CN113313677A - 一种卷绕锂电池x光图像的质量检测方法 - Google Patents

Abstract

本发明属于图像处理领域，涉及一种卷绕锂电池X光图像的质量检测方法。首先获取锂电池的X光图像，通过分水岭算法截取图像中感兴趣区域，并对感兴趣区域进行旋转校正；其次，针对锂电池负极直线区域难以分割的问题，设计水平方向梯度模板提取正极边界，截取锂电池负极直线部分；之后，利用多尺度视网膜增强算法和扩大差分模板提取负极直线；最后，对提取出的负极直线进行水平投影获取直线竖坐标，根据正极梯度和提取的负极直线获取正负极端点坐标，进而获取锂电池正负极距离。本发明能准确快速的检测出锂电池正负极间的距离，判断电池质量，满足工业要求，且抗干扰能力强，鲁棒性好，能实现复杂环境下的X光锂电池正负极距离实时检测。

Description

一种卷绕锂电池X光图像的质量检测方法

技术领域

本发明属于图像处理领域，具体涉及一种卷绕锂电池X光图像的质量检测方法。

背景技术

随着时代的发展，生态环境的污染问题得到广泛关注。锂电池作为一种新型能源，具有污染小、体积小和使用寿命长等特点，是国内外动力电池发展和应用的一大趋势。电芯是锂电池中最重要的组成部分，其主要由正极片、负极片和隔膜组成，电芯的质量与正负极片间的距离密切相关，正负极片间的距离过长或过短都会造成电芯质量出现缺陷，其缺陷会严重影响电池使用寿命以及造成极大的安全隐患。

在电池电芯的检测方面，传统工业上采用的是抽样检测方式，通过人工的方法进行检测，不仅严重损害工人视力，同时也会导致检测效率低，误检率高。目前对锂电池的自动化检测大多是极片缺陷检测，如对极片压痕、破损、气泡等的检测，对正负极距离的检测较少。

此外，有的锂电池层级较多，极片之间重叠交错，同时受生成X光图像的机器影响，导致得到的锂电池X光图像整体偏暗，当极片层级较多时会产生遮挡现象，在对电池无损伤的情况下，准确且有效的对电极标记和测量是电池质量检测中的关键环节之一。

发明内容

本发明的目的是克服现有技术的不足，提供一种卷绕锂电池X光图像的质量检测方法，通过测量锂电池正负电极之间的距离来判断电池质量，达到实时准确检测的目的。

为解决上述技术问题，本发明所采用的技术方案如下：

一种卷绕锂电池X光图像的质量检测方法，包括以下步骤：

S1、获取锂电池X光图像；

S2、采用分水岭算法获取X光图像锂电池ROI区域；

S3、使用伽马变换对图像灰度值进行调整，利用梯度检测模板提取正极边界梯度，并根据正极边界梯度生成负极直线区域掩模；

S4、使用多尺度Retinex算法对图像进行增强，使用扩大差分算法提取负极直线梯度图；

S5、对提取出的直线梯度图进行阈值处理，使用形态学开操作去噪，进行水平方向投影，根据投影值大小获取直线的竖坐标；

S6、根据直线竖坐标、正极边缘和直线梯度图获取正负极端点位置以及正负极之间的距离。

优选地，步骤S1通过X光机采集锂电池获取锂电池X光图像。

优选地，步骤S2在分水岭算法中融入均值漂移滤波，将灰度值相近的元素进行聚类，将锂电池从背景图中分割出来。

优选地，步骤S3伽马变换的公式为：

其中，f(x,y)为输入图像像素值，F(x,y)为输出图像像素值，γ是伽马变换因子，控制图像增强强度。

优选地，步骤S3采用水平方向梯度算子检测正极边界，梯度检测模板为：

优选地，步骤S4使用三个尺度的Retinex算法进行图像增强，使用高斯滤波和原图进行卷积运算估算出照射分量。

优选地，步骤S4扩大差分算法为竖直方向梯度检测算子，其卷积为：

优选地，步骤S5对直线进行水平方向投影，在竖直方向查找局部最大值，局部最大值的所在的位置即为直线竖坐标。

优选地，步骤S6根据直线的竖坐标与获取的正极边界得到正极端点坐标，与获取的直线梯度得到负极端点坐标，同时计算出正负极之间的距离。

优选地，该方法还包括步骤：

S7、根据标准判断正负极之间的距离是否合格，给出检测结果，并自动进入下一个电池的质量检测。

本发明的有益效果为：

本发明适用于复杂背景下的X光锂电池正负极距离检测，通过对图像进行增强、梯度边缘提取和水平投影等方法准确的获取正负极端点坐标，从而根据两极之间的距离判定电池是否符合标准。本发明抗干扰能力强，鲁棒性好，能实现复杂环境下的X光锂电池正负极距离实时检测。

