基于机器视觉的锂电池极片缺陷检测与分类系统
发布时间：2020-12-28 12:47
随着新能源行业的发展,市场对锂电池的需求量及质量要求越来越高。极片作为锂电池的重要组成,其缺陷会严重影响锂电池性能及使用寿命,甚至导致安全事件。为了避免这些问题,需要对极片进行缺陷检测,并判断缺陷类型及时调整极片生产工艺,防止缺陷再次发生。然而传统目测方式已经无法适应工业的发展需求,因此研究基于机器视觉的极片缺陷检测与分类系统对提高检测效率、降低生产成本具有重要意义。本文以锂电池极片为研究对象,根据极片制造工艺,分析缺陷产生的原因及缺陷特点,结合机器视觉技术设计极片缺陷检测与分类系统。根据系统设计进行设备选型,完成图像采集。为降低噪声及机械振动对极片图像质量的影响,采用双边滤波和灰度变换对图像进行预处理。使用Sobel边缘检测和自适应阈值算法分离出极片缺陷,并对缺陷目标进行形态学处理,然后标记缺陷完成检测。分析缺陷特征时,使用一种改进的K-Means算法完成SURF特征聚类,并量化表示为BoF-SURF特征。将该特征与灰度特征加权融合,改善光照影响及单个特征对缺陷描述不全面而导致准确率低的问题。最后,将融合特征作为SVM的输入进行缺陷分类,并使用改进粒子群算法优化核参数。通过实验分析,...
【文章来源】：西安科技大学陕西省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
019年3-12月中国锂电池产量及增长情况
幢患觳獬隼矗??谟没?褂霉?谭⑸?踩?录???极大地影响企业形象，降低用户对企业的信任度。在工业发展越来越快的情况下，必须要使用一种高效率、高精度的方法实现检测。随着科技的进步和计算机技术的发展，基于机器视觉和图像处理技术的检测方法应运而生，就是用机器代替人眼来做测量和判断[3]。本质上，机器视觉技术是图像分析在工厂自动化中的应用，使用光源、工业相机、夹持装置组成图像采集系统，利用图像处理技术进行分析并加以理解，做出相应的决策，最终通过指挥某种特定的装置执行这些决策。机器视觉系统构成如图1.2所示。图1.2机器视觉系统构成利用机器视觉进行极片缺陷检测具有不接触、无损伤的特点，相较于传统检测方式其优点在于：（1）在视觉检测设备调试和操作得当的情况下，可以很长一段时间内不间断使用且适用于恶劣的工作环境，大大提高效率和生产线的自动化程度；（2）排除了检测人员的主观意愿、视觉疲劳等因素对检测结果的影响，确保检测精度；（3）对检测到的缺陷做出相应标记，并发出剔除废品信号，以便在装配之前挑出废品，为企业减少材料浪费、降低经济损失；（4）通过对缺陷信息的输出、存储及统计，帮助企业及时掌握设备生产情况。这种方法在很大程度上避免了人工检测方式的不足与弊端，是制造业实现自动化和智能化的有效方法[4]。因此基于机器视觉技术的应用是十分重要的，对促进工业向更智能、更快速的方向发展具有重要的现实意义。
2锂电池极片缺陷检测与分类系统设计7辊同时转动，收卷机构拉动极片平稳穿过辊压间隙，最终被压到所需密度。图2.2对辊辊压机示意图极片辊压之所以是必要的，是因为在涂覆干燥工艺后，涂层材料与集流体之间结合强度低，为了防止在使用过程中剥落，通过辊压来增加粘接强度。同时，辊压操作可以压缩电芯体积，提高电芯能量密度，降低极片内部活物质、导电剂、粘接剂之间的孔隙率，降低电池电阻提高电池性能。通过辊压保证极片表面光滑且平整，防止涂层表面的毛刺刺穿隔膜引发短路。极片裁切是指根据电池设计结构和规格对极片进行裁切。裁切边缘不平整会引起极片充放电不均匀。目前极片裁切工艺有圆盘分切、模具冲切和激光切割，前两种工艺存在刀具磨损的问题，极片裁剪质量差引起电池性能下降，而激光切割工艺稳定。2.2锂电池极片缺陷分析由锂电池极片的工艺流程可以看出，其制造工艺比较复杂，每一个环节尤其是浆料涂覆和辊压过程均有可能导致极片缺陷，而且缺陷种类众多。例如，浆料搅拌不均匀会导致团聚体颗粒凸起；涂覆时浆料受表面张力驱使发生迁移，烘干后形成厚边缺陷；辊压时延展率较大造成极片出现波浪边；裁切工艺参数不合适时切边周围出现大量切屑异物。本文针对常见的极片划痕、掉料和暗斑三种缺陷进行研究，如图2.3所示。并分析三种缺陷产生的原因及特点，如表2.2所示。（a）划痕缺陷（b）掉料缺陷（c）暗斑缺陷图2.3极片缺陷若极片产生划痕缺陷，则需要及时检查并清除唇口或涂布间隙的颗粒，划痕露箔可能会导致电池充放电的过程中造成锂离子的析出。为防止异物落到涂层表面，浆料搅拌后需要密封保存，禁止暴露在外部环境中，涂覆机周围的环境也要达标。掉料缺陷区域没有涂层，减少了活性物质的量，并使集流体暴露在电解液中，导致
