CN115641329B - 一种锂电池隔膜缺陷检测方法及系统 - Google Patents

Abstract

本发明涉及机器视觉处理技术领域，提出了锂电池隔膜缺陷检测方法及系统，包括：获取锂电池隔膜的隔膜图像，得到隔膜灰度图像，获取隔膜灰度图像上所有存在灰度梯度的边缘线；获取隔膜灰度图像的灰度直方图，得到拟合曲线，根据拟合曲线得到隔膜灰度图像中的局部密度可达范围，完成初次可选范围收敛；获得每条边缘线上所有边缘像素点的梯度方向的反方向及延伸方向，得到第一匹配因子和第二匹配因子；根据第一匹配因子和第二匹配因子得到任意两条边缘线之间的差异度，并筛选完成的疑似缺陷边缘线；根据疑似缺陷边缘线获得完整刚性缺陷区域。本发明相比传统非极大值抑制算法而言，更为灵活，贴合刚性缺陷本质，进而使缺陷检测结果更为准确。

Description

一种锂电池隔膜缺陷检测方法及系统

技术领域

本发明涉及机器视觉领域，具体涉及一种锂电池隔膜缺陷检测方法及系统。

背景技术

在锂电池的结构中，隔膜是关键的内层组件之一。随着锂电池行业的迅猛发展，隔膜供应需求与质量需求快速增长，而隔膜在生产时不可避免地会有一些缺陷，比如破膜、刮伤、漏涂、异物、孔洞等问题。电池隔膜如果存在缺陷，将直接影响锂电池的容量、循环能力以及安全性能等特性。

传统的人工检测方法速度慢、精度低、一致性差、易疲劳。而机器视觉技术具有极高的检测效率、检测精度和超强稳定性，结合AI所具有的“智能化”特性，可大大提高检测效率、提升产品质量、节省成本。而传统智能检测系统所用的大津阈值算法和非极大值抑制方法受到检测目标面积以及内部灰度差异的影响，使目标分割结果的误差较大，无法获取准确的缺陷大小、形状、趋势等参数，进而也限制了缺陷形成原因分析的可靠性。

发明内容

本发明提供一种锂电池隔膜缺陷检测方法及系统，以解决现有的传统检测受限制较大，无法精确获得缺陷形状的问题，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种锂电池隔膜缺陷检测方法，该方法包括以下步骤：

获取锂电池隔膜灰度图像上的边缘线；

根据隔膜灰度图像的灰度直方图上所有灰度级的像素点数量和主峰所在区域的像素点数量得到隔膜灰度图像中的局部密度可达范围；

以局部密度可达范围的大小作为圆形搜索框，任意像素点为中心在隔膜灰度图像上遍历，获取初次可选范围，得到缺陷所在区域；

获得隔膜灰度图像缺陷所在区域中每条边缘线上每个像素点梯度方向的反方向，将所有边缘像素点梯度方向反方向上相邻像素点的灰度值进行累加求均值得到每条边缘线的第一匹配因子；

根据每条边缘线上的所有像素点与其相邻边缘像素点的斜率获得该边缘线在该像素点处的延伸方向，将每条边缘线上所有像素点延伸方向的累加均值作为每条边缘线的第二匹配因子；

根据任意两条边缘线的第一匹配因子和第二匹配因子得到任意两条边缘线之间的差异度，根据所有边缘线之间的差异度大小得到筛选完成的疑似缺陷边缘线；

对所有疑似边缘线进行端点拟合，得到完全破损、未完全破损区域并存的完整刚性缺陷区域。

优选的，所述根据隔膜灰度图像的灰度直方图上所有灰度级的像素点数量和主峰所在区域的像素点数量得到隔膜灰度图像中的局部密度可达范围的步骤为：

根据灰度直方图的拟合曲线得到曲线中所有的极值点，根据极值点之间像素点数量确定主峰的位置；

根据所得到的主峰计算图像上的局部密度可达范围公式如下：

其中，

代表第n个灰度级，

则代表整个直方图的高斯拟合曲线，

为主峰左侧极小值的灰度级，

为主峰右侧极小值的灰度级，

表示图像上的局部密度可达范围

优选的，所述得到每条边缘线的第一匹配因子的步骤为：

获取每条边缘线上所有边缘像素点的竖直方向和水平方向上的梯度分量，得到竖直方向和水平方向梯度分量的比值，比值的反正切函数即是该边缘像素点的梯度方向，将该梯度方向角度旋转180度得到该像素点梯度方向的反方向，获取每个像素点在该反方向上的相邻像素点的灰度值，计算每条边缘线上所有像素点在该反方向上的相邻像素点的灰度值的累加均值表示每条边缘线的第一匹配因子。

