CN104091322A - 叠片锂离子电池的检测方法 - Google Patents
叠片锂离子电池的检测方法 Download PDFInfo
- Publication number
- CN104091322A CN104091322A CN201410188995.9A CN201410188995A CN104091322A CN 104091322 A CN104091322 A CN 104091322A CN 201410188995 A CN201410188995 A CN 201410188995A CN 104091322 A CN104091322 A CN 104091322A
- Authority
- CN
- China
- Prior art keywords
- delta
- point
- lithium ion
- image
- ion battery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种叠片锂离子电池的检测方法,包括步骤:通过统计叠片电池灰度图像每一行在水平方向的方差,对统计结果进行域值处理确定测算的特征区域;对上述确定的特征区域图像进行角点检测,计算图像每一点的相似度,并计算方向变化强度,根据该方向变化强度设定阈值过滤图像角点位置,即角点检测;通过统计上述角点在水平方向的最大出现概率来进行对角点进行分类;确定正负极角点出现概率最大的位置后,以最大位置为参考点,对正负极片角点进行筛选,筛选后进行三次立方拟合,拟合时对空缺较大位置进行补偿处理。提高叠片锂离子检测效率和精度。
Description
技术领域
本发明涉及锂电池检测领域,具体地,涉及一种叠片锂离子电池的检测方法。
背景技术
全球消费类电子用锂离子电池产业由日本开创,进入2005年后,中国产业崛起,出现中日韩三分天下。2011年,国务院发布的《节能与新能源汽车发展规划》中提到在未来10年,国家将投入1000亿元支持新能源产业的发展,锂动力电池将在未来几年内快速发展。据中国电池行业发展研究报告,在新能源电池热的带动下,2011年全国锂离子电池完成累计产量29.55亿只,同比增长18.14%。
但是,近年来屡屡发生的锂离子电池着火、爆炸事件,严重制约了锂电的发展,形成了破坏性的影响。例如,2011年7月上海市中山公园一辆825路纯电动公交车发生自燃,原因为锂离子电池过热爆炸。2012年佛山一名女子裤袋内的某一名牌手机电池突然爆炸,手机分成3块。安全的材料、规范的制造工艺、合理的设计是锂电安全的必要条件,在这些条件下还需要保证内部结构安全,不然锂电内部存在的安全隐患最终导致电池燃烧、爆炸。锂电内部短路是由于阳极极片长度比阴极极片短,在充放电过程中,阴极产生富余的锂析出,集中在阳极铜箔边缘,锂的枝状结晶会刺破隔膜造成阴阳极短路(如图1a和图1b所示),导致着火、爆炸。
IEEE1725安全标准中明确提出对锂电除了进行穿刺、短路、挤压、跌落、过充放电、热冲击等常规测试外,还需要通过X-Ray目视系统对锂电内部结构进行100%安全检测。
目前随着X-Ray在工业探伤和工业检测方面应用的深入开展和工业生产的自动化程度的提升,X-Ray工业检测设备正在从手动操作、人眼判断的离线设备向自动测算的在线设备过渡。尤其是在锂电行业,由于自动化程度高、产量大和安全性要求高等原因,使得X-Ray在线自动检测设备首先在锂电行业展开研发和使用。
锂离子电池从其外形和封装工艺来分可以分为软包电池、方壳电池、圆柱电池等。从其卷心的制作工艺来分可以分为卷绕电池和叠片电池。锂离子叠片电池在性能上的很多优点又决定了叠片电池将是未来锂离子电池,尤其是大容量电池的一个发展方向。在锂离子电池X-Ray检测方面,由于卷绕电池正负极层数较少,易形成正负极间距大,图像规整的图像。而叠片电池由于层数多,间距小等特点而形成的图像具有负极粘连、弯曲等特点,从而造成叠片电池的X-Ray检测方面到目前为至国内外都缺少相关技术。
检测速度和检测误判率是锂离子电池在线X-Ray检测设备的算法系统中最具挑战性问题之一。在不可避免的外界干扰下(如定位机构的干扰、电路声的干扰、以及设备抖动造成的图像模糊等),根据锂离子电池X-Ray数字图像来准确的测算电池的诸多重要性能参数是一个极具挑战性的问题。认为锂离子电池在线X-Ray检测设备算法处理的根本问题之一是处理结果的鲁棒性和实时性及其融合问题,对其进行深入研究,进而构建一个面向在线的、各品种锂离子电池的、多工位检测的算法系统平台对各种类型锂离子叠片电池的检测算法是所有问题中的难点问题。
