動力電芯X射線圖像邊緣檢測算法的應(yīng)用

閆　欣,梅領(lǐng)亮,張　華

(廣東正業(yè)科技股份有限公司， 東莞 523808)

?

動力電芯X射線圖像邊緣檢測算法的應(yīng)用

閆欣,梅領(lǐng)亮,張華

(廣東正業(yè)科技股份有限公司， 東莞 523808)

在動力電芯檢測中，大量應(yīng)用X射線圖像邊緣檢測技術(shù)，且在X射線檢測技術(shù)中該技術(shù)起著關(guān)鍵性作用。針對動力電芯X射線圖像的邊緣檢測技術(shù)做了深入分析與研究，結(jié)合X射線成像特征，提出了十鄰域邊緣檢測算法，解決了傳統(tǒng)邊緣檢測算法提取鋰電芯X射線圖像時邊緣不連續(xù)的問題。根據(jù)大量檢測數(shù)據(jù)得知，X射線圖像的邊緣算法能準(zhǔn)確地從較復(fù)雜的噪聲圖像中提取有效的邊緣信息，并最大限度地抑制了偽邊緣的產(chǎn)生。

數(shù)字圖像處理；邊緣檢測算法；X射線檢測

隨著X射線在工業(yè)檢測中的廣泛應(yīng)用，數(shù)字圖像處理技術(shù)在X射線檢測技術(shù)領(lǐng)域得到了很大的發(fā)展，其中邊緣檢測技術(shù)在動力電芯無損檢測中得到了越來越廣泛的應(yīng)用。X射線無損檢測是鋰電池生產(chǎn)過程中的一個重要環(huán)節(jié)。X射線透射動力電芯，經(jīng)過增強(qiáng)器轉(zhuǎn)換成光信號，再通過攝像機(jī)獲取電芯內(nèi)部結(jié)構(gòu)獲得數(shù)字圖像。X射線成像與被測物的厚度及密度有關(guān)，厚度越大或密度越大，則X射線透射后的能量越弱，成像越暗；反之，成像越亮。由此，X射線圖像中容易產(chǎn)生大量的噪點圖像。

目前，經(jīng)典的邊緣檢測算法有Sobel算子、Roberts算子、Gauss-Laplace算子、Canny算子等[1-2]。鋰電池X射線圖像受鋰電池結(jié)構(gòu)的影響，其電芯圖像的灰度分布比較離散，采用上述檢測算子提取鋰電池X射線圖像的邊緣，易產(chǎn)生邊緣不連續(xù)及偽邊緣過多的問題，導(dǎo)致電池正負(fù)極分布結(jié)構(gòu)的檢測誤差過大。因此，對動力鋰電芯X射線圖像的邊緣檢測技術(shù)的研究是至關(guān)重要的[3]。筆者結(jié)合X射線成像特征，提出了十鄰域邊緣檢測算法，克服了傳統(tǒng)邊緣檢測算法提取鋰電芯X射線圖像時邊緣不連續(xù)的缺點。

1　動力電芯X射線圖像的特征

動力電芯由正負(fù)兩極組成，由正負(fù)極片交替有規(guī)律地卷制而成，且正極片必須完全包裹于負(fù)極片中，卷繞電芯圓弧部位的極片結(jié)構(gòu)可以反映整個電芯正負(fù)極片的結(jié)構(gòu)特征。鋰電芯的正負(fù)極片的分布結(jié)構(gòu)必須嚴(yán)格符合設(shè)計標(biāo)準(zhǔn)，負(fù)極片與正極片必須以隔離膜分開，正極片整體必須位于負(fù)極片區(qū)域內(nèi)，且正極片與負(fù)極片的間距須符合設(shè)計的標(biāo)準(zhǔn)范圍，否則為不良品。X射線檢測時，正極片以外的負(fù)極片區(qū)域呈現(xiàn)高亮度的灰度圖像，而正極片與負(fù)極片重合呈現(xiàn)較暗的灰度圖像，圓弧部位的每層負(fù)極片在圖像里，均形成一條相對較暗的陰影圖像，同時每層正極片也形成一條相對更暗的陰影圖像。因此，可以通過檢測每層正負(fù)極片的圓弧部位在圖像中形成的陰影圖像的邊緣，計算正負(fù)極片分布結(jié)構(gòu)的數(shù)據(jù)，包括相鄰負(fù)極片超出正極片的長度，正負(fù)極片分布的整齊度等相關(guān)參數(shù)。準(zhǔn)確提取正負(fù)極片圓弧部位的圖像邊緣，負(fù)極片與背景間的邊緣，及正極片與負(fù)極片間的邊緣是當(dāng)前鋰電芯檢測的難點。筆者主要研究了圓弧部位的負(fù)極片的圖像邊緣檢測。