优选的，所述每条边缘线上所有像素点延伸方向的累加均值作为每条边缘线的第二匹配因子的计算方法为：

其中，式中

表示第v条边缘上第i个边缘像素点的纵坐标，

表示第v条边缘上第i-1个边缘像素点的纵坐标，

表示第v条边缘上第i个边缘像素点的横坐标，

表示第v条边缘上第i-1个边缘像素点的横坐标，

代表第v条边缘上的所有边缘像素点数量，

表示第v条边缘线的第二匹配因子

优选的，所述根据所有边缘线之间的差异度大小得到筛选完成的疑似缺陷边缘线的方法为：

对于所有边缘线中任意两个边缘线的差异度不大于第一预设阈值时，将两条边缘视为匹配的边缘，获取所有的匹配边缘，如果一个边缘至少具有一条匹配边缘时将该边缘保留，当一个边缘没有匹配边缘时将该边缘去除，所有保留下来边缘作为疑似缺陷边缘线。

优选的，所述根据任意两条边缘线的第一匹配因子和第二匹配因子得到任意两条边缘线之间的差异度的获取方法为：

其中，a，b代表任意两条边缘线，

表示a边缘线的第一匹配因子，

表示b边缘线的第一匹配因子，

表示a边缘线的第二匹配因子，

表示b边缘线的第二匹配因子，

表示a，b两条线之间的差异度大小。

第二方面，本发明另一个实施例提供了一种锂电池隔膜缺陷检测系统，该系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

本发明的有益效果是：本发明提出传统阈值检测算法并不适用于锂电池隔膜上的刮伤、割裂等刚性损伤缺陷，因为其面积较小、且内部灰度不均匀，无法获取最优阈值进行有效分割，因此我们通过梯度边缘筛选的方式，直方图设置局部密度可达范围进行首次筛选，根据边缘线匹配因子的边缘匹配数量进行二次筛选，最终保留可拟合为闭合区域的边缘线完成最终筛选，相较于任何阈值分割算法，本发明所分割出的刚性损伤缺陷都更完整，不会被单一阈值所限制，也不存在多阈值分割的阈值选取较难问题，其次在抑制伪边缘时，相比传统非极大值抑制算法而言，更为灵活，贴合刚性缺陷本质，进而使缺陷检测结果更为准确。

在使用sobel算子所检测出多个断断续续的边缘线时，其中包含缺陷部分的边缘线与背景、缺陷内部离散的边缘线，第一匹配因子为边缘梯度相反方向相邻像素点的灰度值，而缺陷两侧的边缘线所计算出的第一匹配因子必然具有相同、相近的特征；且锂电池隔膜上的缺陷几乎均为刚性损伤缺陷，因此缺陷两侧具有相同的延伸趋势，即以其延伸趋势作为第二匹配因子。离散边缘不存在与其具有同步趋势的匹配边缘，因此若某一条边缘线具有与其匹配的其他边缘线，则认为该条边缘线不属于离散边缘线。在缺陷阈值未知的情况下，通过对伪边缘的匹配度计算，来代替原本非极大值抑制的方式，去除伪边缘，再次收敛了缺陷边缘的选择范围。舍弃大津阈值分割缺陷的方式，通过刚性缺陷边缘特征匹配来代替非极大值抑制，匹配关系排除伪边缘干扰，得到更加准确的缺陷边缘结果，避免了传统的阈值分割缺陷的方式，通过刚性缺陷边缘特征匹配来代替非极大值抑制，逐步筛选缺陷边缘，得到完全破损、未完全破损区域并存的完整刚性缺陷区域。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一个实施例所提供一种锂电池隔膜缺陷检测方法及系统的流程示意图。

实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明一个实施例提供的一种锂电池隔膜缺陷检测方法流程图，该方法包括以下步骤：

步骤S001、获取锂电池隔膜图像。

在生产线正上方安装频闪相机，并设置采样间隔对辊轴上传送的锂电池隔膜进行拍摄采样，采样间隔根据辊轴传送速度而定，相邻帧采样无缝衔接，保证每一个单位面积的隔膜都能被拍摄到。为了方便识别且提高图像处理算法的运算速度，我们将采集的图像进行灰度化处理。

