动力锂电池正负极缺陷在线检测系统关键技术研究

发布时间：2020-07-29 23:53

【摘要】：在锂电池的生产过程中,电池正负极会出现各类缺陷,造成极大的安全隐患。实际生产中常用人工检测的方式来检测锂电池正负极缺陷,易出现漏检情况且效率不高。本文以18650型动力锂电池为研究对象,提出了锂电池正负极图像的预处理算法,并针对正负极图像的不同特点提出了不同的分类算法,搭建了动力锂电池正负极在线检测系统。主要工作及研究成果如下:(1)分析了锂电池正负极的缺陷种类,根据检测要求,规划设计了检测算法整体框架。结合实际需求选择了合适的光源类型、照明方式,确定了工业相机所需的硬件指标。搭建了由工业相机、工业光源等组成的视觉系统,采集了后续处理所需的锂电池图像。(2)为提高锂电池正负极图像的质量,提高识别效果,提出了适用于锂电池正负极图像的图像预处理算法,主要包括高斯去噪算法、基于改进频域函数的同态滤波算法、Sobel边缘检测算法和自适应阈值的二值化算法。实验表明:图像经过处理后,噪声减少,亮度和对比度得到改善,边缘信息和缺陷特征得到显著增强。(3)分析了图像的各类特征量,选取了其中四类数据为特征量。对电池正负极采取不同的分选策略,使用支持向量机对图像进行分类,通过交叉验证法选择分类器参数,并将本文分类方法与BP神经网络、人工免疫算法进行对比。实验表明:基于支持向量机的分类算法对锂电池正负极的检测效果较好,准确率较高且很少出现缺陷漏检。(4)设计并搭建了动力锂电池正负极缺陷在线检测系统硬件和软件平台。在缺陷在线检测系统实验平台上验证了上述图像预处理算法、分类策略和图像分类算法。实验表明:本文提出的检测算法能够适应不同的工作环境,对比本文算法与传统算法、人工检测方法的准确率、安全性和检测速度,除对电池正极的检测效率略低于传统检测算法外,其余指标均有一定程度的提高。
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TM912
【图文】：

锂电池,极图,视觉系统

2 锂电池正负极图像缺陷检测视觉系统框架设计负极图像缺陷检测视觉系统框rk Design of Visual System forative Defects Detection of Pow分析(TheAnalysis of Defect Characte统框架设计前，需要对锂电池的图像特点和情况设计合适的检测算法和图像采集方案。0 型锂电池的正负极图像如图 2-1 所示，锂电的结构，负极为全金属的密闭结构。

缺陷图像,锂电池,缺陷图像

分析(TheAnalysis of Defect Characte统框架设计前，需要对锂电池的图像特点和情况设计合适的检测算法和图像采集方案。0 型锂电池的正负极图像如图 2-1 所示，锂电的结构，负极为全金属的密闭结构。正极负极图 2-1 合格锂电池正负极图像e 2-1 Positive and negative images of qualified lithium产过程中在工艺、生产线及原材料方面的问：划痕、壳体变形、塑料膜破裂和污染，如

吸光,情况,传送带

池在拍摄过程中将竖直放置在传送带上，传送带表面是图像工业中工件检测的图像采集背景而言，有以下要求：a）表面放所检测对象；b）与所检测目标物体的对比度和区分度较高为清晰地辨识出物体的边缘轮廓特征；c）反光度低且表面无的噪声和干扰较少，不会影响工件的正常检测。送带材料为黑色人工皮革，在一定的光源且不放置锂电池条件图 2-4 中的(a)图所示，可以看出，传送带表面较为光滑，背景且有一定的划痕瑕疵，是较差的图像背景，会影响采集图像的采用黑色吸光布对传送带进行改造。布由黑丝绒制成，有较强的吸光效果，在强光下几乎无任何反摩擦力较大，锂电池能够更稳定地立于传送带上。实验中将吸定在原传送带上。实验比较是否使用吸光布的效果，在与图 2-4 中(a)图相同的吸光布后拍摄效果如图 2-4 中的(b)图所示，可以看出，使用吸任何反光，干扰极低，是极佳的图像背景。

【参考文献】