附图说明

图1是本发明的卷绕锂电池X光图像的质量检测方法流程图。

图2是本发明实施例提取出的锂电池正极边界图。

图3是本发明实施例提取出的锂电池直线梯度图。

图4是本发明对提取出的直线梯度图进行水平方向投影图。

图5是本发明对锂电池正负极端点进行标记图。

具体实施方式

下面将结合附图对本发明作进一步的说明：

针对锂电池正负极缺陷造成严重的安全事故，本发明提出一种锂电池正负极距离缺陷检测方法。首先获取锂电池的X光图像，通过分水岭算法截取图像中感兴趣区域，并对感兴趣区域进行旋转校正。其次，针对锂电池负极直线区域难以分割的问题，设计水平方向梯度模板提取正极边界，截取锂电池负极直线部分。之后，利用多尺度视网膜增强算法和扩大差分模板提取负极直线。最后对提取出的负极直线进行水平投影获取直线竖坐标，根据正极梯度和提取的负极直线获取正负极端点坐标，进而获取锂电池正负极距离。本发明能准确快速的检测出锂电池正负极间的距离，判断电池质量，满足工业要求。

本发明实施例的卷绕锂电池X光图像的质量检测方法，如图1所示，按照以下方式进行：

S1、通过X光机采集锂电池X光图像；

S2、为了后续对锂电池进行统一处理，同时也为了避免背景的干扰，在进行检测前需要提取锂电池的ROI(感兴趣区域)区域，采用均值漂移滤波和分水岭算法，将灰度值相近的元素进行聚类，之后将锂电池从背景图中分割出来，然后进行旋转校正。

S3、为了得到更好边界提取效果，在边缘检测之前，对图像进行伽马变换，提高边界的对比度。伽马变换是一种非线性的变换，是将部分灰度区域映射到更宽或更窄的区域以达到增强的效果，其公式如下：

式中:f(x,y)为输入图像像素值，F(x,y)为输出图像像素值，γ为伽马因子，控制图像增强强度，γ＜1时，用于扩展图像低灰度部分，γ＞1时用于扩展图像高灰度部分，通过不同的γ值，就可以达到增强低灰度或高灰度部分细节的作用。在本实施例中γ值取0.5，其伽马变换结果图如图2中左图所示，其中使用白色椭圆标记的为正极边界。

使用伽马变换之后，进行正极边界提取。受传统边缘检测算法的启发，本发明根据锂电池图像特点，提出一种水平方向边缘检测模板。从锂电池图像可以分析出，正极和负极边界位置左侧图像比右边图像较暗，故模板右侧像素累加和比模板左侧像素累加和要大，根据差分的思想，使用的模板如下所示：

该模板大小为3x13，每一行可以看作右侧连续6个像素和减去左侧连续6个像素和，将该模板与图像进行卷积运算，提取图像的正极边界梯度，并根据正极边界制作阴极掩模，其提取出的正极边界图如图2中右图所示。

S4、使用多尺度Retinex算法对图像进行增强，提高直线之间的对比度，使用扩大差分算法提取负极直线梯度图。一幅图像可以用目标反射函数和环境亮度函数的乘积表示，其表达式为：

I(x,y)＝R(x,y)·L(x,y)

其中，I(x,y)表示机器采集的图像；R(x,y)为反射分量，代表图像内在的属性信息；L(x,y)为照射分量，使用Retinex理论进行图像增强的目的，主要是从获取到的原始图像分量I中估计出L分量，通过去除L分量进而得到R分量，在视觉上表现为去除了光照不匀的影响。对上式两边取对数，将其转换到对数域可得：

lgI(x,y)＝lgR(x,y)+lgL(x,y)

为了得到反射分量R，使用高斯滤波和原图进行卷积运算估算出照射分量L，单尺度Retinex可表示为：

r(x,y)＝lgR(x,y)＝lgI(x,y)-lg[F(x,y)*I(x,y)]