步骤S002、通过灰度直方图设置局部密度可达范围进行初次筛选范围收敛，得到初次筛选缺陷区域。

由于传统缺陷智能识别系统均通过最大类间方差算法（大津法）设置缺陷阈值来识别隔膜上的异常缺陷，但当图像中的目标与背景的面积相差很大时，表现为直方图没有明显的双峰，或者两个峰的大小相差很大，大津阈值的分割效果不佳。且大津阈值仅适用于内部灰度均匀的缺陷，而例如锂电池隔膜上的刮伤、割裂等刚性损伤缺陷除了完全破损的部分，还有未完全破损部分，即已刮伤但隔膜未完全分离，该部分对于缺陷延伸方向以及形成原因的分析具有重要意义，但其相较于完全破损部分灰度值较弱，因此输出的大津阈值经常会忽视未完全破损部分，导致缺陷的分割不完整。对于所述隔膜缺陷面积较小、且缺陷内部灰度不均匀时，无论通过单一阈值还是多阈值均无法达到预期的分割效果。

首先利用sobel算子获取图像上所有存在灰度梯度的边缘线，使用sobel算子对锂电池隔膜进行梯度检测，其原理为利用2个卷积核分别对像素点水平方向和竖直方向进行卷积得到两个梯度分量，两个分量的欧式范数作为近似梯度幅值，得到每个像素点的近似梯度大小以及梯度方向。因为sobel算子是一个粗精度的梯度检测算法，只要图像中存在灰度差异的区域均可以识别出梯度信息，因此所检测出的边缘线并不连续，且会产生部分伪边缘，但其并不是基于阈值进行目标区域检测，所以锂电池隔膜上完全破损区域的边缘以及未完全破损区域的边缘、以及所有背景上离散的边缘线均可以被检测到。

利用sobel算子所检测的每个边缘，其梯度值已知为水平方向和竖直方向梯度分量的欧式范数，梯度方向则为对竖直方向梯度分量与水平方向梯度分量的比值进行arctan函数计算，得到梯度方向。我们知道实际拍摄的锂电池隔膜图像中，灰度的分布并不是只有缺陷或者背景两个灰度级，其各自均由一定数量的相似灰度级组成，因此sobel算子所检测的边缘梯度方向，为该边缘像素点所有方向上梯度值最大的一个方向。

获取图像上所有存在灰度梯度的边缘线后，由于sobel算子检测的边缘线是断断续续的局部边缘，且不根据边缘强弱进行非极大值抑制的情况下，我们无法直接获取缺陷边缘，仍需要在粗分割的基础上再进一步筛选出真实的缺陷边缘。

进一步的，缺陷部分的粗分割边缘线在图像上必然最为密集，可以通过密度聚类的方式来框选缺陷所在的大概区域，获取整张图像的灰度直方图，横轴为0-255个灰度级，纵轴则为每个灰度级上像素点的分布数量。由于缺陷部分与隔膜背景存在较明显的灰度差异，因此其灰度直方图必然至少存在一个主峰，考虑到缺陷的面积可能较大也可能较小，因此我们无法确定每一张缺陷图像的灰度直方图是否为双峰，但首先可以排除主峰部分，即原图像背景区域上的冗余计算。

对灰度直方图使用最小二乘法进行拟合，得到灰度直方图的拟合曲线，灰度直方图最小二乘法拟合为基本手段，不做展开说明，拟合后的曲线记为

。之后得到曲线中所有的极值点，在极值点中得到所有的极小值点，获取相邻极小值点之间的所有灰度级，获取这些灰度级对应的像素点数量，其中像素点数量最多的一项就是主峰。直方图中的主峰部分必然为锂电池隔膜背景区域，缺陷区域的灰度级则分布在为主峰外其他灰度级之中，而非主峰部分的像素点总数量（像素点数量即图像上的像素面积，两者计量方式相同）可以作为原图像上计算局部密度的可达范围，即在该可达范围内，边缘线数量最多的一个区域，则为缺陷所在的大概区域因此：

公式中

代表第n个灰度级，

则代表整个直方图的高斯拟合曲线，

为主峰左侧极小值的灰度级，

为主峰右侧极小值的灰度级，

则为整个灰度直方图定积分减去主峰部分的定积分，得到非主峰部分的定积分结果，定积分也代表非主峰部分的总像素数量，以该值作为图像上的局部密度可达范围面积S。

计算可达范围面积S使用上述方法是为了让筛选范围进一步缩小点，由于实际图像的直方图可能形状差异较大，不容易确定峰值、谷值位置，而拟合曲线可以通过求导结果以及相邻曲线变化趋势来准确判断峰值、谷值位置，对于后续的计算更加精确。

