软包装锂离子电池的表面凸点缺陷检测_曾臻.pdf

第 53 卷 第 3 期2023 年 6 月电池BATTERY BIMONTHLYVol.53,No.3Jun.,2023作者简介:曾 臻(1986-),男,湖北人,湖北工业大学机械工程学院讲师,研究方向:机器视觉、精密光电检测技术及设备开发;王宏博(1997-),男,湖北人,湖北工业大学机械工程学院硕士生,研究方向:机器视觉、缺陷检测,通信作者;王正家(1970-),男,湖北人,湖北工业大学机械工程学院讲师,研究方向:电子封装工艺与装备、图像处理算法;何 涛(1964-),男,湖北人,湖北工业大学机械工程学院教授,研究方向:机器视觉、机电自动化。DOI:10.19535/j.1001-1579.2023.03.011软包装锂离子电池的表面凸点缺陷检测曾 臻1,2,王宏博1,2,王正家1,2,何 涛1,2(1.现代制造质量工程湖北省重点实验室,湖北 武汉 430068;2.湖北工业大学机械工程学院,湖北 武汉 430068)摘要:软包装锂离子电池铝塑膜外包装凹凸不平且存在反光现象,表面图像的凸点缺陷辨识度低,传统方法很难进行准确识别。分析软包装锂离子电池凸点缺陷图像特征及视觉检测系统,在频域上对图像采用高斯滤波器进行预处理,以达到去除噪声和对缺陷区域图像增强的效果。用逆傅里叶变换将图像从频域转回空间域,最后将处理后的图像导入基于语义分割方法的深度学习模型,进行凸点缺陷检测。对 400 组缺陷样本进行测试,结果表明:所提方法对软包装锂离子电池缺陷检测的准确率达到 95.75%;而未经频域图像增强方法处理的检验准确率仅为 44.00%。检测结果准确率得到提高,说明该方法能对软包装锂离子电池表面图像的低辨识度凸点缺陷进行检测,具有一定的实用价值。关键词:频域;图像增强;软包装锂离子电池;凸点;缺陷检测中图分类号:TM912.9 文献标志码:A 文章编号:1001-1579(2023)03-0284-05Surface bump defect detection for pouch Li-ion batteryZENG Zhen1,2,WANG Hong-bo1,2,WANG Zheng-jia1,2,HE Tao1,2(1.Hubei key Laboratory of Modern Manufacturing Quality Engineering,Wuhan,Hubei 430068,China;2.Hubei University of Technology,School of Mechanical Engineering,Wuhan,Hubei 430068,China)Abstract:Because of the uneven and reflective appearance of the aluminum-plastic film outer packaging of the pouch Li-ion battery,the identification of the bump defect of the surface image was low,which was difficult to be accurately identified by traditional methods.The image features of bump defects of pouch Li-ion battery and visual detection system were analyzed.Gaussian filter was used to preprocess the image in frequency domain to achieve the effect of removing noise and image enhancement of defect area.Inverse Fourier transform was used to transfer the image from frequency domain to space domain.Finally,the processed image was imported into the deep learning model based on semantic segmentation method for bump defect detection.400 groups of defect samples were tested,the results showed that the defect detection accuracy of pouch Li-ion battery by proposed method reached 95.75%.The detection accuracy without processing with frequency domain image enhancement method was only 44.00%.The detection results had been significantly improved,which proved that the method could detect the low recognition bump defects of the surface image of the pouch Li-ion battery and had a certain practical value.Key words:frequency domain;image enhancement;pouch Li-ion battery;bump;defect detection 锂离子电池的外包装是一层铝塑膜,厚度一般都不超过0.1 mm,质量轻但易受损。锂离子电池在恶劣情况(过充电、撞击和高温)下使用时,电解液容易分解并释放气体,导致铝塑膜凸起1,表面容易出现凸点甚至失效。