2　十鄰域邊緣檢測算法

2.1邊緣檢測算法的基本理論

采用十鄰域邊緣檢測算子,依據(jù)一階灰度梯度原理，擴(kuò)大水平方向鄰域檢測范圍，增加圖像中真實豎直方向邊緣的連續(xù)性，并最大程度地抑制噪聲邊緣的產(chǎn)生。由于動力電芯X射線圖像中的灰度分布較離散，包含過多的噪聲圖像，每層電極的豎直方向上的邊緣信息會受到噪聲的影響，故很難提取出連續(xù)的負(fù)極片邊緣圖。傳統(tǒng)的Sobel邊緣算子結(jié)合了水平和豎直兩個方向上的一階灰度梯度，并具有一定的平滑功能，如圖1(a)，(b)所示。但采用Sobel算子提取鋰電芯X射線圖像中的負(fù)極片豎直邊緣時，會產(chǎn)生過多的斷續(xù)小邊緣，這主要是由X射線圖像中的小鄰域內(nèi)的灰度離散造成的。在負(fù)極片與背景邊緣處，因離散的邊緣信息過多，導(dǎo)致提取到大量的偽邊緣，無法正確計算負(fù)極片的起端位置?；阡囯娦綳射線圖像的特征，在傳統(tǒng)的邊緣檢測原理上，設(shè)計了十鄰域的邊緣檢測算子，如圖1(c)所示。文中算子的水平方向上的分量，即為近似的灰度一階梯度檢測算子，且采用了多階段閾值分割，在提取連續(xù)的負(fù)極片邊緣圖像的同時，最大限度地濾除了偽邊緣的產(chǎn)生。

(c) 十鄰域邊緣檢測算子

圖1邊緣檢測方向示意

2.2邊緣檢測算法的實現(xiàn)

設(shè)數(shù)字圖像f(x,y)，梯度圖像g(x,y)。檢測算法根據(jù)設(shè)定的方向模板(見圖1(c))與圖像進(jìn)行鄰域卷積來計算梯度，并提取邊緣。則有：

(1)

算法主要步驟如下：

(1) 邊緣檢測算子與圖像卷積f(x,y)，得到的梯度圖像gi(x,y),i=1,…,5。

(2) 根據(jù)有效邊緣的梯度信息來選擇合適的閾值Th1。若對每個鄰域的邊緣信息都保留，則該閾值選擇較小值，即只要任一方向上的梯度變化值大于0，則為有效邊緣像素。

(4) 將各鄰域上的絕對值梯度圖累加，得到梯度圖g(x,y)。

(5) 根據(jù)有效邊緣的梯度信息來選擇合適的閾值Th2：若g(x,y)≥Th2，即為邊緣像素；若g(x,y)

由此，得到了動力電芯內(nèi)部結(jié)構(gòu)的邊緣圖像。

該算法效率高，可以準(zhǔn)確提取有效邊緣信息，因此提高了檢測的穩(wěn)定性及準(zhǔn)確度。

3　動力電芯X射線圖像邊緣檢測算法的應(yīng)用

對動力電芯內(nèi)部正負(fù)兩極間距的位置要求較嚴(yán)格，因此對檢測精度要求較高。圖2是不同動力電芯X射線檢測成像效果，圖3是Sobel算子[4]提取的電芯邊緣圖像，圖4是筆者所用算法提取的電芯邊緣圖像。由此可知，Sobel算子提取的電極邊緣圖像，丟失了較多的有效邊緣信息，同時產(chǎn)生了較多的噪聲邊緣信息，因此導(dǎo)致了真實邊緣的損失[5]。筆者所用算法提取的電芯邊緣圖像，在提取有效邊緣信息的同時，大大抑制了噪聲圖像，特別是電芯中間沒有電極層邊緣的區(qū)域，其豎直方向的噪聲邊緣受到了很好的抑制，因此得到了清晰有效的電極邊緣圖像，對陰陽兩極端點間距的檢測，可以達(dá)到更準(zhǔn)確的檢測精度。