目前国外主要有德国的fischer、克拉克,日本东芝、岛津,韩国的艾利可斯、赛克等公司在X_Ray锂离子电池在线检测方面进行研究。国外的核心技术主要集中在以下几个方面:
a.在图像处理的实时性和方面作了许多工作。采用并行数据处理技术对大量的图像数据进行处理。提高了图像的处理速度。
b.在目标图像边缘检测技术方面进行了许多研究工作,如利用层叠滤波器对图像中的目标边缘进行处理。使图像中有较大突变的部分得以保留;使用小波多尺度变换技术对图像的边缘进行检测,使得检测效果更加精确。
c.在检测对象方面多围绕卷绕电池进行检测,确少对叠片电池进行检测的资料。
在国内,X_Ray无损检测技术也得到了很大重视,尤其是近两年随着锂电行业规模的发展,国内几家X_Ray设备企业都在研发自己的锂离子电池检测设备。随着这些企业对锂电检测行业研究的投入,目前对卷绕锂离子电池的在线自动检测设备已经相继问世。但是对叠片电池的检测算法和设备还没有成熟的技术。
对叠片电池的检测算法设计和整个电池检测算法系统的实时性、通用性仍然是锂电检测行业倍受国内外关注的焦点问题。目前,大部分算法的鲁棒性、精度、和实时性之间的矛盾依然比较突出。
发明内容
本发明的目的在于,针对上述问题,提出一种叠片锂离子电池的检测方法,以实现在考虑系统鲁棒性和实时性的前提下,适用于叠片锂离子电池检测的优点。
为实现上述目的,本发明采用的技术方案是:
一种叠片锂离子电池的检测方法,包括以下步骤:
步骤1、通过统计叠片电池灰度图像每一行在水平方向的方差,对统计结果进行域值处理确定测算的特征区域;
步骤2、对上述确定的特征区域图像进行角点检测,计算图像每一点的相似度,并计算方向变化强度,根据该方向变化强度设定阈值过滤图像角点位置,即角点检测;
步骤3、通过统计上述角点在水平方向的最大出现概率来进行对角点进行分类;
步骤4、确定正负极角点出现概率最大的位置后,以最大位置为参考点,对正负极片角点进行筛选,筛选后进行三次立方拟合,拟合时对空缺较大位置进行补偿处理。
根据本发明的优选实施例,上述步骤2角点检测中每一点的相似度:
在计算方向变化强度的时候使用sobel滤波器:即
本发明的技术方案具有以下有益效果:
本发明的技术方案,基于数字图像处理和计算机的相关理论,提出一种锂离子电池重要性能参数的X_Ray图像检测方法。从锂离子电池的X_Ray图像的特征入手,研究影响锂离子电池安全性的重要特性及参数以及这些特性参数在X_Ray图像中的表现,改进前期锂离子电池检测算法的时间复杂度和精度。从而提高叠片锂离子检测效率和精度。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1a和图1b为现有锂离子卷绕电池内部结构示意图;
图2为本发明实施例所述的锂离子叠片电池图像;
图3为本发明实施例所述的叠片电池角点位置标记示意图;
图4为本发明实施例所述的角点正负极片分类示意图;
图5为本发明实施例所述的叠片电池正负极切线图;
图6为本发明实施例所述的叠片锂离子电池的检测方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图6所示,
一种叠片锂离子电池的检测方法,包括以下步骤:
步骤101、通过统计叠片电池灰度图像每一行在水平方向的方差,对统计结果进行域值处理确定测算的特征区域;
步骤102、对上述确定的特征区域图像进行角点检测,计算图像每一点的相似度,并计算方向变化强度,根据该方向变化强度设定阈值过滤图像角点位置,即角点检测;
步骤103、通过统计上述角点在水平方向的最大出现概率来进行对角点进行分类;
步骤104、确定正负极角点出现概率最大的位置后,以最大位置为参考点,对正负极片角点进行筛选,筛选后进行三次立方拟合,拟合时对空缺较大位置进行补偿处理。
1)特征区域确定
叠片电池一般情况下由于其体积较大而造成电极部分图像和和背景灰度差值较小,所以采用阈值化后投影的方式偏差较大。考虑到负极部分的图像灰度分布较其它部分图像在水平方向起伏较大这一特点。本技术方案通过统计图像每一行在水平方向的方差,对统计结果进行域值处理来确定负极所在位置来确定测算的特征区域。
2)角点检测
确定好图像特征区域后,对特征区域图像进行角点检测,计算图像每一点的相似度:
