鄔 博， 李林升

(南華大學 機械工程學院,湖南 衡陽 421000)

0 引 言

鋰電池作為一種動力電池，與其他動力電池相比，鋰電池具有污染性小、能量密度高、體積小以及壽命長等特點，是國內外動力電池發(fā)展和應用的一大趨勢。鋰電池表面出現(xiàn)任何損壞都會嚴重影響鋰電池使用的安全性和壽命，因此在生產過程中還需要對電池極片表面缺陷進行檢測。目前，許多鋰電池制造廠家采用的仍是傳統(tǒng)的缺陷檢測方法，即利用人眼對鋰電池極片進行缺陷檢測。但人工檢測不僅容易受到主觀因素上的影響，還會損害工人的健康，不能滿足大批量的生產需求[1]。

筆者運用機器視覺結合數(shù)字圖像處理技術開發(fā)了一套鋰電池極片表面缺陷在線實時檢測系統(tǒng)。該系統(tǒng)可以檢測出鋰電池極片表面缺陷的輪廓，并可以準確的計算出輪廓的長度和面積。

1 系統(tǒng)結構

此系統(tǒng)對鋰離子電池的質量判斷的整個過程分為圖像獲取、圖像處理、缺陷輪廓檢測及其面積計算。算法流程如圖1所示。以極耳切割機為硬件平臺搭建了一套嵌入式的視覺檢測系統(tǒng)，以實現(xiàn)全自動的流水線檢測鋰電池極片的缺陷，完善設備的功能。

圖1 缺陷檢測算法流程

2 圖像處理

2.1 圖像二值化

將圖像進行二值化處理的過程中，閾值T的取值將會在很大程度上影響到二值化的結果。二值化函數(shù)的作用是將圖像中灰度值大于設定閾值T，的像素點的灰度值修改為 255(白色)，小于或等于設定閾值的則被修改為 0(黑色)[2]?；谶@樣的閾值設定，此文將鋰電池極片圖像的表面缺陷部分置為黑，正常部分置為白。

二值化函數(shù)如下式所示：

(1)

式中：閾值T是利用像素直方圖來確定，如圖2。

圖2 像素直方圖

根據(jù)像素直方圖，取T為100。考慮到后續(xù)圖像處理過程的需要，此文對極片圖像進行了兩次二值化的處理。第1次二值化是為了將白背景拉成黑背景，是將目標與背景分割開來；第2次二值化，是在第1次二值化的基礎上，提高圖像的亮度和對比度, 再對圖像進行1次二值化處理，閾值變?yōu)閮煞N顏色。經閾值處理后的圖像如圖3、4所示。

圖3 第1次二值化后的圖像

2.2 圖像去噪

圖像在成像、傳輸或者變換的過程中都會有噪聲，會妨礙圖像信息的接收。去除噪聲的方法有很多種，傳統(tǒng)的圖像去噪的方式，在去除噪聲的同時還會造成圖像邊緣模糊，不能很好的保護輪廓信息[3]。并且檢測到的某些缺陷不是連通的，因此還需對缺陷內部進行填充。而采用形態(tài)學方法不僅可以去噪，還可以對輪廓內部進行填充使其成為連通的區(qū)域，從而方便后面計算缺陷的長度和面積。因此，本文中選擇形態(tài)學濾波器去除噪聲。其工作原理描述如下：

當二維離散空間中存在f(x)和g(x)兩個函數(shù)，f(x)對g(x)的腐蝕定義為：

(2)

f(x)對g(x)的膨脹定義為：

(3)

f(x)對g(x)的開運算定義為：

(f°g)(x)=[(fΘg)⊕g](x)

(4)

f(x)對g(x)的閉運算定義為：

(f·g)(x)=[(f⊕g)Θg](x)

(5)

文中，使用的是數(shù)學形態(tài)學中更加高級的形態(tài)學變換——開運算來消除噪聲。由式(4)可知，開運算本質上就是先腐蝕后膨脹的過程。

經過形態(tài)學濾波處理后的圖像如圖5所示。

圖5 形態(tài)學處理后的圖像

2.3 邊緣檢測

邊緣檢測是屬于圖像處理和計算機視覺中的基本問題，是缺陷檢測的基礎和前提，邊緣檢測的精準直接決定了圖像缺陷檢測結果的準確性。

邊緣檢測算法主要是基于圖像強度的一階或二階導數(shù)。此文中采用的Canny邊緣算子是一種多級檢測算法。評估Canny邊緣檢測效果的準則有三個：信噪比住在、定位精度準則及單邊緣響應準則[4]。Canny邊緣檢測算法以一階導數(shù)為基礎來判斷邊緣點，是一階傳統(tǒng)微分中檢測階躍型邊緣效果最好的算法之一[5]。Canny邊緣檢測后的圖像如圖6所示。

