第12卷第2期2023年2月Vol.12No.2Feb.2023储能科学与技术EnergyStorageScienceandTechnology基于LO-RANSAC的锂电池极片表面痕类缺陷检测姜宝超1,2，曾勇1,2，韩有军1,2，胡跃明1,2（1华南理工大学自动化科学与工程学院；2精密电子制造装备教育部工程研究中心/广东省高端芯片智能封测装备工程实验室，广东广州510641）摘要：针对锂电池极片表面的痕类缺陷检测准确率低、误检率和漏检率高的问题，提出了一种基于局部最优化的随机抽样一致性(locallyoptimizedrandomsampleconsensus，LO-RANSAC)的痕类缺陷检测算法。首先，针对锂电池极片表面存在的椒盐噪声、大噪点多的问题，提出了一种改进的自适应中值滤波和基于连通域的滤波算法。其次，针对检测痕类缺陷准确率达不到预期以及误检率漏检率较高的问题，引入一种局部最优化的RANSAC算法。最后，给出了一种基于LO-RANSAC的痕类缺陷分类方法。实验结果表明：本文所提算法相较于标准RANSAC检测准确率提高了5.9%，相较于基于卷积神经网络算法准确率提高了15%，达到了98.2%；多种算法中本工作算法对于痕类缺陷的检测误检率和漏检率最低；平均检测速度较标准RANSAC算法提高了1.7倍，每秒钟检测的图片数量FPS(framepersecond)达到12.49。本工作算法具有较高的检测准确率、较低的误检率及漏检率，检测速度达到实时检测要求，因此可满足锂电池极片表面的痕类缺陷检测需求，解决了锂电池极片表面痕类缺陷自动检测难题。关键词：痕类缺陷；自适应中值滤波；RANSAC；缺陷检测doi：10.19799/j.cnki.2095-4239.2022.0678中图分类号：TP391.41文献标志码：A文章编号：2095-4239（2023）02-593-09ScratchdefectdetectionoflithiumbatteryelectrodebasedonLO-RANSACalgorithmJIANGBaochao1,2,ZENGYong1,2,HANYoujun1,2,HUYueming1,2(1CollegeofAutomationScienceandEngineering,SouthChinaUniversityofTechnology;2EngineringResearchCenterforPrecisionElectronicManufacturingEquipment,MinistryofEducation&GuangdongProvincialEngineeringLaboratoryforAdvancedChipIntelligentPackagingEquipment,SouthChinaUniversityofTechnology,Guangzhou510641,Guangdong,China)Abstract:AnalgorithmbasedonlocallyoptimizedRANSAC(locallyoptimizedrandomsampleconsensus,LO-RANSAC)isrecommendedfortheproblemsoflowtracedefectdetectionaccuracy,highfalsedetectionrate,andhighmisseddetectionrateofscratchdefectdetecti...
