趙曉云 鄭治華 韓洪偉
摘 要:電池極片缺陷種類多,并且表現(xiàn)形式具有多樣性,為了更有效地實現(xiàn)對鋰電池極片表面缺陷的檢測,需要將種類繁多的缺陷從所拍攝的圖片中提取出來。本文對極片表面缺陷進行分析,并根據(jù)圖像檢測原理對缺陷進行詳細的分類。針對極片圖像,采用中值濾波和Sobel算子對圖像進行預處理,預處理后的圖片以粗檢的方式快速判別被測極片是否存在較大缺陷,用于提高檢測效率;同時,通過分類缺陷的詳細參數(shù)設置細化每一類缺陷的檢測,以滿足極片檢測的準確性和檢測效率等要求。
關鍵詞:鋰電池極片;缺陷檢測;圖像處理;特征提取與分類
中圖分類號:TM912 文獻標識碼:A 文章編號:1003-5168(2017)03-0137-03
Abstract: There are many kinds of defects in battery electrode sheet, and their manifestations are diversified.In order to more effectively achieve the surface defects of lithium battery pole detection, wide variety of defects need to be extracted from the picture. In this paper, the surface defect of the battery electrode sheet was analyzed, and the defect was classified according to the principle of image detection. The median filter and the Sobel operator were used to preprocess the image. Through the approximate test can quickly determine whether there is a big defect in the measured electrode sheet after the pre-treatment, usingthis method can improve the detection efficiency. At the same time, through the detailed parameter settings can refine each type of defect detection, to meet the requirements of detection accuracy and detection efficiency of the battery electrode sheet.
Keywords: lithium battery electrode sheet;defect detection;image processing;feature extraction andclassification
與其他動力電池相比,鋰離子電池具有零污染、零排放、能量密度高、體積小和循環(huán)使用壽命長等優(yōu)點,是國內外動力電池發(fā)展和應用的趨勢。鋰電池主要是通過正負極極片卷繞,極片上的化學物質透過極片間的薄膜進行離子轉換來供電的。業(yè)界認為,從長遠看,價格不是制約動力鋰離子電池發(fā)展的難題,目前制約動力鋰離子電池發(fā)展的主要因素在于人們對其安全性和產品成熟程度的擔憂[1]。
目前,幾乎所有的生產廠家都在極盡所能提高鋰電池質量的一致性,其中最典型的質量指標即保證鋰電池極片厚度的均勻性和表面質量的一致性。在鋰電池生產過程中,涂料、輥壓等環(huán)節(jié)都有可能導致極片破損,極片的缺陷主要有劃痕、露箔、顆粒、裂紋等,這些缺陷會嚴重影響電池的安全性和使用壽命,因此需要對電池極片表面缺陷進行檢測。傳統(tǒng)的手工檢測方法檢測效率低,工人勞動強度大,檢測質量無法嚴格保證,不能滿足鋰電池大批量生產的需要。應用機器視覺可以準確、高效地對鋰電池極片進行檢測,從而提高生產效率、降低成本。同時,對于一個企業(yè)來說,生產高質量的產品,也是維護企業(yè)品牌形象和信譽的關鍵。
目前,對于動力鋰離子電池極片表面缺陷,主要是基于機器視覺的非接觸檢測,利用圖像處理,可以發(fā)現(xiàn)缺陷、提取缺陷并描述缺陷。由于鋰離子電池極片可形成缺陷的生產環(huán)節(jié)較多,而且產生原因各不相同,導致其缺陷種類多且表現(xiàn)形式具有多樣。因此,將種類繁多的缺陷從所拍攝的圖片中提取出來,更有效地實現(xiàn)對鋰電池極片表面缺陷的檢測是視覺檢測的重要環(huán)節(jié)。
1 鋰電池極片缺陷檢測需求分析
1.1 鋰電池極片缺陷類型分析
鋰電池極片分為極耳和涂布區(qū)2個部分。由于生產工藝的限制,生產出的極耳區(qū)及極片表面會出現(xiàn)多種缺陷。根據(jù)缺陷存在的位置及缺陷的形態(tài)定義了不同的缺陷類型,并針對每種缺陷類型對于成品電池性能的影響設定了不同的檢測尺寸,用于保證產品質量。具體缺陷類型如圖1所示。
1.2 鋰電池極片檢測分析
針對鋰電池極片缺陷的類型及檢測尺寸,將所需檢測的缺陷分為以下幾類:①能夠定性測量被檢測極片的整體尺寸寬度及極耳尺寸寬度,并判斷其是否在工藝規(guī)定范圍之內;②能夠定性測量被檢測極片極耳部位是否存在帶料,并測量出帶料具體尺寸;③能夠定性測量出被檢測極片是否存在露銅,并能夠測量出具體露銅尺寸;④能夠定性測量出被檢測極片表面是否存在劃痕、干裂、條紋等條狀缺陷;⑤能夠定性測量出被檢測極片表面是否存在氣泡、暗斑、亮斑等點狀缺陷。
2 基于數(shù)字圖像處理的極片缺陷提取
2.1 鋰離子極片缺陷檢測流程
目前,無論是國外的還是國內的缺陷檢測方法,都可總結為圖像獲取、圖像預處理、特征識別及提取、缺陷檢測分類等步驟[2]。
根據(jù)極片表面的缺陷分析,將極片缺陷根據(jù)形狀及檢測特性將需檢測的缺陷分為條紋、露銅、斑點、氣泡和極耳帶料幾種,根據(jù)該分類缺陷進行分別檢測。具體檢測流程如圖2所示,包括圖像的采集、圖像預處理、粗檢及對相應種類缺陷的檢測分類,根據(jù)檢測情況最終輸出檢測結果,完成對極片的檢測。
2.2 極片表面檢測圖像預處理
由于CCD自身的特性,以及現(xiàn)場環(huán)境的影響,使圖像中存在著干擾和噪聲,而且極片表面缺陷檢測系統(tǒng)的研究對象是非標準的各種表面缺陷,這些缺陷的大小、形狀、出現(xiàn)位置、數(shù)目等都具有不確定性,缺陷圖像的信噪比較低[3]。因此,對缺陷圖像進行有效預處理,削弱噪聲干擾影響,是后續(xù)特征提取、缺陷分類的基礎,直接影響著整個系統(tǒng)的識別準確率和檢測分辨率。而對圖像進行預處理時,需要對圖像進行平滑,去除圖像中的噪聲,并通過算子提取出極片邊緣[4]。
中值濾波器是一種作用在空域上的非線性濾波器。其計算方法是,將某個像素點鄰域內的所有灰度值按順序排列得到其中的中間值,用這個中間值代替此像素的灰度值。在實際計算中,用中值濾波器對圖像進行處理時,依次對圖像中的點進行中值濾波處理,首先規(guī)定一個鄰域,將該點鄰域內的像素值按大小排列,選取其中值,并將該中值作為此像素的灰度值。對二維圖像的中值濾波需要設置一個mn×大小的濾波窗口,按照從上到下、從左到右的順序移動,其中為m濾波器的行像素數(shù),n為濾波器的列像素數(shù)。對濾波器窗口內所包含的像素灰度值按從小到大排列,選取排序中間的灰度值作為對應像素點的灰度值大小。因而,中值濾波可以去除噪聲,同時可以保持一些物體的邊緣[5]。
