基于机器视觉的锂电池极片缺陷检测与分类系统分析

基于机器视觉的锂电池极片缺陷检测与分类系统分析

关炽斌

东莞怡合达自动化股份有限公司 广东东莞 523000

摘要：机器视觉理论对锂电池极片缺陷检测和分类具有重要的价值，为此，人们要充分发挥机器视觉的应用优势，构建全新的极片缺陷检测与分类系统，完善整个检测流程，提高图像处理效果，也为极片缺陷检测与分类提供支持，保障锂电池生产性能，也实现锂电池产业的健康发展。

关键词：机器视觉；锂电池；极片缺陷检测；分类系统

引言：

在锂电池制造环节中，极片是一个重要的组成部分，但是在锂电池极片的制造中也存在复杂的工银，因此经常会对锂电池的性能产生影响。所以，锂电池极片制造过程中也要重视极片缺陷检测与分析，并且保障锂电池生产质量。以下对锂电池极片制造工艺进行分析，并利用激起视觉构建全新的锂电池极片缺陷检测与分类系统，解决传统极片缺陷检测中的弊端，提高极片检测整体水平。

1、锂电池极片缺陷检测和分类系统设计

1.1锂电池极片制造技术

锂电池在人们日常生活中具有广泛的应用，但是在整个锂电池的制造环节中，许多由多个工艺步骤共同完成，其中就包括电池的组装、极片的生产以及锂电池注液等重要的工艺环节，而且每一个生产环节都可以细化的分成多道工序，任何一道工序都直接关系着锂电池生产的性能。为此，科学地解决每一个工序中的问题，能够有效降低制造企业的资源应用，节约企业成本，也能够提高锂电池的制造工艺，提升企业市场竞争实力。极片作为锂电池生产的关键环节，具体生产工艺如图1所示，其中两个中间环节对锂电池的性能起到重要影响。

图1锂电池极片生产工艺

（1）浆料制备：在开展锂电池极片生产环节中，浆料制备是整个工艺的初始环节，在此环节中，主要的生产内容是将锂电池极片的活性材料与溶剂和粘结剂融合起来，然后搅拌成生产浆料。在此环节中，使活性物质能够均匀分布，可以大大提升锂离子的运动效果，提高锂电池性能，此环节中的浆料搅拌一般采用双螺旋搅拌机、双行星搅拌机等；

（2）涂覆干燥：这个环节主要分为浆料的涂覆与干燥两个部分，具体工作内容是首先要做好浆料充分搅拌，然后将其均匀地涂抹在集流体中，然后用烘干设备，将有机溶剂进行烘干。涂布的精度和稳定性决定着整个过程的张力控制效果，也是影响烘干风量和温度的主要途径，必须重视涂布设备的有效控制，从而避免锂电池的容量、使用寿命以及安全性受到影响，表1为常见涂布方式优缺点比较：

表1转移式涂布和挤出式涂布优缺点对比

（3）辊压施工也是锂电池极片生产的关键环节，在当前的工业生产环节中，主要是通过辊机来完成极片的辊压作业，实际作业中要保证两个工作辊处在同一平面，如图2，在进行工作辊进行辊压操作中，将涂布后极片放置在卷机内，将极片送入两辊之间，同时连接收卷系统。在进行辊压模式时，电机带动上下辊一起转动，收卷机构拉动极片稳定通过，并且达到标准密度。

图2辊压工作示意图

（4）裁切：这个环节主要是结合锂电池设计规格与结构，对极片进行有序裁切，裁切边缘不平整也会导致极片充放电不均匀。现阶段对于极片裁切工作主要是利用圆盘分切、激光切割等方式来进行。

1.2锂电池极片缺陷

通过当前锂电池极片的生产工艺来看，整个制造工艺存在一定的难度，而且每个生产环节都可能导致锂电池极片产生缺陷，并且缺陷的种类也比较多。比如在极片制造的搅拌环节中，如果不均匀搅拌就会产生团聚体颗粒凸起。涂覆环节如果受到张力影响，也会在厚边出现极片缺陷。辊压环节中如果延展率较大，也容易引发卷边等问题。而最常见的极片缺陷为划痕、掉料以及暗斑等，各类型缺陷的特点如表2所示