对于得到的局部密度可达范围面积S，在灰度图像中得到一个面积为S的圆形滑窗，该滑窗以任意像素点为中心在图像中遍历，此时，若

值最大，则该圆形选框区域即缺陷所在的区域。其中

代表圆形区域第v条边缘上的所有边缘像素点数量，M代表圆形选框所在位置内所有的边缘线数量，之后将该区域作为缺陷区域。

步骤S003、计算缺陷区域内的所有边缘线的边缘因子，根据边缘因子进行边缘匹配得到疑似缺陷边缘线。

由于电池隔膜上刚性缺陷的形成原因必然为锋利物划过，由于角度、力度的影响会产生由浅到深的破损，而深浅不一的损伤区域，就会存在灰度变化，但缺陷区域一侧边缘上的内部相邻像素点，必然在另一侧边缘的某处也存在相同、相近的内部相邻像素点。

首先，获取每条边缘线上边缘像素点梯度方向的相反方向的相邻像素点：

上式

、

分别代表边缘像素点竖直方向、水平方向的梯度分量，

为两者比值，

则为该边缘像素点的梯度方向，

则为该边缘像素点梯度方向的反方向，记为

。v代表框选区域内任意一条存在灰度梯度的边缘线，i则代表第v条边缘上的第i个边缘像素点，那么

则代表第

个边缘像素点

方向上的相邻像素点灰度值。

代表第v条边缘上的所有边缘像素点数量，

则代表第v条边缘上所有边缘像素点各自

方向上的相邻像素点灰度值进行累加求均。得到第v条边缘线的第一匹配因子

。若两条边缘线相似，则其相邻像素点得到的第一匹配因子必然是相近的。

由于刚性损伤缺陷具有明显的延伸性，因此计算每条边缘线的延伸趋势。

进一步的，根据边缘线上边缘像素点的平均延伸方向，来赋予整条边缘线第二匹配因子：

上式中

表示第v条边缘上第i个边缘像素点的纵坐标，

表示第v条边缘上第i-1个边缘像素点的纵坐标，

表示第v条边缘上第i个边缘像素点的横坐标，

表示第v条边缘上第i-1个边缘像素点的横坐标，

代表第v条边缘上第i个边缘像素点与其相邻边缘像素点的斜率，

则代表边缘线在该像素点处的延伸方向，

则为第v条边缘线上的所有像素点延伸方向加和求均，得到第v条边缘线的第二匹配因子

。

至此，获得了每条边缘的第一匹配因子、第二匹配因子。

进一步的，利用所有边缘线上的两个匹配因子与其他任意边缘线进行匹配，匹配值的欧式范数则代表两条边缘线的差异度：

公式中，a，b代表任意两个边缘线，

为边缘线a的第一匹配因子，

为边缘线b的第一匹配因子，

为1减去目标边缘线与第b个边缘线的第一匹配因子的比值，代表a与b之间第一匹配因子的差异，

为边缘线a的第二匹配因子，

为边缘线b的第二匹配因子，

代表1减去目标边缘线与第b个边缘线的第二匹配因子的比值，代表a与b之间第二匹配因子的差异，

代表对匹配后的两个差异值计算欧式范数，所得结果越小，代表两条边缘的差异度越小，

就表示a，b两条边缘线的差异度。

之后，设置阈值Q，当

时，认为a、b两条边缘匹配，在本实施例中

，当任意一条边缘至少具有一条匹配边缘时，对其进行保留，其余离散边缘则直接去除，所有保留下来的边缘作为疑似缺陷边缘线。

sobel算子所检测出多个断断续续的边缘线，其中包含缺陷部分的边缘线与背景、缺陷内部离散的边缘线，第一匹配因子为边缘梯度相反方向相邻像素点的灰度值，而缺陷两侧的边缘线所计算出的第一匹配因子必然具有相同、相近的特征；且锂电池隔膜上的缺陷几乎均为刚性损伤缺陷，因此缺陷两侧具有相同的延伸趋势，即以其延伸趋势作为第二匹配因子。离散边缘不存在与其具有同步趋势的匹配边缘，因此若某一条边缘线具有与其匹配的其他边缘线，则认为该条边缘线不属于离散边缘线。在缺陷阈值未知的情况下，通过对伪边缘的匹配度计算，相较于原本非极大值抑制的方式，去除伪边缘，可以更准确的得到疑似缺陷边缘线。

步骤S004、拟合断断续续的疑似缺陷边缘线，得到闭合区域，去除余留线条，完成最终筛选。

最后将所有疑似缺陷边缘线进行端点拟合，即端点距离最近的两条边缘线进行直线连接拟合，所拟合的闭合区域即为最终缺陷区域，余留的边缘线去除完成最后一步筛选，舍弃大津阈值分割缺陷的方式，通过刚性缺陷边缘特征匹配来代替非极大值抑制，匹配关系排除伪边缘干扰，得到更加准确的缺陷边缘结果，避免了传统的阈值分割缺陷的方式，通过刚性缺陷边缘特征匹配来代替非极大值抑制，逐步筛选缺陷边缘，得到完全破损、未完全破损区域并存的完整刚性缺陷区域。

