动力锂电池正负极缺陷在线检测系统关键技术研究

摘要

在锂电池的生产过程中，电池正负极会出现各类缺陷，造成极大的安全隐患。实际生产中常用人工检测的方式来检测锂电池正负极缺陷，易出现漏检情况且效率不高。本文以18650型动力锂电池为研究对象，提出了锂电池正负极图像的预处理算法，并针对正负极图像的不同特点提出了不同的分类算法，搭建了动力锂电池正负极在线检测系统。主要工作及研究成果如下： （1）分析了锂电池正负极的缺陷种类，根据检测要求，规划设计了检测算法整体框架。结合实际需求选择了合适的光源类型、照明方式，确定了工业相机所需的硬件指标。搭建了由工业相机、工业光源等组成的视觉系统，采集了后续处理所需的锂电池图像。 （2）为提高锂电池正负极图像的质量，提高识别效果，提出了适用于锂电池正负极图像的图像预处理算法，主要包括高斯去噪算法、基于改进频域函数的同态滤波算法、Sobel边缘检测算法和自适应阈值的二值化算法。实验表明：图像经过处理后，噪声减少，亮度和对比度得到改善，边缘信息和缺陷特征得到显著增强。 （3）分析了图像的各类特征量，选取了其中四类数据为特征量。对电池正负极采取不同的分选策略，使用支持向量机对图像进行分类，通过交叉验证法选择分类器参数，并将本文分类方法与BP神经网络、人工免疫算法进行对比。实验表明：基于支持向量机的分类算法对锂电池正负极的检测效果较好，准确率较高且很少出现缺陷漏检。 （4）设计并搭建了动力锂电池正负极缺陷在线检测系统硬件和软件平台。在缺陷在线检测系统实验平台上验证了上述图像预处理算法、分类策略和图像分类算法。实验表明：本文提出的检测算法能够适应不同的工作环境，对比本文算法与传统算法、人工检测方法的准确率、安全性和检测速度，除对电池正极的检测效率略低于传统检测算法外，其余指标均有一定程度的提高。

目录

第一个书签之前