其中，r(x,y)为取对数后物体原本的色彩，*表示卷积运算，F(x,y)为高斯滤波器的中心环绕函数函数，F(x,y)的表达式可为：

其中：c是高斯环绕尺度常量，控制选取的领域范围，λ为归一化常数，使F(x,y)对x和y进行二维积分后满足∫∫F(x,y)d_xd_y＝1。

多尺度Retinex算法是在单尺度的基础上发展而来，使用多个不同单尺度的Retinex进行线性加权,其表达式为

其中，

i表示颜色通道，i＝1,…,n，n表示通道个数。常采用3种不同单尺度Retinex结果加权后进行输出。

由于锂电池层级较多，层与层之间相互叠加，导致越到底部的直线梯度变化越不明显，使用传统的边缘检测算法效果较差。根据直线水平且直线间的像素值比直线上的像素值大的特点，本发明提出一种扩大差分方法，来对竖直方向边缘进行检测，其模板如下式所示：

该模板大小为5x5，使用该模板与图像进行卷积运算提取图像竖直方向梯度，其提取出的直线梯度图如图3所示。

S5、对提取出的直线梯度图进行阈值处理，通过形态学开操作去除噪点，进行水平方向投影，通过逐行像素值进行累加，直线区域累加后值较大，非直线区域累加后值较小，根据水平投影结果，非直线区域的噪声形成的投影值较小，图4为直线水平方向投影图，采用阈值法去掉非直线区域的噪声干扰，局部最大值所在的竖坐标进即为直线的竖坐标。

S6、正极端点位于负极端点之间，根据步骤S5中获取的直线竖坐标可以得到正极端点的竖坐标，然后根据步骤S3中的正极边界获取正极端点坐标，根据步骤S4中的直线梯度图获取负极端点坐标，图5为正负极端点在锂电池上的标记图。

S7、根据步骤S6中得到的正负极端点坐标，计算正负极之间的距离，根据标准判断正负极之间的距离是否合格，给出检测结果，并自动进入下一个电池的质量检测。检测得到的所有正负极之间的距离在设定范围内，电池判定为合格，否则为异常电池。

本领域的技术人员容易理解，以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种卷绕锂电池X光图像的质量检测方法，其特征在于，包括以下步骤：

S1、获取锂电池X光图像；

S2、采用分水岭算法获取X光图像锂电池ROI区域；

S3、使用伽马变换对图像灰度值进行调整，利用梯度检测模板提取正极边界梯度，并根据正极边界梯度生成负极直线区域掩模；

S4、使用多尺度Retinex算法对图像进行增强，使用扩大差分算法提取负极直线梯度图；

S5、对提取出的直线梯度图进行阈值处理，使用形态学开操作去噪，进行水平方向投影，根据投影值大小获取直线的竖坐标；

S6、根据直线竖坐标、正极边缘和直线梯度图获取正负极端点位置以及正负极之间的距离。

2.根据权利要求1所述的卷绕锂电池X光图像的质量检测方法，其特征在于，步骤S1通过X光机采集锂电池获取锂电池X光图像。

3.根据权利要求1所述的卷绕锂电池X光图像的质量检测方法，其特征在于，步骤S2在分水岭算法中融入均值漂移滤波，将灰度值相近的元素进行聚类，将锂电池从背景图中分割出来。

4.根据权利要求1所述的卷绕锂电池X光图像的质量检测方法，其特征在于，步骤S3伽马变换的公式为：

其中，f(x,y)为输入图像像素值，F(x,y)为输出图像像素值，γ是伽马变换因子，控制图像增强强度。

5.根据权利要求1所述的卷绕锂电池X光图像的质量检测方法，其特征在于，步骤S3采用水平方向梯度算子检测正极边界，梯度检测模板为：

6.根据权利要求1所述的卷绕锂电池X光图像的质量检测方法，其特征在于，步骤S4使用三个尺度的Retinex算法进行图像增强，使用高斯滤波和原图进行卷积运算估算出照射分量。

7.根据权利要求1所述的卷绕锂电池X光图像的质量检测方法，其特征在于，步骤S4扩大差分算法为竖直方向梯度检测算子，其卷积为：

8.根据权利要求1所述的卷绕锂电池X光图像的质量检测方法，其特征在于，步骤S5对直线进行水平方向投影，在竖直方向查找局部最大值，局部最大值的所在的位置即为直线竖坐标。

9.根据权利要求1所述的卷绕锂电池X光图像的质量检测方法，其特征在于，步骤S6根据直线的竖坐标与获取的正极边界得到正极端点坐标，与获取的直线梯度得到负极端点坐标，同时计算出正负极之间的距离。

10.根据权利要求1所述的卷绕锂电池X光图像的质量检测方法，其特征在于，该方法还包括步骤：

S7、根据标准判断正负极之间的距离是否合格，给出检测结果，并自动进入下一个电池的质量检测。

Images