以上所述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、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种锂电池隔膜缺陷检测方法，其特征在于，该方法包括以下步骤：

获取锂电池隔膜灰度图像上的边缘线；

根据隔膜灰度图像的灰度直方图上所有灰度级的像素点数量和主峰所在区域的像素点数量得到隔膜灰度图像中的局部密度可达范围；

以局部密度可达范围的大小作为圆形搜索框，任意像素点为中心在隔膜灰度图像上遍历，获取初次可选范围，得到缺陷所在区域；

获得隔膜灰度图像缺陷所在区域中每条边缘线上每个像素点梯度方向的反方向，将所有边缘像素点梯度方向反方向上相邻像素点的灰度值进行累加求均值得到每条边缘线的第一匹配因子；

根据每条边缘线上的所有像素点与其相邻边缘像素点的斜率获得该边缘线在该像素点处的延伸方向，将每条边缘线上所有像素点延伸方向的累加均值作为每条边缘线的第二匹配因子；

根据任意两条边缘线的第一匹配因子和第二匹配因子得到任意两条边缘线之间的差异度，根据所有边缘线之间的差异度大小得到筛选完成的疑似缺陷边缘线；

对所有疑似边缘线进行端点拟合，得到完全破损、未完全破损区域并存的完整刚性缺陷区域。

2.根据权利要求1所述的一种锂电池隔膜缺陷检测方法，其特征在于，所述根据隔膜灰度图像的灰度直方图上所有灰度级的像素点数量和主峰所在区域的像素点数量得到隔膜灰度图像中的局部密度可达范围的步骤为：

根据灰度直方图的拟合曲线得到曲线中所有的极值点，根据极值点之间像素点数量确定主峰的位置；

根据所得到的主峰计算图像上的局部密度可达范围公式如下：

；

其中，

代表第n个灰度级，

则代表整个直方图的高斯拟合曲线，

为主峰左侧极小值的灰度级，

为主峰右侧极小值的灰度级，

表示图像上的局部密度可达范围。

3.根据权利要求1所述的一种锂电池隔膜缺陷检测方法，其特征在于，所述得到每条边缘线的第一匹配因子的步骤为：

获取每条边缘线上所有边缘像素点的竖直方向和水平方向上的梯度分量，得到竖直方向和水平方向梯度分量的比值，比值的反正切函数即是该边缘像素点的梯度方向，将该梯度方向角度旋转180度得到该像素点梯度方向的反方向，获取每个像素点在该反方向上的相邻像素点的灰度值，计算每条边缘线上所有像素点在该反方向上的相邻像素点的灰度值的累加均值表示每条边缘线的第一匹配因子。

4.根据权利要求1所述的一种锂电池隔膜缺陷检测方法，其特征在于，所述每条边缘线上所有像素点延伸方向的累加均值作为每条边缘线的第二匹配因子的计算方法为：

；

其中，式中

表示第v条边缘上第i个边缘像素点的纵坐标，

表示第v条边缘上第i-1个边缘像素点的纵坐标，

表示第v条边缘上第i个边缘像素点的横坐标，

表示第v条边缘上第i-1个边缘像素点的横坐标，

代表第v条边缘上的所有边缘像素点数量，

表示第v条边缘线的第二匹配因子。

5.根据权利要求1所述的一种锂电池隔膜缺陷检测方法，其特征在于，所述根据所有边缘线之间的差异度大小得到筛选完成的疑似缺陷边缘线的方法为：

对于所有边缘线中任意两个边缘线的差异度不大于第一预设阈值时，将两条边缘视为匹配的边缘，获取所有的匹配边缘，如果一个边缘至少具有一条匹配边缘时将该边缘保留，当一个边缘没有匹配边缘时将该边缘去除，所有保留下来边缘作为疑似缺陷边缘线。

6.根据权利要求1所述的一种锂电池隔膜缺陷检测方法，其特征在于，所述根据任意两条边缘线的第一匹配因子和第二匹配因子得到任意两条边缘线之间的差异度的获取方法为：

；

其中，a，b代表任意两条边缘线，

表示a边缘线的第一匹配因子，

表示b边缘线的第一匹配因子，

表示a边缘线的第二匹配因子，

表示b边缘线的第二匹配因子，

表示a，b两条线之间的差异度大小。

7.一种锂电池隔膜缺陷检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6任意一项方法的步骤。

Images