基于機器視覺的鋰電池極片缺陷檢測研究.pdf

1、鋰電池是目前世界上應用最為廣泛的動力電源，其中鋰電池極片是構成鋰電池的重要組成部分。鋰電池極片的缺陷會嚴重影響鋰電池的質量，甚至產生安全隱患。把機器視覺技術應用在鋰電池極片的缺陷檢測中，取代傳統(tǒng)的依靠人工進行檢測的方法，可以高效率、低成本地完成鋰電池極片的缺陷檢測，從而提高成品合格率，達到提高鋰電池質量和安全性的效果。因此開展基于機器視覺的鋰電池極片缺陷檢測研究具有重要的理論意義和應用價值。
　　本文針對基于機器視覺的鋰電池極片缺

2、陷檢測開展工作。鋰電池極片缺陷主要包括極耳缺陷、邊緣缺陷和極網缺陷，其中極網缺陷主要包括劃痕異物缺陷和氣泡缺陷。針對缺陷檢測設計了總體方案，并詳細討論了各種重要缺陷的具體檢測方法。主要包括以下內容：
　　首先，研究了采用圖像處理檢測極片缺陷的方法，分別針對極片的極耳缺陷、邊緣缺陷和極網缺陷設計了不同的檢測處理方法。對極耳的缺陷通過圖像預處理，并依次使用中值濾波器和Sobel算子等圖像處理方法進行檢測，可以有效檢測出極耳破損、褶皺和

3、缺失等缺陷。對邊緣缺陷和極網缺陷，在圖像預處理后，運用中值濾波和高斯濾波處理，并將得到的圖像做差，從而提取出圖像中的缺陷信息。實驗結果表明該方法可以有效實現(xiàn)對邊緣缺陷和極網缺陷的檢測。
　　其次，研究了對極網氣泡進行三維重建，獲取深度信息進行極網氣泡檢測的方法。利用激光三角測量法，通過獲取激光照射在物體表面得到的輪廓信息，對被測物體進行三維重建，從而得到高度信息，最后結合邊緣提取方法將氣泡的深度信息提取出來。分別對規(guī)則立方體樣塊和

4、極網氣泡進行三維重建，得到了樣塊和氣泡的三維對象模型，對其三維重建的結果和測量誤差進行了實驗分析。結果表明，該方法可以有效獲得極網氣泡的深度信息，并且能夠滿足檢測的精度要求。
　　最后，對極網氣泡缺陷分類方法進行了研究。極網中有氣泡缺陷圖像和無缺陷圖像構成訓練樣本集和測試樣本集，利用支持Tucker機對訓練樣本進行學習，并對測試樣本進行測試，得到支持Tucker機的分類結果。同時，將實驗得到的分類結果與支持向量機等分類方法的結果進