基于机器视觉的铜箔表面缺陷检测方法研究_刘飞飞.pdf

基金项目：江西省重点创新研发平台计划资助项目（编号：20181BCD40009）收稿日期：20221123基于机器视觉的铜箔表面缺陷检测方法研究*刘飞飞1，窦祥飞1，薛亚鑫1，曾波华2，温哲鑫1（1.江西理工大学 电气工程与自动化学院，江西赣州341000；2.赣州有色冶金研究所有限公司，江西赣州341000）摘要：针对当前锂电池用电解铜箔（锂电铜箔）表面缺陷问题，提出了一种基于改进Canny边缘检测算法的铜箔表面缺陷检测方法。首先，使用中值滤波替代传统Canny算法中的高斯滤波，解决高斯滤波会模糊缺陷边缘的问题；其次，使用迭代法自动获取双阈值，增强阈值自适应性，解决固定阈值适应性差的问题。利用工业相机采集到铜箔图像并上传到上位机中，先对图像进行中值滤波和灰度值缩放变换处理，在去除噪声和增强缺陷信息的同时保留缺陷边缘，然后使用动态阈值分割图像获取感兴趣区域（缺陷ROI），最后用改进Canny边缘检测和形态学闭运算结合的方法提取缺陷边缘，完成缺陷检测。实验结果表明传统Canny算法检测成功率较低，而该方法能够精准提取缺陷边缘信息，检测成功率达到97.08，实现了对铜箔划痕、裂纹、污点类等表面缺陷的准确检测。关键词：锂电铜箔；表面缺陷；改进Canny边缘检测；闭运算处理中图分类号：TP274文献标志码：A文章编号：10099492(2023)03020604Research on Copper Foil Appearance Defect Detection Method Based onMachine VisionLiu Feifei1，Dou Xiangfei1，Xue Yaxin1，Zeng Bohua2，Wen Zhexin1（1.School of Electrical Engineering and Automation,Jiangxi University of Science and Technology,Ganzhou,Jiangxi 341000,China;2.Ganzhou Nonferrous Metallurgy Research Co.,Ltd.,Ganzhou,Jiangxi 341000,China）Abstract:Aiming at the current appearance defects of electrolytic copper foil(lithium copper foil)for lithium batteries,a copper foilappearance defect detection method was proposed based on an improved Canny edge detection algorithm.Firstly,the median filter was used toreplace the Gaussian filter in the traditional Canny algorithm to solve the problem that the Gaussian filter would blur the edge of the defect.Secondly,the iterative method was used to automatically obtain the dual threshold value,enhance the threshold value adaptability,and solvethe problem of poor adaptability of the fixed threshold value.The copper foil image was collected by an industrial camera and uploaded to thehost computer.The image was first subjected to median filtering and gray scale value scaling transformation processing to remove noise andenhance defect information while retaining the edge of the defect,and then dynamic threshold segmentation was used to obtain the image.Theregion of interest(defect ROI)was finally used to extract the edge of the defect by the combination of improved Canny edge detection andmorphological closed operation to complete the defect detection.Experimental results show that the traditional Canny algorithm has a lowdetection success rate,while the method designed can accurately extract defect edge information,with a detection success rate of 97.08%,andachieve accurate detection of copper foil scratches,cracks,stains and other appearance defects.Key words:lithium battery copper foil;appearance defect;improved Canny edge detection;closed operation processing2023年03月第52卷第03期Mar.2023Vol.52No.03机电工程技术MECHANICAL&ELECTRICAL ENGINEERING TECHNOLOGYDOI:10.3969/j.issn.1009-9492.2023.03.042刘飞飞，窦祥飞，薛亚鑫，等.基于机器视觉的铜箔表面缺陷检测方法研究J.机电工程技术，2023，52（03）：206-209.0引言工业的快速发展导致传统能源储量持续下降，传统能源带来环境污染问题持续加剧，因此需要不断开发可以取代传统能源的新型能源。锂电池是一种广泛应用的新型能源电池，而电解铜箔是锂离子电池（锂电池）制造中的重要材料，电解铜箔在锂电池制造中有充当负极活性物质的载体和负极电子流的收集与传输体的作用1。电解铜箔工艺及表面缺陷：铜料溶解制备成电解液，电解液净化后经过电解，铜离子在阴极还原成金属铜箔，再将铜箔处理后获得生箔，对生箔进行表面处理、分切与包装。由于不同产品对铜箔的宽度要求不同，因此需要将表面处理后的铜箔进行分切后才能包装发运。在分切过程中，产生的碎屑会对铜箔污染。收卷与放卷时的张力的大小会影响铜箔的质量，铜箔可能会产生变形、起皱、被划伤等表面质量问题。如果张力设置的过大，铜箔会产生变形、起皱；如果张力设置的很小，铜箔会滑移，导致被划伤。铜箔表面出现缺陷问题，会对电池的质量产生一定的影响比如电池的容量、寿命等，甚至可能引起电极报废等严重生产问题2。所以锂电铜箔的表面质量必须要206保证洁净、平整，不允许有严重色差、污点类和划痕、裂纹等缺陷，图1所示部分铜箔缺陷，为了保证锂电铜箔的表面质量，提高效益，减少损失，需要对表面缺陷进行检测。目前，对于铜箔表面缺陷的检测大多数依赖于人工识别，存在人工成本高、效率低、误选漏选等问题。综上，锂电铜箔表面处理以及表面缺陷检测吸引了学者的关注。近年来机器视觉技术发展迅速，基于机器视觉的缺陷检测研究大量增加3-6，机器视觉、图像处理技术应用在铜箔表面缺陷检测方面的研究也有所增加。彭永忠等7提出一种铜箔金相切片技术，利用光学显微镜进行缺陷观察，仍是人工检测，存在误查漏查的情况。张利等8提出一种基于视觉的检测方法，用固定阈值法分割铜箔图像，检测缺陷。但当缺陷阈值有明显差异，这种方法不适用。袁红中等9运用动态阈值分割镀铜表面图像，解决了缺陷阈值有差异而分割不到的情况，但是检测结果不够精准，并未完全检测出缺陷边缘。易可夫等10将模板匹配法与形态学结合进行覆铜板铜箔缺陷一次检测，并用修正蜂群算法优化支持向量机进行缺陷二次检测，漏检率低，但是对于不同形状的缺陷，模板匹配法并不适用。吴浩等11运用Otus阈值分割法和Blob分析直接检测铜条表面缺陷，虽然能够检测出表面缺陷，但是检测结果十分粗糙，边缘信息检测精度不够。本文提出一种铜箔表面缺陷检测方法，先对铜箔图像进行预处理，中值滤波和灰度值缩放变换在滤波和增强的同时尽可能保留缺陷边缘信息，用改进Canny边缘检测方法精准检测缺陷边缘，并结合形态学闭运算连接边缘断点，提高检测精度和准确率。1算法流程缺陷检测整体流程分为系统初始化、铜箔图像预处理、表面缺陷检测、结果显示4个部分。铜箔图像预处理包括铜箔图像中值滤波、灰度缩放增强以及ROI获取，表面缺陷检测为改进Canny边缘检测与形态学结合的缺陷检测方法。图2所示为算法流程。2缺陷检测2.1铜箔图像预处理在采集、传输铜箔图像的过程中，铜箔图像会受到噪声的干扰而影响到质量，进而会影响对铜箔图像的处理以及缺陷检测结果。为了降低噪声的影响，需要对铜箔图像进行滤波、增强等预处理12，提升铜箔表面缺陷检测的准确性。2.1.1铜箔图像滤波选用中值滤波、双边滤、均值滤波和高斯滤波分别进行铜箔图像滤波并对比，如图3所示。结果表明中值滤波和双边滤波在去噪的同时能够保留边缘信息，而均值滤波和高斯滤波在去噪的同时会模糊边缘。中值滤波相对于双边滤波所需时间更短13，所以最终选用中值滤波对铜箔图像进行滤波处理。2.1.2铜箔图像增强铜箔缺陷会存在不清晰的情况，如划痕、裂纹细小，污点类缺陷模糊等，在检测时非常困难，会降低缺陷检测的准确率。图 4所示为中值滤波后未增强的ROI，可以看出缺陷内边缘未检测完全，已检测出的边缘也不够平滑，所图1铜箔缺陷图2算法流程（a）原图（b）均值滤波（c）双边滤波（d）中值滤波（e）高斯滤波图3滤波对比图4滤波未增强刘飞飞，窦祥飞，薛亚鑫，等：基于机器视觉的铜箔表面缺陷检测方法研究207以需要对铜箔图像进行增强处理，提升缺陷边缘的可观测性。选取对比度增强变换、灰度缩放变换、指数变换和对数变换对铜箔图像增强并对比，图5所示为铜箔图像增强对比。对数增强使铜箔图像整体变亮了很多，缺陷边缘变得模糊；指数增强使图像整体较暗，缺陷边缘略清晰；但是对比度增强变换与灰度缩放变换后的缺陷边缘增强效果都更清晰。分别获取ROI边缘，用灰度缩放变换增强后的ROI更加完整，平滑而且几乎无干扰点。而对比度增强变换增强后的 ROI边缘也是未完全分割出来的，所以选择灰度缩放变换进行铜箔图像增强。图6所示为铜箔图像增强后的ROI边缘对比。2.2改进Canny边缘检测与形态学结合检测缺陷缺陷特征呈现较高的灰度值，亮度变化比较明显，可以用边缘检测的方法检测缺陷。用Canny边缘检测14提取的缺陷边缘相对清晰，但是会出现检测出的缺陷边缘不连续，不完整等情况，会严重影响检测结果。所以在分析了Canny边缘检测以及缺陷边缘特征后，提出了改进Canny边缘检测和闭运算结合方法提取缺陷边缘。（1）使用中值滤波法代替高斯滤波法进行铜箔图像滤波。传统的Canny法使用高斯滤波器进行图像滤波。G(x,y)=122e()-x2+y222（1）滤波器G(x,y)对图像f()x进行卷积，得到的滤波后的图像可以表示为：H(x,y)=G(x,y)*f()x（2）高斯滤波器虽然能够平滑铜箔图像，但是会模糊铜箔缺陷的边缘信息，不利于缺陷的检测。而在铜箔图像滤波步骤得