柱形锂电池外壳圆周面缺陷的视觉检测方法研究

发布时间：2021-06-13 17:49

　　柱形锂电池作为一种新能源电池,一直以来作为重要供能元件应用在各种领域,随着科技领域发展的日新月异,电池的需求量日益增加,电池的质量也备受人们关注。由于生产工艺等原因,在电池外壳表面存在凹坑、凸起和划痕等缺陷,这些缺陷不仅会影响电池成品质量,造成电池生产商的损失,而且由于锂电池的电化学放电性质,缺陷严重时甚至会引起火灾等安全隐患,造成人身财产安全,所以,电池外壳缺陷检测研究是非常必要的。传统的缺陷检测方法在速度上已经无法满足工业自动化的生产需求,而且检测精度也无法达到现代化标准。本文介绍了完整的电池外壳圆周面缺陷视觉检测系统,包括硬件和软件两个部分;在经典阈值分割方法的基础上改进了一种快速分割电池外壳圆周面图像的方法;针对因电池外壳边缘光照不均以及边缘背景与内表面的灰度差异造成的漏检和误检问题,本文创新性的提出了一维分区中值-高斯滤波图像预处理算法,在消除图像噪声的同时可以很好的保留缺陷信息,尤其是边缘位置的缺陷信息;依据缺陷照明成像模型灵活应用滑动平均滤波算法对预处理后的图像灰度拟合以突出缺陷;根据残差曲线特点设置动态阈值分割缺陷并做二值化处理;通过形态学闭合处理及连通域分析在原图标记... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

柱形锂电池

合肥工业大学硕士研究生学位论文2池产品的质量和性能，更为严重的后果是由于电池是基于电化学特性放电，这些缺陷导致漏液可能会引起更为可怕的火灾甚至爆炸，造成人民的生命危险和财产损失，这不仅会降低电池的生产良品率，还会大大降低柱形锂电池生产商的声誉，使公司效益受到损失。所以，电池生产过程中的外壳缺陷检测就变成了尤为重要的工作。(a)(b)(c)图1.1柱形锂电池的实际生产过程Fig1.1Theactualproductionprocessofcylindricallithiumbattery.(a)Cylindricallithiumbatteryproductionworkshop;(b)Batteryshellproductionline;(c)Finishedbatteryshell.柱形锂电池生产效率的提高对生产线上缺陷检测的速度和精度具有很高的要求。传统的企业检测方法主要以人工视觉检测[4]为主，即检测人员在电池生产线上拿每个电池用肉眼观察是否有缺陷，这种检测方法存在巨大的弊端，检测结果受检测人员主观因素影响，一些非常细小的划痕，凹凸缺陷肉眼可能无法观察到，并且检测速度比较慢，时间长检测人员易疲劳，容易出现误检和漏检的情况，非常不适用于生产线，另外，企业还要支付庞大的人力成本。后面又发展出一些其它的电池表面缺陷检测方法，例如频率飞行，红外，磁通量泄漏和超声波等方法

绱?衅?时，就会触发气泵工作剔除该编号电池外壳并统计剔除个数，否则，气泵不发生动作。另外，PLC控制系统会实时接收各个硬件模块的信号如速度信息等，并将这些信息通过控制服务器传送到图像采集处理系统的处理工控机，完成软件处理和硬件控制的信息共享，以达到系统的整体要求。线阵相机光源传感器1M相机触发信号传感器2局域以太网数据服务器控制服务器电机速度控制与反馈电池外壳个数统计良品/次品触发信号PLC上位机图像采集处理上位机缺陷信息速度信息速度信息缺陷信息图2.2圆柱形锂电池壳圆周面缺陷检测系统的硬件架构图Fig2.2Hardwarearchitecturediagramofthedefectdetectionsystemforthecircumferentialsurfaceofthecylindricallithiumbatteryshell由图2.2可以非常清晰的看到柱形锂电池外壳圆周面缺陷检测系统是通过以太网建立的局域网完成模块之间的通讯工作，PLC运动控制模块与图像采集处理模块通过以太网进行实时信息共享，相互协调以实现整个系统的控制功能，而且数据命令等信息还会被上传至服务器，其它时候需要相关信息数据时都可以通过以太网完成数据存娶命令修改以及收发等操作。这种基于局域网（以太网）建立的分布式系统结构有诸多优势，它可以将整个检测系统根据功能实现划分为若

【参考文献】：
期刊论文
[1]基于HV&VHS的圆柱形电池曲表面缺陷视觉检测[J]. 谭文,文青,段峰,黎波.  控制工程. 2019(01)
[2]基于机器视觉的弹壳表面缺陷检测系统设计[J]. 苟文韬,谢蔚卿.  兵器装备工程学报. 2016(02)
[3]金属圆柱工件缺陷的光电检测[J]. 张静,叶玉堂,谢煜,刘霖,常永鑫.  光学精密工程. 2014(07)
[4]纽扣电池表面缺陷检测算法的研究[J]. 肖阔华,刘羽.  表面技术. 2013(01)
[5]双峰法与otsu法结合在太阳能电池缺陷检测中的应用[J]. 张翰进,傅志中,念蓓,张忠亮,张冉.  计算机系统应用. 2012(01)
[6]硅太阳能电池纹理缺陷检测[J]. 张舞杰,李迪,叶峰.  计算机应用. 2010(10)
[7]红外车辆目标的自动模糊分割[J]. 魏晗,张长江,胡敏.  光电工程. 2008(08)
[8]图像边缘检测方法研究[J]. 魏伟波,芮筱亭.  计算机工程与应用. 2006(30)
[9]图像去噪混合滤波方法[J]. 关新平,赵立兴,唐英干.  中国图象图形学报. 2005(03)
[10]基于模糊和遗传算法的阈值分割方法[J]. 郭英凯,杨杰,陆正刚.  红外与激光工程. 2000(05)

硕士论文
[1]基于机器视觉的锂电池极片缺陷检测研究[D]. 胡玥红.哈尔滨工业大学 2015
[2]基于机器视觉的电池尾端缺陷检测算法的研究[D]. 阎旭.电子科技大学 2013
[3]基于散集图的图像前景区域提取算法研究[D]. 刁茜.复旦大学 2012
[4]基于机器视觉的锂离子电池极片检测系统的研究与设计[D]. 刘学山.华南理工大学 2010
[5]基于机器视觉的啤酒包装生产线检测技术与应用研究[D]. 肖飞蛟.华南理工大学 2010



本文编号：3228018