系统包括：可运动支撑装置210、超声探头220和处理器230，其中，支撑装置210包括运动机构2101和夹持装置2102。其中，运动机构2101，被构造成在处理器230的控制下能够运动至设定检测点阵中的任一检测点；夹持装置2102，设置于运动机构2101上，被构造成可夹持待检测电池的第一平面组合或第二平面组合，第一平面组合与第二平面组合均包括两平行平面，且第一平面组合包括超声入射面，第二平面组合的两平面均垂直于超声入射面。

运动机构2101可以是带传动或齿轮传动等一种/多种方式结合的运动机构，本实施例对此不作限定。通过运动机构2101带动待检测电池移动，可以对该电池进行逐行逐点扫描，获取携带该电池内部结构信息的超声波信号。

夹持装置2102设置于运动机构2101上，可夹持待检测电池的两个相对且平行的平面。具体的，夹持装置2102可以夹持待检测电池的第一平面组合，以使超声信号从第一平面组合中的一个平面(即超声入射面)以一定角度射入该待检测电池。示例性的，超声入射面为待检测电池包括的与超声探头220正对的平面。

可选的，该夹持装置2102也可以夹持该待检测电池的第二平面组合，第二平面组合的两平面均垂直于第一平面组合中的超声入射面，只要能使超声探头发射的超声信号从第一平面组合中的超声入射面射入即可。

可选的，夹持装置2102也可以是其他形式的只要能将待检测电池的第一平面组合或第二平面组合固定于运动机构2101即可。

在对待检测电池进行透射法检测的过程中，需要将超声发射探头和超声接收探头分别放置在待检测电池第一平面组合中两个平面的两侧，以使超声从第一平面组合中的一个平面射入待检测电池。此外，超声发射探头和超声接收探头的中心轴线要保持重合。在反射法检测中，仅通过一个垂直于超声入射面的超声探头220进行超声信号的发射和接收，实现对待检测电池的非接触式检测。

在一个具体的实施例中，如图2B所示，待检测电池为锂电池22，在对锂电池22进行透射法检测的过程中，运动机构2101为二维移动平台20，夹持装置21由刚性材料制成，夹持装置21具体包括第一夹持臂211和第二夹持臂212，第一夹持臂211的末端和第二夹持臂212的末端相向设置，两个夹持臂的末端均设置有防滑面。通过两个夹持臂将锂电池22固定于二维移动平台20上。二维移动平台20在X方向和Y方向上的位移间隔分别为Δx和Δy，可以根据需要对Δx和Δy的值进行调整。如图2C所示，在对锂电池22进行反射法检测的过程中，运动机构2101为二维移动平台20，通过夹持装置21将电池固定于二维移动平台20上。

本实施例的技术方案，通过设置运动机构和夹持装置，可以对待检测电池任何区域进行检测，确定对应的检测结果，实现非接触的原位电池检测，进一步提高了基于超声的电池检测的准确性。

图3A是根据本发明实施例提供的一种用于透射法的非接触式电池检测系统的结构示意图，与上述实施例中的非接触式电池检测系统属于同一个发明构思，在上述实施例的基础上加入了充放电装置。

如图3A所示，一种基于透射法对待检测电池34的非接触式电池检测系统包括：处理器30、可运动支撑装置33、超声发射探头31、超声接收探头32和充放电装置35，其中，超声发射探头31具体用于向待检测电池34的超声入射面输出空耦超声，超声入射面为待检测电池34包括的与超声发射探头正对的平面；超声接收探头32具体用于接收穿过待检测电池34的空耦超声，并生成空耦超声数据；充放电装置35，用于对待检测电池34进行充电或放电；处理器30用于控制超声发射探头31发射超声波，处理器30还用于控制超声接收探头32获取处于充电状态或放电状态的待检测电池34在对应设定检测点的空耦超声数据；超声检测结果还包括荷电检测结果与健康检测结果。

为了对工作状态的电池进行检测和评估，加入了充放电装置35对待检测电池34进行充电或放电，同时通过处理器30控制超声接收探头32获取处于充电状态或放电状态的待检测电池34在对应设定检测点的空耦超声数据，可对工作状态进行非接触式的原位检测和状态评估，进一步提高检测的准确性。