圖2　不同動力電芯的X射線檢測圖像

圖3　Sobel算子提取的邊緣圖像

圖4　邊緣檢測算法提取的邊緣圖像

在全自動生產(chǎn)線上，采集了10 000個動力電芯圖像，獨立對兩種檢測算子進(jìn)行了比較，得出數(shù)據(jù)如表1所示。測試計算機(jī)配置Intel Core i3-2330M CPU，內(nèi)存2G，Windows 7,VS2008編程。

表1　Sobel算子與文中算子的檢測性能比較

4　算法在XG5200A自動化檢測設(shè)備上的應(yīng)用

筆者提出的邊緣檢測算法已用于公司自主開發(fā)的XG5200A全自動化X-Ray檢測設(shè)備上。由生產(chǎn)線上的檢測數(shù)據(jù)分析得出，該算法的誤檢率不高于2%，并可以處理各種不同噪聲圖像，因此該算法的穩(wěn)定性較高，并且檢測效率也較高(電芯每個檢測點的處理時間平均小于300 ms)。該設(shè)備保證了動力電芯生產(chǎn)線后續(xù)工序的來料良品率，從而提高了全自動生產(chǎn)線的實際生產(chǎn)效率。

5　結(jié)語

針對X射線檢測圖像，筆者所用算法在一定程度上優(yōu)化了邊緣檢測準(zhǔn)確度，在抑制噪聲圖像的同時，進(jìn)一步加強(qiáng)了對有效邊緣信息的提取，由此，給后續(xù)電芯正負(fù)極片邊線的間距、整齊度等檢測提供了可靠的信息。該算法極大地提高了動力電芯檢測的穩(wěn)定性及效率。

[1]許杰,戚大偉.基于Canny算子的醫(yī)用X光圖像邊緣檢測算法研究[J].遼寧中醫(yī)藥大學(xué)學(xué)報，2008,10(3):9-10.

[2]吉增權(quán),黃靚.鋼絲繩芯皮帶運輸機(jī)X光在線檢測技術(shù)研究與應(yīng)用[C]∥Proceedings of 2010 International Conference on Remote Sensing,[S.l]:[s.n],2010.

[3]馮霞,郝正平,馮燕,等. X射線在輪胎邊緣檢測中的應(yīng)用[J]. CT理論與應(yīng)用研究,2010,19(3):61-66.

[4]袁春蘭,熊宗龍,周雪花,等.基于Sobel算子的圖像邊緣檢測研究[J].激光與紅外, 2009, 39(1):85-87.

[5]喬鬧生,鄒北驥,鄧?yán)?等.一種基于圖像融合的含噪圖像邊緣檢測方法[J].光電子激光, 2012(11):2215-2220.

Application of X-Ray Detection Image Edge Algorithm in Power Batteries

YAN Xin, MEI Ling-liang, ZHANG Hua

(Guangdong Zhengyee Technology Co., Ltd., Dongguan 523808, China)

In power batteries detection, edge detection technology has found a lot of applications, and plays an important role in the X-Ray inspection technology. In this paper, an in-depth analysis and research was undertaken for the edge detection of power battery X-Ray image, and the ten-neighborhood edge detection algorithm was hence proposed. The algorithm solved X-Ray image broken edges by the traditional edge detection algorithms. According to a large number of data it is proven that our algorithm can accurately extract valid edge from much image noise and reduce the generation of pseudo edges. The algorithm has strong adaptability in the X-Ray image detection.

Digital image process; Edge detection algorithm; X-Ray detection

2016-02-17

廣東省科技計劃資助項目(2014B010124001)

閆欣(1985-)，男，碩士，主要從事圖像處理與模式識別方面的研究工作。

張華， E-mail: rd40@zhengyee.com。

10.11973/wsjc201609004

TM912.9；TG115.28

A

1000-6656(2016)09-0014-03