定义为:统计像素点(u,v)平移(x,y)后,各位置灰度变化差值加权平方和,即代表点(u,v)和点(u+x,v+y)的相似程度。其中wu,v为不同位置的加权系数,Ix+u,y+v表示点(u+x,v+y)的灰度值,Iu,v表示点(u,v)的灰度值。
在计算方向变化强度的时候使用sobel滤波器:即
其定义为(u,v)点的梯度,其中为x方向上的偏导数,表示Iu+1,y-Iu,y即在(u+1,v)点与(u,v)点灰度差值,同理表示y方向上的偏导数。
根据该方向变化强度设定阈值过滤图像角点位置。图3为对图2的叠片电池的角点在原始图上的标记。
sobel滤波器,中的sobel算子主要用作边缘检测。在技术上,它是一离散性差分算子,用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子,将会产生对应的梯度矢量或是其法矢量。
3)角点分类
由于对片电池中部分极片的弯曲和偏转,导致图3中有部分负极片的角点没有检测到和少部分正极片角点位置错误,同时也有正极片和负极片角点混杂的现像。所以需要对检测出的角点进行分组,以分隔正负极片。通过统计角点在水平方向的最大出现概率来进行分隔。初步分隔的结果如图4所示。
4)正负极角点筛选拟合及补偿
通过步骤3分隔后,初步确定了正负极角点出现概率最大的位置后,以最大位置为参考点。对正负极片角点进行筛选,筛选后进行三次立方拟合。拟合时需要对空缺较大位置进行补偿处理。图5所示为经过筛选、拟合及补偿处理后正负极曲线图及负极片最小和最大距离位置。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种叠片锂离子电池的检测方法,其特征在于,包括以下步骤:
步骤1、通过统计叠片电池灰度图像每一行在水平方向的方差,对统计结果进行域值处理确定测算的特征区域;
步骤2、对上述确定的特征区域图像进行角点检测,计算图像每一点的相似度,并计算方向变化强度,根据该方向变化强度设定阈值过滤图像角点位置,即角点检测;
步骤3、通过统计上述角点在水平方向的最大出现概率来进行对角点进行分类;
步骤4、确定正负极角点出现概率最大的位置后,以最大位置为参考点,对正负极片角点进行筛选,筛选后进行三次立方拟合,拟合时对空缺较大位置进行补偿处理。
2.根据权利要求1所述的叠片锂离子电池的检测方法,其特征在于,上述步骤2角点检测中每一点的相似度:
其中wu,v为不同位置的加权系数,Ix+u,y+v表示点(u+x,v+y)的灰度值,Iu,v表示点(u,v)的灰度值。
在计算方向变化强度的时候使用sobel滤波器:即
其中为x方向上的偏导数,表示Iu+1,y-Iu,y即在(u+1,v)点与(u,v)点灰度差值,同理表示y方向上的偏导数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410188995.9A CN104091322B (zh) | 2014-05-06 | 2014-05-06 | 叠片锂离子电池的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410188995.9A CN104091322B (zh) | 2014-05-06 | 2014-05-06 | 叠片锂离子电池的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104091322A true CN104091322A (zh) | 2014-10-08 |
CN104091322B CN104091322B (zh) | 2017-06-16 |
Family
ID=51639037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410188995.9A Active CN104091322B (zh) | 2014-05-06 | 2014-05-06 | 叠片锂离子电池的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104091322B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127793A (zh) * | 2016-07-29 | 2016-11-16 | 广东正业科技股份有限公司 | 一种电池阴阳电极轮廓的提取方法 |
CN108511810A (zh) * | 2018-02-02 | 2018-09-07 | 深圳前海优容科技有限公司 | 一种叠片定位设备及叠片定位方法 |
