【摘要】：在鋰電池的生產(chǎn)過程中,電池正負(fù)極會出現(xiàn)各類缺陷,造成極大的安全隱患。實(shí)際生產(chǎn)中常用人工檢測的方式來檢測鋰電池正負(fù)極缺陷,易出現(xiàn)漏檢情況且效率不高。本文以18650型動力鋰電池為研究對象,提出了鋰電池正負(fù)極圖像的預(yù)處理算法,并針對正負(fù)極圖像的不同特點(diǎn)提出了不同的分類算法,搭建了動力鋰電池正負(fù)極在線檢測系統(tǒng)。主要工作及研究成果如下:(1)分析了鋰電池正負(fù)極的缺陷種類,根據(jù)檢測要求,規(guī)劃設(shè)計(jì)了檢測算法整體框架。結(jié)合實(shí)際需求選擇了合適的光源類型、照明方式,確定了工業(yè)相機(jī)所需的硬件指標(biāo)。搭建了由工業(yè)相機(jī)、工業(yè)光源等組成的視覺系統(tǒng),采集了后續(xù)處理所需的鋰電池圖像。(2)為提高鋰電池正負(fù)極圖像的質(zhì)量,提高識別效果,提出了適用于鋰電池正負(fù)極圖像的圖像預(yù)處理算法,主要包括高斯去噪算法、基于改進(jìn)頻域函數(shù)的同態(tài)濾波算法、Sobel邊緣檢測算法和自適應(yīng)閾值的二值化算法。實(shí)驗(yàn)表明:圖像經(jīng)過處理后,噪聲減少,亮度和對比度得到改善,邊緣信息和缺陷特征得到顯著增強(qiáng)。(3)分析了圖像的各類特征量,選取了其中四類數(shù)據(jù)為特征量。對電池正負(fù)極采取不同的分選策略,使用支持向量機(jī)對圖像進(jìn)行分類,通過交叉驗(yàn)證法選擇分類器參數(shù),并將本文分類方法與BP神經(jīng)網(wǎng)絡(luò)、人工免疫算法進(jìn)行對比。實(shí)驗(yàn)表明:基于支持向量機(jī)的分類算法對鋰電池正負(fù)極的檢測效果較好,準(zhǔn)確率較高且很少出現(xiàn)缺陷漏檢。(4)設(shè)計(jì)并搭建了動力鋰電池正負(fù)極缺陷在線檢測系統(tǒng)硬件和軟件平臺。在缺陷在線檢測系統(tǒng)實(shí)驗(yàn)平臺上驗(yàn)證了上述圖像預(yù)處理算法、分類策略和圖像分類算法。實(shí)驗(yàn)表明:本文提出的檢測算法能夠適應(yīng)不同的工作環(huán)境,對比本文算法與傳統(tǒng)算法、人工檢測方法的準(zhǔn)確率、安全性和檢測速度,除對電池正極的檢測效率略低于傳統(tǒng)檢測算法外,其余指標(biāo)均有一定程度的提高。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;TM912
【圖文】：

2 鋰電池正負(fù)極圖像缺陷檢測視覺系統(tǒng)框架設(shè)計(jì)負(fù)極圖像缺陷檢測視覺系統(tǒng)框rk Design of Visual System forative Defects Detection of Pow分析(TheAnalysis of Defect Characte統(tǒng)框架設(shè)計(jì)前，需要對鋰電池的圖像特點(diǎn)和情況設(shè)計(jì)合適的檢測算法和圖像采集方案。0 型鋰電池的正負(fù)極圖像如圖 2-1 所示，鋰電的結(jié)構(gòu)，負(fù)極為全金屬的密閉結(jié)構(gòu)。

分析(TheAnalysis of Defect Characte統(tǒng)框架設(shè)計(jì)前，需要對鋰電池的圖像特點(diǎn)和情況設(shè)計(jì)合適的檢測算法和圖像采集方案。0 型鋰電池的正負(fù)極圖像如圖 2-1 所示，鋰電的結(jié)構(gòu)，負(fù)極為全金屬的密閉結(jié)構(gòu)。正極 負(fù)極圖 2-1 合格鋰電池正負(fù)極圖像e 2-1 Positive and negative images of qualified lithium產(chǎn)過程中在工藝、生產(chǎn)線及原材料方面的問：劃痕、殼體變形、塑料膜破裂和污染，如

池在拍攝過程中將豎直放置在傳送帶上，傳送帶表面是圖像工業(yè)中工件檢測的圖像采集背景而言，有以下要求：a）表面放所檢測對象；b）與所檢測目標(biāo)物體的對比度和區(qū)分度較高為清晰地辨識出物體的邊緣輪廓特征；c）反光度低且表面無的噪聲和干擾較少，不會影響工件的正常檢測。送帶材料為黑色人工皮革，在一定的光源且不放置鋰電池條件圖 2-4 中的(a)圖所示，可以看出，傳送帶表面較為光滑，背景且有一定的劃痕瑕疵，是較差的圖像背景，會影響采集圖像的采用黑色吸光布對傳送帶進(jìn)行改造。布由黑絲絨制成，有較強(qiáng)的吸光效果，在強(qiáng)光下幾乎無任何反摩擦力較大，鋰電池能夠更穩(wěn)定地立于傳送帶上。實(shí)驗(yàn)中將吸定在原傳送帶上。實(shí)驗(yàn)比較是否使用吸光布的效果，在與圖 2-4 中(a)圖相同的吸光布后拍攝效果如圖 2-4 中的(b)圖所示，可以看出，使用吸任何反光，干擾極低，是極佳的圖像背景。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉朝選;劉堂友;吳云飛;;基于機(jī)器視覺的鋼帶缺陷檢測研究[J];微型機(jī)與應(yīng)用;2015年24期

2 趙巧敏;;機(jī)器視覺行業(yè)投資分析報(bào)告[J];機(jī)器人技術(shù)與應(yīng)用;2015年05期

3 段云濤;李倩;申瑋;;基于視覺的人機(jī)交互下棋系統(tǒng)中棋子定位及識別技術(shù)研究[J];計(jì)算機(jī)與數(shù)字工程;2015年08期

4 卞正崗;;機(jī)器視覺技術(shù)的發(fā)展[J];中國儀器儀表;2015年06期

5 賈迪;董娜;孟祥福;李思慧;陳碩;;一種圖像的連續(xù)性邊緣提取方法[J];計(jì)算機(jī)工程與科學(xué);2015年02期

6 葛杰;曹晨晨;李光;;基于機(jī)器視覺的圖像形狀特征提取方法研究進(jìn)展[J];包裝學(xué)報(bào);2015年01期

7 沈凌云;朱明;陳小云;;基于徑向基神經(jīng)網(wǎng)絡(luò)的太陽能電池缺陷檢測[J];發(fā)光學(xué)報(bào);2015年01期

8 馮玉;;視覺檢測系統(tǒng)在煙草包裝機(jī)中的應(yīng)用[J];包裝工程;2015年01期

9 丁婷婷;方舟;劉波;張君安;;基于機(jī)器視覺檢測的攝像機(jī)快速標(biāo)定與誤差分析[J];制造業(yè)自動化;2015年01期

10 陳磊;喬繼紅;陳巖;;太陽能電池板缺陷分割技術(shù)研究[J];微電子學(xué)與計(jì)算機(jī);2014年12期

本文編號：2774674