表2极片缺陷种类和原因

1.3极片缺陷检测和分类系统设计

为了提高锂电池极片缺陷检测与分类效果，对极片缺陷检测与分类系统进行设计，在系统中主要包括PC设备、显示器、相机、传输设备以及光源几个部分，而光源和相机都位于传输设备的上方，并且距离和角度能够通过可调节支架来调节高度，具体如图3所示。

图3极片缺陷检测和分类系统结构图

在系统运行中，首先通过传送设备来带动锂电池即便朝着同方向以稳定速度运行，并且在光源的支持下，可以通过相机获取极片的清晰图像，并将其传输到PC段进行缺陷检测与分类。在进行极片缺陷检测和分类系统设计中，还能够通过显示界面直接观察到极片的缺陷情况，并且具备保存功能，为后期的查询提供支持。

2、机器视觉中图像处理的锂电池极片缺陷检测

2.1极片缺陷检测工艺流程

在进行锂电池极片的缺陷检测过程中，需要结合极片制造环节中的常见问题，合理的设计极片缺陷算法。并在实际工作中，经常会由于设备稳定性缺失、光照不均匀以及粉尘黏附等问题，对锂电池极片的图像效果产生影响，从而导致收集的图片质量降低，极片缺陷检测效果并不明显，因此还要采取良好的图像处理措施，便于真实准确的呈现出极片缺陷。

2.2图像预处理

当图像在传输环节中，很容易遭遇噪声造成的影响，但这些影响因素是无法完全避免的，往往会导致极片缺陷影像品质降低，不仅影响用户的视觉判断，也给后期的缺陷检查和管理带去影响。因此，在极片缺陷的图像预处理中，一般采用图像平滑去噪方法，在去噪处理过程中尽量地保持图像的边缘信息，而噪音又分为外部噪音和内部噪声，外部噪音主要由周围环境的尘埃和粉末扰动而产生的，内部噪声则主要是通过传递过程中的加性噪音而引起的，但由于内部噪音本身就无法检测，所以也很难区分内部噪音的类型，所以，在处理时一般结合技术研究和实践比较，选择适合的滤波方法，提高图像预处理效果。

2.3极片缺陷检测算法

在完成图像预处理后，能够有效降低极片缺陷检测图像中的噪声干扰因素，提高了图像的对比度，为缺陷检测提供支持。但是在图像边缘也存在着大量信息，也是图像基本特征采取良好的边缘检测，能够提出相关度不足的信息，减少数据量，并且保存图像重要属性。在进行边缘检测中，利用计算邻域内的对角像素差值，可以实现边缘检测效果，也能够表现出良好的精度特点，但是也会受到噪声影响，通过像素平均来阻断噪声干扰，可以看作对图像进行低通滤波，因此这种算子边缘定位精度不如前一种。通过Sobel算子检测可以提高检测效率，并且能够提高小边缘的清晰度，在实际应用中具有良好的效果。

3、结束语

综上所述，锂电池在人们生活中比较常见，但是在实际生产中需要经过复杂的程序，其中极片制造是直接关系锂电池性能的重要环节，然而在锂电池极片制造中，经常受到各类因素影响，从而引发缺陷问题，因此积极开展锂电池极片缺陷检测与分类至关重要。为了提高检测效果，人们通过机器视觉理论研究出全新的锂电池极片缺陷检测与分配系统，提高检测效果。

参考文献：

[1]韩茜茜,耿世勇,李恒毅.基于机器视觉的缺陷检测应用综述[J].电工技术，2019(14):117-118+132.

[2]汤勃,孔建益,伍世虔.机器视觉表面缺陷检测综述[J].中国图像图形学报,2017,22(12):1640-1663.