【参考文献】：
期刊论文
[1]典型图像边缘检测算子的比较与分析[J]. 曾建华,黄时杰. 河北师范大学学报(自然科学版). 2020(04)
[2]基于移动机器视觉和多维图像特征的道路交通流检测方法研究[J]. 陈少辉,陈锐衡. 计量与测试技术. 2019(09)
[3]基于机器视觉的缺陷检测应用综述[J]. 韩茜茜,耿世勇,李恒毅. 电工技术. 2019(14)
[4]基于K-means的手肘法自动获取K值方法研究[J]. 吴广建,章剑林,袁丁. 软件. 2019(05)
[5]基于机器视觉的零件尺寸测量方法研究[J]. 强云玥,钱炜,王欣. 农业装备与车辆工程. 2019(05)
[6]基于机器视觉的小麦外部品质检测方法研究[J]. 张舒媛,赵娜. 电脑知识与技术. 2019(05)
[7]基于机器视觉的公路交通标志自动化巡检系统[J]. 申雷霄,刘军. 交通运输研究. 2018(05)
[8]一种铝塑泡罩药品包装缺陷检测方法[J]. 方文星,王野. 包装工程. 2019(01)
[9]电动汽车推动锂电池市场继续扩大[J]. 贾磊. 无机盐工业. 2018(12)
[10]制片工艺对动力锂离子电池性能的影响[J]. 刘斌斌,杜晓钟,闫时建,王荣军,王金鹏. 电源技术. 2018(06)
硕士论文
[1]基于智能学习的电池片表面缺陷视觉检测算法研究[D]. 张志国.华南理工大学 2019
[2]基于机器视觉的锂离子电池极片瑕疵检测系统设计与研究[D]. 周湘辰.内蒙古大学 2018
[3]锂电池表面缺陷检测研究[D]. 邓红红.哈尔滨工业大学 2018
[4]基于机器视觉的医药包片识别系统研究[D]. 李康军.湖南大学 2016
[5]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
[6]基于DSP的锂电池电极表面缺陷检测系统[D]. 郑岩.燕山大学 2014
[7]基于线阵CCD的机器视觉测量系统的研究[D]. 邓罗虹.苏州大学 2014
本文编号：2943779
【文章来源】：西安科技大学陕西省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
019年3-12月中国锂电池产量及增长情况
幢患觳獬隼矗??谟没?褂霉?谭⑸?踩?录???极大地影响企业形象，降低用户对企业的信任度。在工业发展越来越快的情况下，必须要使用一种高效率、高精度的方法实现检测。随着科技的进步和计算机技术的发展，基于机器视觉和图像处理技术的检测方法应运而生，就是用机器代替人眼来做测量和判断[3]。本质上，机器视觉技术是图像分析在工厂自动化中的应用，使用光源、工业相机、夹持装置组成图像采集系统，利用图像处理技术进行分析并加以理解，做出相应的决策，最终通过指挥某种特定的装置执行这些决策。机器视觉系统构成如图1.2所示。图1.2机器视觉系统构成利用机器视觉进行极片缺陷检测具有不接触、无损伤的特点，相较于传统检测方式其优点在于：（1）在视觉检测设备调试和操作得当的情况下，可以很长一段时间内不间断使用且适用于恶劣的工作环境，大大提高效率和生产线的自动化程度；（2）排除了检测人员的主观意愿、视觉疲劳等因素对检测结果的影响，确保检测精度；（3）对检测到的缺陷做出相应标记，并发出剔除废品信号，以便在装配之前挑出废品，为企业减少材料浪费、降低经济损失；（4）通过对缺陷信息的输出、存储及统计，帮助企业及时掌握设备生产情况。这种方法在很大程度上避免了人工检测方式的不足与弊端，是制造业实现自动化和智能化的有效方法[4]。因此基于机器视觉技术的应用是十分重要的，对促进工业向更智能、更快速的方向发展具有重要的现实意义。