在一个实施例中，根据所有检测点采集的空耦超声数据确定待检测电池的超声检测结果，包括：

步骤a1、将所有检测点采集的空耦超声数据作为空耦超声数据集合。

具体的，获取超声接收探头32接收的待检测电池34在所有检测点的空耦超声数据，作为空耦超声数据集合。

在一个具体的实施例中，在对待检测电池34进行透射法检测的过程中，如图3A所示，通过充放电装置35对位于可运动支撑装置33的待检测电池34充电，将超声发射探头31和超声接收探头32分别放置在待检测电池34的第一平面组合中两个平面的两侧，以使超声从第一平面组合中的一个平面射入待检测电池34。该非接触式电池检测系统的处理器30用于获取超声信号，作为空耦超声数据；对空耦超声数据进行时域、频域和/或时频域处理；控制可运动支撑装置33带动待检测电池34运动，并在运动至设定检测点阵中的任一检测点的情况下，处理器30获取待检测电池34在对应检测点的空耦超声数据；根据所有检测点采集的空耦超声数据确定待检测电池34的超声检测结果。示例性的，通过透射法对锂电池进行非接触式检测，得到锂电池正常区域的超声信号和缺陷区域的超声信号如图3B所示。

在一个具体的实施例中，如图3C所示，在对待检测电池34进行反射法检测的过程中，仅通过一个垂直于超声入射面的超声探头36进行超声信号的发射和接收。示例性的，通过反射法对锂电池进行非接触式检测，得到锂电池正常区域的超声信号和缺陷区域的超声信号如图3D所示。

步骤a2、确定空耦超声数据集合对应的时频图。

使用小波变换/短时傅里叶变换等时频分析方法，将空耦超声数据集合中的所有空耦超声数据转换成包含时域信息和频域信息的时频图。

步骤a3、根据空耦超声数据集合与时频图确定特征参数集合。

通过深度学习算法等对空耦超声数据集合和时频图进行特征参数提取，得到所有空耦超声数据和时频图的特征参数，组成特征参数集合。

在一个具体的实施例中，将空耦超声数据集合与时频图输入已训练的特征提取模型以得到特征参数集合。具体的，首先，以空耦超声数据集合与时频图为特征，以对应的特征参数为标签对该特征提取模型进行训练，得到经过训练的特征提取模型；然后，将空耦超声数据集合与时频图输入已训练的特征提取模型以得到与该空耦超声数据集合与时频图对应的特征参数，组成特征参数集合。

在一个实施例中，该特征提取模型可以是基于迁移学习的深度学习网络，这样做的好处是，可以减少模型网络的训练时间，同时增加网络的泛化能力。具体的，该特征提取模型包括相连接的三层不同类型的卷积网络(VGG16、ResNet50和Densenet161网络层)，将三个网络层依次串联，得到能够对空耦超声数据集合与时频图进行特征提取的深度学习网络。可以理解的是，在使用该深度学习网络对空耦超声数据集合与时频图进行特征提取操作之前，需要对该深度学习网络进行训练，以得到经过训练的深度学习网络，进一步用于对空耦超声数据集合与时频图进行特征提取，得到与该空耦超声数据集合与时频图对应的特征参数，组成特征参数集合。

步骤a4、将特征参数集合输入已训练的检测模型以得到超声检测结果。

可以理解的是，该已训练的检测模型是以特征参数为特征，以特征参数对应的超声检测结果为标签训练得到的。将特征参数集合输入到基于深度学习算法的已训练的检测模型，可以得到与特征参数对应的超声检测结果。

示例性的，可以是将待检测电池34的特征参数集合输入到以特征参数为特征，以特征参数对应的电池的荷电状态(SOC)、健康状态(SOH)和/或缺陷分布结果等超声检测结果为标签训练得到的检测模型，得到待检测电池34的荷电状态(SOC)、健康状态(SOH)和缺陷分布结果等超声检测结果。

在一个实施例中，将特征参数集合输入已训练的第一检测模型以得到缺陷分布结果。具体的，首先，以特征参数集合为特征，以对应的缺陷分布结果为标签对该第一检测模型进行训练，得到经过训练的第一检测模型；然后，将特征参数集合输入已训练的第一检测模型，得到与该特征参数集合对应的缺陷分布结果。示例性的，缺陷分布结果可以是三维缺陷分布图像。

在一个实施例中，该第一检测模型可以是基于迁移学习的深度学习网络，将特征参数集合转换为对应的缺陷分布结果。可以理解的是，在使用第一检测模型对特征参数集合进行缺陷分布结果预测之前，需要对该第一检测模型进行训练，以得到经过训练的第一检测模型，进一步用于对特征参数集合进行缺陷分布结果预测。示例性的，第一检测模型是SegFormer模型，SegFormer模型包含一个新的层次结构的Transformer编码器，能输出多尺度特征，不需要位置编码，这样就不用对位置编码做插值(当测试分辨率不同于训练分辨率时，性能就会下降)；避免了复杂的解码器，所提出的MLP Decoder结构(MLP解码器)能从不同的层聚集信息，结合局部注意和全局注意，对输入的特征参数集合进行全局交互，相比于传统的卷积网络模型，具有更强的全局感知能力，无需复杂的、计算量大的模块即可产生特征表示。

在一个实施例中，已训练的检测模型还包括已训练的第二检测模型，将特征参数集合输入已训练的第二检测模型以得到荷电检测结果与健康检测结果。具体的，首先，以特征参数集合为特征，以对应的荷电检测结果与健康检测结果为标签对该第二检测模型进行训练，得到经过训练的第二检测模型；然后，将特征参数集合输入已训练的第二检测模型，得到与该特征参数集合对应的荷电检测结果与健康检测结果。

在一个实施例中，该第二检测模型可以是基于长短期记忆网络的深度学习网络，将特征参数集合转换为对应的荷电检测结果与健康检测结果。可以理解的是，在使用第二检测模型对特征参数集合进行荷电检测结果与健康检测结果预测之前，需要对该第二检测模型进行训练，以得到经过训练的第二检测模型，进一步用于对特征参数集合进行荷电检测结果与健康检测结果预测。

示例性的，第二检测模型是乘法长短期记忆网络(Multiplicative Long ShortTerm Memory，mLSTM)，mLSTM是一种用于序列建模的递归神经网络架构，它结合了长短期记忆(LSTM)和乘法递归神经网络(Multiplicative recurrent neural network，mRNN)的架构。

在一个具体的实施例中，图3E是根据本发明实施例提供的处理器对待检测电池的超声信号进行处理得到检测结果的流程图，如图3E所示，处理器对待检测电池的超声信号进行处理得到检测结果具体包括以下步骤：

S301、获取超声信号。

S302、通过小波变换将超声信号转换成时频图。

S303、将超声信号和时频图输入已训练的特征提取模型以得到特征参数集合。

S304、将特征参数集合输入已训练的第一检测模型，输出缺陷分布检测结果。

S305、将特征参数集合输入已训练的第二检测模型，输出荷电检测结果与健康检测结果。

具体的，处理器30获取所有检测点的超声信号；对所有超声信号进行小波变换，得到对应的时频图；通过已训练的特征提取模型对超声信号和时频图进行特征参数提取，得到特征参数集合；将特征参数集合输入已训练的第一检测模型，识别锂电的缺陷分布，得到与该特征参数集合对应的缺陷分布结果；同时，通过已训练的第二检测模型将特征参数集合转换为对应的荷电检测结果与健康检测结果。

具体的，如图3F所示，已训练的特征提取模型包括相连接的三层不同类型的卷积网络(VGG16、ResNet50和Densenet161网络层)，将三个网络层依次串联，得到能够对超声数据集合和时频图进行特征提取的特征提取模型。将超声数据集合和时频图输入经过训练的特征提取模型，得到所有空耦超声数据和时频图的特征参数，组成特征参数集合。第一检测模型基于SegFormer模型，用于将特征参数集合转换为对应的缺陷分布结果，识别锂电池的缺陷分布。第二检测模型基于mLSTM，将特征参数集合转换为对应的荷电检测结果与健康检测结果。

在一个具体的实施例中，在对锂电池进行反射法检测的过程中，锂电池局部区域的空耦超声数据集合对应的时频图如图3G所示，对时频图进行特征参数提取，确定该锂电池的缺陷区域、正常区域和电池边界；在对锂电池进行透射法检测的过程中，锂电池局部区域的空耦超声数据集合对应的时频图如图3H所示，对时频图进行特征参数提取，确定该锂电池的故障区域和正常区域。

本实施例的技术方案，通过充放电装置对待检测电池进行充放电，训练了深度学习网络，该深度学习网络用于预测待检测电池的荷电检测结果、健康检测结果和缺陷分布结果，使待检测电池的缺陷分布更加直观，能够实现非接触的原位电池检测，且提高了基于超声的电池检测的准确性。

图4是根据本发明实施例提供的一种非接触式电池检测方法的流程图，本实施例可适用于对锂电池进行非接触式电池检测情况，该非接触式电池检测方法可配置于非接触式电池检测系统的处理器中。如图4所示，该方法包括：

S410、获取针对待检测电池的空耦超声数据集合，空耦超声数据集合包括待检测电池在至少两个检测点的超声数据。

具体的，获取超声探头接收的针对待检测电池在至少两个检测点的空耦超声数据，作为空耦超声数据集合。

可以理解的是，可以对空耦超声数据进行滤波等预处理，可以去除噪声；还可以根据需要对设定频段的超声信号进行滤波，得到需要频段的超声信号，将预处理后的超声信号组成空耦超声数据集合。

S420、确定空耦超声数据集合对应的时频图。

可选的，可以对空耦超声数据集合中的超声信号进行时域分析、频域分析和时频域分析。具体的，对空耦超声数据集合中的超声信号进行时域分析，得到信号幅值随时间变化的超声信号；对空耦超声数据集合中的超声信号进行频域分析，得到信号幅值随频率变化的超声信号。这样做的好处是，对空耦超声数据集合中的超声信号进行时频域分析，既包含超声信号的时域信息，又包含了超声信号的频域信息。

可选的，可以对空耦超声数据进行加窗处理，并假设在该时间窗内数据是稳态的，从而进行傅里叶变换，提取该时间窗内的频域信息；将窗口沿着时间轴向前滑动，并对每个时间窗内的数据进行同样的处理，这样就能得到随时间变化的频率的信息，所得到的结果就是时频图，其横轴代表的是时间，纵轴代表的是频率，每个时间频率所对应的点代表的就是功率值。

可以理解的是，窗口的大小会影响到时间精度和频率精度。可以根据需要设定窗口的大小。时间窗可以是固定大小，也可以具有自适应性。示例性的，短时傅里叶变换的时间窗就是大小固定的，而小波变换的时间窗则可以随着频率变化而伸缩，使用更灵活。

S430、将空耦超声数据集合与时频图输入已训练的特征提取模型以得到特征参数集合。

通过深度学习算法等对空耦超声数据集合和时频图进行特征参数提取，得到所有空耦超声数据和时频图的特征参数，组成特征参数集合。

S440、将特征参数集合输入已训练的检测模型以得到超声检测结果，超声检测结果包括缺陷分布结果。

首先，以特征参数集合为特征，以对应的缺陷分布结果为标签对该第一检测模型进行训练，得到经过训练的第一检测模型；然后，将特征参数集合输入已训练的第一检测模型，得到与该特征参数集合对应的缺陷分布结果。

可选的，已训练的检测模型还包括已训练的第二检测模型，已训练的第二检测模型用于将特征参数集合输入已训练的第二检测模型以得到荷电检测结果与健康检测结果。具体的，首先，以特征参数集合为特征，以对应的荷电检测结果与健康检测结果为标签，对该第二检测模型进行训练，得到经过训练的第二检测模型；同时，将特征参数集合输入已训练的第二检测模型，得到与该特征参数集合对应的荷电检测结果与健康检测结果。

可选的，设置了运动机构的运动路线，且可以根据需要对该运动路线进行调整。这样做的好处是，能够使待检测电池按照该运动路线在设定检测点阵中进行运动，对电池进行非接触式检测。

本实施例的技术方案，通过获取电池的空耦超声数据，根据空耦超声数据确定待检测电池的荷电检测结果、健康检测结果和缺陷分布结果，使待检测电池的缺陷分布更加直观，实现非接触的原位电池检测，且提高了基于超声的电池检测的准确性。

图5是根据本发明实施例提供的一种电子设备的结构框图，示出了可以用来实施本发明的实施例的电子设备10的结构。其中，电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如非接触式电池检测方法。

在一些实施例中，非接触式电池检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的非接触式电池检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行非接触式电池检测方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行或部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(Cathode Ray Tube，阴极射线管)或者LCD(Liquid Crystal Display，液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。