WO2019148435A1 (zh) * | 2018-02-01 | 2019-08-08 | 深圳前海优容科技有限公司 | 一种电池极片检测设备、系统、叠片机及方法 |
CN110222679A (zh) * | 2019-05-10 | 2019-09-10 | 惠州市德赛电池有限公司 | 一种基于深度学习的通用型电池极性自动检测方法 |
CN112465814A (zh) * | 2020-12-17 | 2021-03-09 | 无锡日联科技股份有限公司 | 基于深度学习的电池overhang的计算方法和装置 |
CN113313677A (zh) * | 2021-05-17 | 2021-08-27 | 武汉工程大学 | 一种卷绕锂电池x光图像的质量检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251368A (zh) * | 2008-03-26 | 2008-08-27 | 浙江大学 | 基于图像识别的轮毂安装孔形位参数的检测方法 |
CN101667287A (zh) * | 2008-09-02 | 2010-03-10 | 新奥特(北京)视频技术有限公司 | 一种标志图像中标志最外边框角点检测方法 |
CN101887586A (zh) * | 2010-07-30 | 2010-11-17 | 上海交通大学 | 基于图像轮廓尖锐度的自适应角点检测方法 |
CN102809575A (zh) * | 2012-08-16 | 2012-12-05 | 无锡日联科技有限公司 | 锂电池全方位X-Ray在线检测系统 |
CN103177439A (zh) * | 2012-11-26 | 2013-06-26 | 惠州华阳通用电子有限公司 | 一种基于黑白格角点匹配的自动标定方法 |
-
2014
- 2014-05-06 CN CN201410188995.9A patent/CN104091322B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251368A (zh) * | 2008-03-26 | 2008-08-27 | 浙江大学 | 基于图像识别的轮毂安装孔形位参数的检测方法 |
CN101667287A (zh) * | 2008-09-02 | 2010-03-10 | 新奥特(北京)视频技术有限公司 | 一种标志图像中标志最外边框角点检测方法 |
CN101887586A (zh) * | 2010-07-30 | 2010-11-17 | 上海交通大学 | 基于图像轮廓尖锐度的自适应角点检测方法 |
CN102809575A (zh) * | 2012-08-16 | 2012-12-05 | 无锡日联科技有限公司 | 锂电池全方位X-Ray在线检测系统 |
CN103177439A (zh) * | 2012-11-26 | 2013-06-26 | 惠州华阳通用电子有限公司 | 一种基于黑白格角点匹配的自动标定方法 |
Non-Patent Citations (4)
Title |
---|
NITIN SINGHAL 等: "IMPLEMENTATION AND OPTIMIZATION OF IMAGE PROCESSING ALGORITHMS ON HANDHELD GPU", 《IMAGE PROCESSING》 * |
刘燕德 等: "无损光电检测技术原理及应用", 《华东交通大学学报》 * |
王崴 等: "一种改进的Harris角点提取算法", 《光学精密工程》 * |
蔡杰 等: "电池阴阳极X 射线自动检测装置的算法设计", 《辽东学院学报(自然科学版)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127793A (zh) * | 2016-07-29 | 2016-11-16 | 广东正业科技股份有限公司 | 一种电池阴阳电极轮廓的提取方法 |
CN106127793B (zh) * | 2016-07-29 | 2019-07-09 | 广东正业科技股份有限公司 | 一种电池阴阳电极轮廓的提取方法 |
WO2019148435A1 (zh) * | 2018-02-01 | 2019-08-08 | 深圳前海优容科技有限公司 | 一种电池极片检测设备、系统、叠片机及方法 |