这些缺陷若不能被及时检出,不仅会缩短电池的使用寿命,还会造成一定的安全隐患。软包装锂离子电池表面的凸点缺陷在常规光照条件下辨识度较低,加上表面有一定的凹凸纹理特性,降低了凸点缺陷的视觉分辨效果;同时,由于型号的不同,电池中间会凸起一个位置不固定且不规则的长方体区域;此外,铝塑膜材料还存在严重的反光现象。软包装锂离子电池第 3 期曾 臻,等:软包装锂离子电池的表面凸点缺陷检测表面的上述特性,严重影响了计算机视觉对凸点缺陷的识别。目前,电池生产商对这一问题尚无成熟的应用于生产的方案,仍主要依靠人工检测,不仅成本高,还会存在误检和漏检等现象。有必要找到一种低成本、高准确率的检测方法,而用计算机代替人眼检测,是一种很好的方法。由于软包装锂离子电池表面形貌复杂,表面缺陷难以检出,目前对电池表面凸点缺陷的检测技术还有一定的局限。Y.G.Chen 等2首先利用 soble 算子对电池表面肉眼难以看到的凹坑进行提取,然后利用形态学去除图像中非凹坑的区域,但 soble 算子对于图像边缘定位不准确,很难进一步对图像进行形态学处理。刘春等3对比使用 4 种边缘检测算子检测橡胶圈凸点缺陷的效果,最终选用 Canny 算子对凸点进行检测。该方法对电池表面本身存在凹凸不平的情况检测精度较低,容易对合格区域造成误判。黄梦涛等4提出一种基于改进 Canny 算子的锂离子电池极片表面划痕缺陷检测方法,对图像梯度信息更加敏感,但用于表面形貌复杂的电池时,仍有一定的局限性。肖艳军等5对采集到的轧辊图像进行前景提取,去掉背景造成的干扰后,再利用维纳滤波去除图像噪声,保留图像中的缺陷信息。该方法对于测试反光物体表面缺陷具有一定的借鉴意义,但对于软包装锂离子电池表面凸点,仍无法较准确地识别。有鉴于此,本文作者提出一种基于机器视觉的软包装锂离子电池表面凸点缺陷检测方法。首先,利用离散傅里叶变换(DFT)将被测物体的灰度图从空间域转换到频域;再在频域上使用高斯滤波器对图像进行过滤,以去除大部分图像背景噪声;将过滤后的图像利用傅里叶逆变换转回到空间域并保存;最后,用保存的图像导入基于语义分割方法的深度学习模型,进行识别,以期提高检验准确率。1 软包装锂离子电池表面缺陷检测系统软包装锂离子电池视觉检测系统如图 1 所示。该系统检测单只锂离子电池的时间小于 0.5 s,可满足实际生产检测的需求。图 1 视觉检测系统示意图Fig.1 Schematic diagram of visual detection system 实验用锂离子电池(武汉产)样品(长 55 mm、宽 25 mm、厚 5 mm),正极材料为锰酸锂(LiMn2O4),负极材料为石墨烯,额定电压 3.7 V。根据 GB/T 331432022锂离子电池用铝及铝合金箔6,对直径大于 1 mm 的凸点进行检测。为确保拍摄的电池图像满足标准中横向分辨率 0.09 mm 的要求,在视觉检测系统方案中,选用一个 500 万像素分辨率的工业相机和 12 mm 焦距镜头。为了使图片拍摄效果达到最佳,各光源拍摄效果如图 2 所示,圈内为凸点缺陷。图 2 3 种光源拍摄效果对比图Fig.2 Comparison of shooting effects of three light sources图 2(a)选用低角度环形光拍摄,四周反光,而中间区域无法分辨凸点;图 2(b)选用同轴光拍摄,当凸点缺陷较小时,很难分辨出来;图 2(c)选用单侧条形光拍摄,由于凸点凸起,选用条形光可以将凸点更清楚地辨别出来。选用 Halcon-21.11 开发平台对图像进行编程处理。该图像检测系统满足标准 GB/T 331432022 对设备精度的需求。为避免软包装锂离子电池表面铝塑膜的反光影响,选用3 种条形照明光源,分别从 3 个方向斜向下 45对电池进行照射,使表面有凸点的位置形成一边亮、一边暗的情况,以增加凸点缺陷图像的辨识度,采集到的图像如图 3 所示。图 3 缺陷品和合格品对比图Fig.3 Comparison of defective and qualified products在生产工艺中,铝塑膜被冲压到电池上时,难免会在边角区域形成凹坑或凸点,而电池中间会凸起一个位置不固定且不规则的长方形7。这些区域都会影响对凸点缺陷的检测,尤其是当凸点直径较小时,会更难将凸点区域与合格区域区分开。为突出图像凸点区域,将图像采集时的曝光值减小,降低反光和高亮度区域的影响。图 4 为图 3 中凸点缺陷图的灰度直方图,图 5 为凸点区域灰度示意图,其中,深黑色区域为灰度值从 75 到 80 区间的所有像素点。从图 4 可知,凸点部分区域的灰度值和邻域灰度值相近,无法直接将凸点缺陷区域与邻域区分开,因此,若直接将图像导入基于语义分割方法的深度学习模型进行识别,会影响检测的准确率。582电池BATTERY BIMONTHLY第 53 卷图 4 锂离子电池的灰度直方图Fig.4 Gray histogram of Li-ion battery图 5 凸点区域灰度示意图Fig.5 Gray scale schematic diagram of bump area2 基于频域图像增强的凸点缺陷检测针对软包装锂离子电池表面形貌特性,为增加凸点检测的准确率,首先对图像进行预处理,再将预处理后的图像导入深度学习模型中进行识别,选取的研究方法流程见图 6。图 6 研究方法流程图Fig.6 Flow chart of research method2.1 图像预处理由于软包装锂离子电池表面图像缺陷区域和邻域对比度不高,若将得到的图像直接用于深度学习模型,会导致大量的误判。为突出缺陷区域,在对图像进一步处理之前,首先需要对图像灰度化,进行去噪处理。2.1.1 将灰度图从空间域转到频域图像去噪处理域可以分为两大类:空间域和频域8。频域法是将原始图像分解成不同频率的信号,对这些不同频率的信号进行处理,就可达到图像增强的目的9。图像在空间域中较难