由于噪聲不能被完全消除，圖像中仍會存在噪聲。這樣可能會導致檢測到的缺陷的邊界變寬，一些缺陷之間的連接斷裂。針對檢測出來的缺陷邊緣有斷裂的可能，文中在圖6的基礎上，遍歷全圖計算出輪廓的各點，然后再在連起來繪制邊緣輪廓。至此，鋰電池極片的缺陷部分基本上和背景分離開了。

3 特征提取與識別

3.1 霍夫變換

1972年Duda和Hart提出利用Hough變換提取直線[6]?；舴蜃儞Q在檢測直線的過程中，受圖像噪聲的影響相對較小且魯棒性佳，應用較為廣泛。

霍夫變換的工作原理是利用兩坐標空間可以存在映射的關系，將一個空間中存在一定一定形狀的曲線映射到另一個坐標空間中的某一點上，然后統(tǒng)計各點出現(xiàn)的概率，尋找出現(xiàn)概率最高的一點，該點對應的就是檢測出的直線映射。如圖7所示。

圖7 直線表示

圖中對于平面中的一條直線，在笛卡爾坐標系中，常用的表示方式是點斜式，即:

y=kx+b

(6)

式中：k為斜率；b為截距。

但對于垂直于x軸的直線的斜率是接近于無窮大的，無法表示，因此將式(1)轉換為：

r=xcosθ+ysinθ

(7)

式中：r為直線到原點的距離；θ為直線的垂線與x軸的夾角。該式可用于描述直線直線識別的標準霍夫變換。

霍夫變換有三種：標準霍夫變換(SHT)、多尺度霍夫變換(MSHT)以及累計概率霍夫變換(PPHT)。由于PPHT的執(zhí)行效率相對要更高一些，所以在本文中采用的是累計概率霍夫變換，可以更好的檢測到缺陷輪廓曲線。

3.2 查找并繪制輪廓

確定二值圖像邊界的圍繞關系，及確定外邊界、孔邊界以及它們的層次關系，由于這些邊界和源圖像的區(qū)域具有一一對應的關系(外邊界對應像素為1 的連通區(qū)域，孔邊界對應的是像素為0 的區(qū)域)，因此就可以用邊界來表示原圖像[7]。圖像中某一點的像素值可以用二維函數(shù)f(i,j)來表示，對像素值進行掃描時，遇到以下兩種情況，就會終止算法，因此就可以確定所求邊界。

f(i,j-1)=0,f(i,j)=1

(8)

式中：f(i,j)是外邊界的起始點。

f(i,j)≥1,f(i,j+1)=0

(9)

式(9)中，f(i,j)是孔邊界的起始點。最后，根據(jù)上述輪廓提取信息，利用曲線擬合，就可以繪制出缺陷的大致輪廓。如圖8為繪制結果。

圖8 缺陷輪廓繪制結果

利用圖像梯度值計算缺陷輪廓的長度和面積。圖像梯度值本質上是像素的累積，所以計算出的長度或面積的單位為像素。設X和Y表示缺陷區(qū)域和缺陷邊緣，C和S分別表示缺陷輪廓的周長和面積[8]。則C和S的表示如下：

(10)

(11)

根據(jù)式(10)、(11)求得缺陷相應的長度和面積，具體數(shù)值如表1所列。

表1 缺陷幾何特征

4 結 語

經實驗驗證，鋰電池中存在的缺陷可以用數(shù)字圖像處理技術較為準確的檢測出來。通過對鋰電池極片圖像進行去燥、邊緣檢測、霍夫直線檢測等手段準確檢測出鋰電池極片缺陷的輪廓,還可以將缺陷中不連續(xù)的點連接起來使之成為一個連通的區(qū)域，可以找出缺陷的具體集合特征。實驗結果表明，該算法可以快速的檢測出缺陷輪廓以及計算出其長度和面積，可以滿足鋰電池的大批量生產需求。流程更為簡潔，為后續(xù)的研究奠定了基礎。