2锂电池极片缺陷检测与分类系统设计7辊同时转动，收卷机构拉动极片平稳穿过辊压间隙，最终被压到所需密度。图2.2对辊辊压机示意图极片辊压之所以是必要的，是因为在涂覆干燥工艺后，涂层材料与集流体之间结合强度低，为了防止在使用过程中剥落，通过辊压来增加粘接强度。同时，辊压操作可以压缩电芯体积，提高电芯能量密度，降低极片内部活物质、导电剂、粘接剂之间的孔隙率，降低电池电阻提高电池性能。通过辊压保证极片表面光滑且平整，防止涂层表面的毛刺刺穿隔膜引发短路。极片裁切是指根据电池设计结构和规格对极片进行裁切。裁切边缘不平整会引起极片充放电不均匀。目前极片裁切工艺有圆盘分切、模具冲切和激光切割，前两种工艺存在刀具磨损的问题，极片裁剪质量差引起电池性能下降，而激光切割工艺稳定。2.2锂电池极片缺陷分析由锂电池极片的工艺流程可以看出，其制造工艺比较复杂，每一个环节尤其是浆料涂覆和辊压过程均有可能导致极片缺陷，而且缺陷种类众多。例如，浆料搅拌不均匀会导致团聚体颗粒凸起；涂覆时浆料受表面张力驱使发生迁移，烘干后形成厚边缺陷；辊压时延展率较大造成极片出现波浪边；裁切工艺参数不合适时切边周围出现大量切屑异物。本文针对常见的极片划痕、掉料和暗斑三种缺陷进行研究，如图2.3所示。并分析三种缺陷产生的原因及特点，如表2.2所示。（a）划痕缺陷（b）掉料缺陷（c）暗斑缺陷图2.3极片缺陷若极片产生划痕缺陷，则需要及时检查并清除唇口或涂布间隙的颗粒，划痕露箔可能会导致电池充放电的过程中造成锂离子的析出。为防止异物落到涂层表面，浆料搅拌后需要密封保存，禁止暴露在外部环境中，涂覆机周围的环境也要达标。掉料缺陷区域没有涂层，减少了活性物质的量，并使集流体暴露在电解液中，导致
【参考文献】：
期刊论文
[1]典型图像边缘检测算子的比较与分析[J]. 曾建华,黄时杰. 河北师范大学学报(自然科学版). 2020(04)
[2]基于移动机器视觉和多维图像特征的道路交通流检测方法研究[J]. 陈少辉,陈锐衡. 计量与测试技术. 2019(09)
[3]基于机器视觉的缺陷检测应用综述[J]. 韩茜茜,耿世勇,李恒毅. 电工技术. 2019(14)
[4]基于K-means的手肘法自动获取K值方法研究[J]. 吴广建,章剑林,袁丁. 软件. 2019(05)
[5]基于机器视觉的零件尺寸测量方法研究[J]. 强云玥,钱炜,王欣. 农业装备与车辆工程. 2019(05)
[6]基于机器视觉的小麦外部品质检测方法研究[J]. 张舒媛,赵娜. 电脑知识与技术. 2019(05)
[7]基于机器视觉的公路交通标志自动化巡检系统[J]. 申雷霄,刘军. 交通运输研究. 2018(05)
[8]一种铝塑泡罩药品包装缺陷检测方法[J]. 方文星,王野. 包装工程. 2019(01)
[9]电动汽车推动锂电池市场继续扩大[J]. 贾磊. 无机盐工业. 2018(12)
[10]制片工艺对动力锂离子电池性能的影响[J]. 刘斌斌,杜晓钟,闫时建,王荣军,王金鹏. 电源技术. 2018(06)
硕士论文
[1]基于智能学习的电池片表面缺陷视觉检测算法研究[D]. 张志国.华南理工大学 2019
[2]基于机器视觉的锂离子电池极片瑕疵检测系统设计与研究[D]. 周湘辰.内蒙古大学 2018
[3]锂电池表面缺陷检测研究[D]. 邓红红.哈尔滨工业大学 2018
[4]基于机器视觉的医药包片识别系统研究[D]. 李康军.湖南大学 2016
[5]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
[6]基于DSP的锂电池电极表面缺陷检测系统[D]. 郑岩.燕山大学 2014
[7]基于线阵CCD的机器视觉测量系统的研究[D]. 邓罗虹.苏州大学 2014
本文编号：2943779
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/2943779.html