Sobel算子是一種常用的邊緣檢測算子,利用離散差分的方法對邊緣進行檢測。Sobel算子包含有任意階的微分及融合偏導,通過微分和偏導運算得到圖像中亮度信息梯度。Sobel算子的優(yōu)點在于其核的大小可以根據(jù)邊緣檢測的需要任意設置,并且核的構造方法簡便。如果需要取得逼近效果好的導數(shù),可以使用較大的核,核越小對噪聲越敏感。同時,Sobel算子還具有去除噪聲的功能,通過差分的方法可以得到精準度較高的邊緣方向信息。Sobel算子的定義式:
針對極片需檢測的缺陷種類,選擇了中值濾波方式對圖像模糊處理,抑制圖像噪聲,同時保留邊緣信息,同時利用Sobel算子進行邊緣檢測,該配合算法簡單,也可以取得比較好的效果;
2.3 極片表面缺陷分類檢測
為滿足實時檢測的要求,一方面要求該算法簡單快速,另一方面還要避免誤判和漏檢。因此,算法的選擇要權衡這兩方面的要求,為減少檢測時間,經過預處理的圖像首先需進行粗檢。
在檢測前先將需檢測極片通過圖像預處理提取出極片整體邊緣,通過已提取的邊緣形成極片整體形狀與之前在系統(tǒng)中設定的模版相匹配,若整體極片形狀與模版不符則直接判定為不良,并顯示檢測結果。粗檢判斷為不良的圖像不需要再進行更詳細的缺陷判斷,從而減少計算時間,提高計算效率。
通過粗檢并無不良的極片則繼續(xù)進行下一步更詳細的缺陷檢測。由于缺陷種類多,表現(xiàn)形式不一。因此,根據(jù)缺陷分類將缺陷根據(jù)表現(xiàn)形式分為露銅、極耳帶料、氣泡、白/黑點和白色/黑色條紋幾類,并分別設定參數(shù)。每類缺陷的參數(shù)均由三部分組成,即尺寸、檢測灰度及形狀。具體分類設置如表1所示。
這里的檢測灰度分類閾值與對比度兩類。閾值是指一個固定的值,在提取圖像特征時,大于該閾值的或者小于該閾值的像素被提取出來。若白點閾值是200,則灰度值大于200的像素將被提取出來,若黑點閾值為100,則灰度值小于100的像素點都將被提取出來,灰度閾值與背景變化并無關聯(lián)。而對比度雖然也是一個定值,但其和背景有很大的關系,如果一個圖像特征與周圍的相鄰像素相比,很暗或者很亮,則其對比度較大。檢測參數(shù)中的最小寬度、最小面積、最大直徑、最小直徑及長度最小值等尺寸類參數(shù),都是對篩選出的目標值進行進一步的篩選,其關系均是“與”。
為保證漏箔及涂抹不全更好地被檢出,降低該類缺陷漏檢率,特在參數(shù)中增加了漏箔檢測因子和涂膜不全檢測因子,根據(jù)目標區(qū)域的偏差值進行篩選,因子的計算公式為:
3 結論
本文對極片表面缺陷進行了分析,并根據(jù)圖像檢測原理對缺陷進行了詳細的分類。針對極片圖像,采用中值濾波和Sobel算子進行邊緣提取,對圖像進行預處理。預處理后的圖片以粗檢的方式進行第一道檢測,快速判別被測極片是否存在較大缺陷,用于提高檢測效率。同時,通過分類缺陷的詳細參數(shù)設置細化每一類缺陷的檢測,以滿足極片檢測的準確性和檢測效率等要求。
參考文獻:
[1]劉學山.基于機器視覺的鋰離子電池極片檢測系統(tǒng)的研究與設計[D].廣州:華南理工大學,2010.
[2]彭向前.產品表面缺陷在線檢測方法研究及系統(tǒng)實現(xiàn)[D].武漢:華中科技大學,2008.
[3]孫正軍.基于圖像邊緣提取的電池極片瑕疵檢測研究[D].湖南:中南大學,2009.
[4]馬金發(fā),唐健,崔向.圖像處理快速算法研究及實現(xiàn)[J].沈陽工業(yè)學院學報,2002(2):50-54.
[5]劉國宏,郭文明.改進的中值濾波去噪算法應用分析[J].計算機工程與應用,2010(10):187-189.