基于机器视觉的锂电池极片缺陷检测研究

发布时间：2017-07-08 16:24

  本文关键词：基于机器视觉的锂电池极片缺陷检测研究

  更多相关文章： 机器视觉 缺陷检测 锂电池极片 支持Tucker机

【摘要】：锂电池是目前世界上应用最为广泛的动力电源,其中锂电池极片是构成锂电池的重要组成部分。锂电池极片的缺陷会严重影响锂电池的质量,甚至产生安全隐患。把机器视觉技术应用在锂电池极片的缺陷检测中,取代传统的依靠人工进行检测的方法,可以高效率、低成本地完成锂电池极片的缺陷检测,从而提高成品合格率,达到提高锂电池质量和安全性的效果。因此开展基于机器视觉的锂电池极片缺陷检测研究具有重要的理论意义和应用价值。本文针对基于机器视觉的锂电池极片缺陷检测开展工作。锂电池极片缺陷主要包括极耳缺陷、边缘缺陷和极网缺陷,其中极网缺陷主要包括划痕异物缺陷和气泡缺陷。针对缺陷检测设计了总体方案,并详细讨论了各种重要缺陷的具体检测方法。主要包括以下内容:首先,研究了采用图像处理检测极片缺陷的方法,分别针对极片的极耳缺陷、边缘缺陷和极网缺陷设计了不同的检测处理方法。对极耳的缺陷通过图像预处理,并依次使用中值滤波器和Sobel算子等图像处理方法进行检测,可以有效检测出极耳破损、褶皱和缺失等缺陷。对边缘缺陷和极网缺陷,在图像预处理后,运用中值滤波和高斯滤波处理,并将得到的图像做差,从而提取出图像中的缺陷信息。实验结果表明该方法可以有效实现对边缘缺陷和极网缺陷的检测。其次,研究了对极网气泡进行三维重建,获取深度信息进行极网气泡检测的方法。利用激光三角测量法,通过获取激光照射在物体表面得到的轮廓信息,对被测物体进行三维重建,从而得到高度信息,最后结合边缘提取方法将气泡的深度信息提取出来。分别对规则立方体样块和极网气泡进行三维重建,得到了样块和气泡的三维对象模型,对其三维重建的结果和测量误差进行了实验分析。结果表明,该方法可以有效获得极网气泡的深度信息,并且能够满足检测的精度要求。最后,对极网气泡缺陷分类方法进行了研究。极网中有气泡缺陷图像和无缺陷图像构成训练样本集和测试样本集,利用支持Tucker机对训练样本进行学习,并对测试样本进行测试,得到支持Tucker机的分类结果。同时,将实验得到的分类结果与支持向量机等分类方法的结果进行了对比,结果表明本文采用的支持Tucker机方法具有更高的分类准确度和更优的ROC曲线性能。
【关键词】：机器视觉 缺陷检测 锂电池极片 支持Tucker机
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM912;TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-20
• 1.1 课题背景及研究意义9-10
• 1.2 缺陷检测的国内外研究现状10-13
• 1.3 基于机器视觉的缺陷检测方法13-18
• 1.3.1 缺陷检测的图像处理13-14
• 1.3.2 三维重建方法介绍14-17
• 1.3.3 缺陷分类方法介绍17-18
• 1.4 本课题主要研究内容18-20
• 第2章 基于机器视觉的极片缺陷检测的总体设计20-29
• 2.1 锂电池极片缺陷检测的需求分析20-23
• 2.1.1 锂电池极片缺陷介绍20-22
• 2.1.2 锂电池极片缺陷检测要求22-23
• 2.2 极片缺陷检测系统的设计方案23-28
• 2.2.1 缺陷检测系统的总体设计23-25
• 2.2.2 软件系统的总体设计25-28
• 2.3 本章小结28-29
• 第3章 基于数字图像处理的极片缺陷检测29-37
• 3.1 极耳缺陷的检测29-33
• 3.1.1 极耳缺陷的检测方法与实现29-32
• 3.1.2 极耳缺陷的检测结果32-33
• 3.2 边缘和极网缺陷的检测33-36
• 3.2.1 边缘和极网缺陷的检测方法与实现33-35
• 3.2.2 边缘和极网缺陷的检测结果35-36
• 3.3 本章小结36-37
• 第4章 基于激光三角测量的极网气泡三维重建37-52
• 4.1 引言37
• 4.2 激光三角测量的原理37-41
• 4.3 激光三角测量的步骤41-45
• 4.3.1 设备的安装41-42
• 4.3.2 装置的标定42-45
• 4.3.3 三维重建及测量45
• 4.3.4 深度信息的提取45
• 4.4 三维重建的结果及分析45-50
• 4.4.1 对立方体的三维重建结果及分析45-48
• 4.4.2 对极网气泡的三维重建结果及分析48-50
• 4.5 本章小结50-52
• 第5章 基于支持Tucker机的极网气泡缺陷分类52-68
• 5.1 引言52
• 5.2 支持Tucker机的原理52-55
• 5.3 基于支持Tucker机的极网气泡缺陷分类步骤55-56
• 5.4 极网气泡缺陷分类的实验结果及分析56-67
• 5.4.1 ROC曲线56-59
• 5.4.2 支持向量机与主成分分析59-60
• 5.4.3 实验结果与分析60-67
• 5.5 本章小结67-68
• 结论68-69
• 参考文献69-76
• 攻读硕士学位期间发表的论文及其它成果76-78
• 致谢78

【参考文献】

中国期刊全文数据库 前5条

1 李德仁，，王新华，黄培之;基于光度立体的物体三维表面重建[J];测绘学报;1995年03期

2 曹金亮;张春光;陈修强;李虹;;锂聚合物电池的发展、应用及前景[J];电源技术;2014年01期

3 姚国正,汪云九;D.Marr及其视觉计算理论[J];国外自动化;1984年06期

4 张舞杰;李迪;叶峰;;硅太阳能电池视觉检测方法研究[J];计算机应用;2010年01期

5 冯少荣;;决策树算法的研究与改进[J];厦门大学学报(自然科学版);2007年04期

中国硕士学位论文全文数据库 前1条

1 胡永芳;基于纹理特征的钢板表面缺陷检测技术研究[D];昆明理工大学;2012年

本文编号：535366