CN108511810A (zh) * | 2018-02-02 | 2018-09-07 | 深圳前海优容科技有限公司 | 一种叠片定位设备及叠片定位方法 |
CN108511810B (zh) * | 2018-02-02 | 2023-11-03 | 深圳前海优容科技有限公司 | 一种叠片定位设备及叠片定位方法 |
CN110222679A (zh) * | 2019-05-10 | 2019-09-10 | 惠州市德赛电池有限公司 | 一种基于深度学习的通用型电池极性自动检测方法 |
CN112465814A (zh) * | 2020-12-17 | 2021-03-09 | 无锡日联科技股份有限公司 | 基于深度学习的电池overhang的计算方法和装置 |
CN113313677A (zh) * | 2021-05-17 | 2021-08-27 | 武汉工程大学 | 一种卷绕锂电池x光图像的质量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104091322B (zh) | 2017-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104091322A (zh) | 叠片锂离子电池的检测方法 | |
Siegel et al. | Expansion of lithium ion pouch cell batteries: Observations from neutron imaging | |
CN110376530B (zh) | 电池内短路检测装置及方法 | |
CN102818998B (zh) | 一种锂离子动力电池析锂的检测方法 | |
CN109613000B (zh) | 锂电池涂布缺陷检测方法、系统、设备及存储介质 | |
CN104614632B (zh) | 一种电池微短路的识别方法 | |
Adou et al. | Insulator faults detection based on deep learning | |
CN104091977B (zh) | 卷绕锂离子电池的检测方法 | |
CN113378743A (zh) | 极耳检测方法、装置及电子设备 | |
CN105006589A (zh) | 一种锂离子电池的回收方法 | |
CN117280513A (zh) | 电池极片绝缘涂层缺陷的检测方法、装置和计算机设备 | |
CN108051750A (zh) | 电动汽车电池安全监控系统 | |
CN111024008A (zh) | 一种叠片型储能器件的错位尺寸的检测方法及检测装置 | |
CN114463257A (zh) | 一种基于深度学习的电力设备红外图像检测方法及系统 | |
CN114942386A (zh) | 一种动力电池故障在线检测方法及系统 | |
CN106289020B (zh) | 一种检测锂离子电池极耳弯折的方法 | |
CN117173100B (zh) | 聚合物锂离子电池生产控制系统及其方法 | |
CN106091999B (zh) | 一种极片错位的检测方法和装置 | |
CN104375087A (zh) | 一种动力电池组安全性的评价方法 | |
Zhang et al. | A real-time method for detecting bottom defects of lithium batteries based on an improved YOLOv5 model | |
CN111091533B (zh) | 一种基于改进ssd算法的电池片el缺陷检测方法 | |
CN115830516A (zh) | 一种用于电池爆燃检测的计算机神经网络图像处理方法 | |
US20220216700A1 (en) | Methods and systems for detecting faulty behavior in a battery | |
CN109709491A (zh) | 问题电芯的判别方法 | |
Ni et al. | Real-time vehicle detection and computer intelligent recognition through improved YOLOv4 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |