CN115965575A - 电池电芯中的不连续性检测 - Google Patents

电池电芯中的不连续性检测 Download PDF

Info

Publication number
CN115965575A
CN115965575A CN202211199289.5A CN202211199289A CN115965575A CN 115965575 A CN115965575 A CN 115965575A CN 202211199289 A CN202211199289 A CN 202211199289A CN 115965575 A CN115965575 A CN 115965575A
Authority
CN
China
Prior art keywords
battery cell
image
region
discontinuity
suspected
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.)
Pending
Application number
CN202211199289.5A
Other languages
English (en)
Inventor
D·布鲁德
M·E·麦戈文
R·S·库克雷亚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN115965575A publication Critical patent/CN115965575A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4285—Testing apparatus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Energy (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

一种用于评估电池电芯的系统，所述系统包括成像设备，该成像设备配置为当电池电芯处于第一变形状态时获取电池电芯的至少部分的第一图像，并且当电池电芯处于第二变形状态时获取电池电芯的至少部分的第二图像。系统还包括处理器，该处理器配置分析第一图像和第二图像；识别表示可疑不连续性的第一图像的第一区域，该第一区域对应于电池电芯的部分；将第一图像的第一区域与第二图像的第二区域进行比较，该第二区域对应于电池电芯的部分；并且基于第一区域和第二区域之间的差异确定可疑不连续性是实际不连续性。

Description

电池电芯中的不连续性检测
技术领域
本主题公开涉及电池，并且更具体地涉及检测电池电芯中的不连续性。
背景技术
电池软包电芯用于各种应用，诸如汽车应用（例如，在电动和混合动力车辆中）。撕裂和其他不连续性可发生在电池电芯的部件中，诸如阳极和阴极箔中。这样的不连续性可导致短路和其他故障。检查电池电芯及其组成部分是重要的，以便确保功能正常并在不连续性可对这样的电芯产生负面影响之前检测到不连续性。
发明内容
在一个示例性实施例中，一种用于评估电池电芯的系统包括成像设备，该成像设备配置为当电池电芯处于第一变形状态时获取电池电芯的至少部分的第一图像，并且当电池电芯处于第二变形状态时获取电池电芯的至少部分的第二图像。该系统还包括配置为获取第一图像和第二图像的处理器。该处理器配置为分析第一图像和第二图像，并且识别表示可疑不连续性的第一图像的第一区域，该第一区域对应于电池电芯的部分。该处理器还配置为将第一图像的第一区域与第二图像的第二区域进行比较，该第二区域对应于电池电芯的部分；并且基于第一区域和第二区域之间的差异确定可疑不连续性是实际不连续性。
在本文所述的一个或多个特征之外，第一图像和第二图像是使用直接x射线放射摄影术（x-ray radiography）获取的。
在本文所述的一个或多个特征之外，第一变形状态和第二变形状态中的至少一者是通过使电池电芯的部件弹性变形实现的。
在本文所述的一个或多个特征之外，第一变形状态和第二变形状态中的至少一者是通过弯曲电池电芯的极耳实现的。
在本文所述的一个或多个特征之外，电池电芯是软包型电池电芯。
在本文所述的一个或多个特征之外，电池电芯的部分包括以下项中的至少一者：电池电芯的箔、电池电芯的箔堆叠、焊接区域和包括焊接线的区域。
在本文所述的一个或多个特征之外，执行分析第一图像和第二图像以增加可疑不连续性的对比度和可见度中的至少一者。
在本文所述的一个或多个特征之外，分析第一图像和第二图像包括执行数字滤波和直方图加权中的至少一者。
在本文所述的一个或多个特征之外，识别第一区域是基于自动机器视觉不连续性检测过程。
在一个示例性实施例中，一种评估电池电芯的方法包括：当电池电芯处于第一变形状态时获取电池电芯的至少部分的第一图像；当电池电芯处于第二变形状态时获取电池电芯的至少部分的第二图像；分析第一图像和第二图像，并且识别表示可疑不连续性的第一图像的第一区域，第一区域对应于电池电芯的部分。该方法还包括将第一区域与第二图像的第二区域进行比较，第二区域对应于电池电芯的部分；并且基于第一区域和第二区域之间的差异确定可疑不连续性是实际不连续性。
在本文所述的一个或多个特征之外，第一图像和第二图像是使用直接x射线放射摄影术获取的。
在本文所述的一个或多个特征之外，第一变形状态和第二变形状态中的至少一者是通过使电池电芯的部件弹性变形实现的。
在本文所述的一个或多个特征之外，电池电芯是软包型电池电芯。
在本文所述的一个或多个特征之外，第二区域也表示可疑不连续性，并且将第一区域与第二区域进行比较包括将第一区域中的可疑不连续性的几何形状与第二区域中的可疑不连续性的几何形状进行比较。
在本文所述的一个或多个特征之外，确定可疑不连续性是实际不连续性是基于可疑不连续性在第一图像的第一区域中可见并且可疑不连续性在第二图像的第二区域中不可见。
在本文所述的一个或多个特征之外，识别第一区域是基于自动机器视觉不连续性检测过程。
在一个示例性实施例中，一种计算机程序产品包括计算机可读存储介质，该计算机可读存储介质具有计算机处理器可执行的指令，以使计算机处理器执行方法。该方法包括：当电池电芯处于第一变形状态时获取电池电芯的至少部分的第一图像；当电池电芯处于第二变形状态时获取电池电芯的至少部分的第二图像；分析第一图像和第二图像，并且识别表示可疑不连续性的第一图像的第一区域，该第一区域对应于电池电芯的部分。该方法还包括将第一区域与第二图像的第二区域进行比较，该第二区域对应于电池电芯的部分；并且基于第一区域和第二区域之间的差异确定可疑不连续性是实际不连续性。
在本文所述的一个或多个特征之外，第一变形状态和第二变形状态中的至少一者是通过使电池电芯的部件弹性变形实现的。
在本文所述的一个或多个特征之外，电池电芯是软包型电池电芯，并且电池电芯的部分包括以下项中的至少一者：电池电芯的箔、电池电芯的箔堆叠、焊接区域和包括焊接线的区域。
在本文所述的一个或多个特征之外，执行分析第一图像和第二图像以增加可疑不连续性的对比度和可见度中的至少一者。
本发明还公开了以下技术方案：
1. 一种用于评估电池电芯的系统，所述系统包括：
成像设备，所述成像设备配置为当所述电池电芯处于第一变形状态时获取所述电池电芯的至少部分的第一图像，并且当所述电池电芯处于第二变形状态时获取所述电池电芯的所述至少部分的第二图像；和
处理器，所述处理器配置为获取所述第一图像和所述第二图像，所述处理器配置为执行：
分析所述第一图像和所述第二图像，识别表示可疑不连续性的所述第一图像的第一区域，所述第一区域对应于所述电池电芯的部分；
将所述第一图像的所述第一区域与所述第二图像的第二区域进行比较，所述第二区域对应于所述电池电芯的所述部分；并且
基于所述第一区域和所述第二区域之间的差异确定所述可疑不连续性是实际不连续性。
2. 根据技术方案1所述的系统，其中，所述第一图像和所述第二图像是使用直接x射线放射摄影术获取的。
3. 根据技术方案1所述的系统，其中，所述第一变形状态和所述第二变形状态中的至少一者是通过使所述电池电芯的部件弹性变形实现的。
4. 根据技术方案3所述的系统，其中，所述第一变形状态和所述第二变形状态中的至少一者是通过弯曲所述电池电芯的极耳实现的。
5. 根据技术方案1所述的系统，其中，所述电池电芯是软包型电池电芯。
6. 根据技术方案5所述的系统，其中，所述电池电芯的所述部分包括以下项中的至少一者：所述电池电芯的箔、所述电池电芯的箔堆叠、焊接区域和包括焊接线的区域。
7. 根据技术方案1所述的系统，其中，执行分析所述第一图像和所述第二图像以增加所述可疑不连续性的对比度和可见度中的至少一者。
8. 根据技术方案7所述的系统，其中，分析所述第一图像和所述第二图像包括执行数字滤波和直方图加权中的至少一者。
9. 根据技术方案1所述的系统，其中，识别所述第一区域是基于自动机器视觉不连续性检测过程。
10. 一种评估电池电芯的方法，所述方法包括：
当电池电芯处于第一变形状态时获取所述电池电芯的至少部分的第一图像；
当所述电池电芯处于第二变形状态时获取所述电池电芯的所述至少部分的第二图像；
分析所述第一图像和所述第二图像，识别表示可疑不连续性的所述第一图像的第一区域，所述第一区域对应于所述电池电芯的部分；
将所述第一区域与所述第二图像的第二区域进行比较，所述第二区域对应于所述电池电芯的所述部分；并且
基于所述第一区域和所述第二区域之间的差异确定所述可疑不连续性是实际不连续性。
11. 根据技术方案10所述的方法，其中，所述第一图像和所述第二图像是使用直接x射线放射摄影术获取的。
12 根据技术方案10所述的方法，其中，所述第一变形状态和所述第二变形状态中的至少一者是通过使所述电池电芯的部件弹性变形实现的。
13. 根据技术方案10所述的方法，其中，所述电池电芯是软包型电池电芯。
14. 根据技术方案13所述的方法，其中，所述第二区域也表示所述可疑不连续性，并且将所述第一区域与所述第二区域进行比较包括将所述第一区域中的所述可疑不连续性的几何形状与所述第二区域中的所述可疑不连续性的几何形状进行比较。
15. 根据技术方案10所述的方法，其中，确定所述可疑不连续性是实际不连续性是基于所述可疑不连续性在所述第一图像的所述第一区域中可见并且所述可疑不连续性在所述第二图像的所述第二区域中不可见。
16. 根据技术方案10所述的方法，其中，识别所述第一区域是基于自动机器视觉不连续性检测过程。
17. 一种计算机程序产品，所述计算机程序产品包括计算机可读存储介质，所述计算机可读存储介质具有计算机处理器可执行的指令，以使所述计算机处理器执行方法，所述方法包括：
当电池电芯处于第一变形状态时获取所述电池电芯的至少部分的第一图像；
当所述电池电芯处于第二变形状态时获取所述电池电芯的所述至少部分的第二图像；
分析所述第一图像和所述第二图像，识别表示可疑不连续性的所述第一图像的第一区域，所述第一区域对应于所述电池电芯的部分；
将所述第一区域与所述第二图像的第二区域进行比较，所述第二区域对应于所述电池电芯的所述部分；并且
基于所述第一区域和所述第二区域之间的差异确定所述可疑不连续性是实际不连续性。
18. 根据技术方案17所述的计算机程序产品，其中，所述第一变形状态和所述第二变形状态中的至少一者是通过使所述电池电芯的部件弹性变形实现的。
19. 根据技术方案17所述的计算机程序产品，其中，所述电池电芯是软包型电池电芯，并且所述电池电芯的所述部分包括以下项中的至少一者：所述电池电芯的箔、所述电池电芯的箔堆叠、焊接区域和包括焊接线的区域。
20. 根据技术方案17所述的计算机程序产品，其中，执行分析所述第一图像和所述第二图像以增加所述可疑不连续性的对比度和可见度中的至少一者。
当结合附图考虑时，本公开的上述特征和优点以及其它特征和优点从下面的详细描述中清楚呈现。
附图说明
其他特征、优点和细节仅以示例的方式在以下详细说明中呈现，该详细说明参考以下附图，其中：
图1描绘了软包型电池电芯的示例；
图2描绘了处于变形状态的图1的电池电芯；
图3A-3C描绘了用于评估电池电芯的成像和变形系统的示例；
图4描绘了图3A-3C的系统的x射线源和检测器；
图5描绘了电池电芯的变形的示例；
图6描绘了当通过弯曲电池电芯的极耳实现使电池电芯处于变形状态时的图5的电池电芯的部分的图像的示例；
图7描绘了当通过弯曲极耳实现使电池电芯处于另一变形状态时的图5和图6的电池电芯的部分的图像的示例；
图8A和图8B描绘了处于变形状态的电池电芯的部分的图像的示例，对该图像进行处理以增加可疑不连续性的可见性；
图9是描绘评估电池电芯和/或检测电池电芯中的不连续性的方法的各方面的流程图；
图10描绘了在图9的方法中使用的电池电芯的部分的图像的示例；以及
图11描绘了根据示例性实施例的计算机系统。
具体实施方式
以下描述本质上仅是示例性的，并且并不旨在限制本公开、其应用或用途。应当理解，在所有附图中，相应的附图标记表示相同或相应的部件和特征。
根据一个或多个示例性实施例，提供了用于评估电池电芯和/或非破坏性地检测电池电芯中的不连续性的方法、设备和系统。实施例包括基于在各种变形状态下获取的电池电芯的图像检测软包型电池电芯或其他类型的电池电芯中的不连续性的方法。
方法的实施例包括获取处于多个不同变形状态的电池电芯的部分的多个图像。可就每个变形状态获取一个或多个图像。例如，当电池电芯处于第一变形状态时获取电池电芯的部分的第一图像，并且当电池电芯处于第二变形状态时获取部分的第二图像。变形状态包括，例如，未变形状态和各种类型和/或程度的变形（例如，未变形状态、其中电池极耳变形到一个程度的状态、以及其中极耳变形到另一程度的状态）。在实施例中，使用诸如直接x射线放射摄影术的断层摄影术技术获取图像。
可选地处理第一和第二图像（以及如果获取的额外图像）（例如，以增加亮度、可见度、对比度等），并且然后进行分析以识别一个或多个可疑不连续性，诸如箔撕裂或折叠。比较表示可疑不连续性的图像区域以确定其间是否存在差异。
如果图像间的可疑不连续性之间的差异足够大（例如，大于阈值差异），则方法包括确定可疑不连续性是实际不连续性。响应于检测到实际不连续性，可执行额外动作，诸如执行额外成像和/或检查，或采取诸如修理或更换电池电芯或其部件的补救措施。
应当注意，可疑不连续性可并非在所有变形状态中容易辨别或可见。例如，电池电芯的部分的第一图像可显示不连续性，而第二图像不显示不连续性（即，不连续性是隐藏的）。在该示例中，比较在第一图像的显示可疑不连续性的位置或区域与第二图像中的对应位置或区域之间进行（其中两个图像的位置或区域显示电池电芯的基本相同的部分）。
本文所述的实施例呈现出许多优点和技术效果。实施例提供了改进的评估方法，该方法能够检测到通过其他技术难以检测到的不连续性。实施例还通过允许检测而无需分解或拆开电池电芯而简化了评估。
图1描绘了可通过本文描述的系统和方法检查或分析的软包型电池电芯10的示例。注意的是，系统和方法不限于图1的特定示例或任何其他特定电池类型。
电池电芯10包括柔性包络或软包12，密封该柔性包络或软包12以包封多个堆叠的单元电芯（电芯堆叠）。软包12可是铝层压箔或其他合适的软包材料。每个单元电芯包括负电极或阳极14、以及正电极或阴极16。阳极和阴极由选择的导电材料制成并构造为薄的片或箔。每个单元电芯还包括由诸如聚合物或陶瓷的电绝缘材料制成的隔膜18。诸如锂材料的活性材料20设置在软包12中的单元电芯的各种层之间。
如图1中所示，每个阳极14（也称为阳极箔）延伸离开单元电芯，并且阳极箔14作为箔堆叠22附接在一起。箔堆叠22将箔焊接在一起，通过例如一次超声波焊接。箔堆叠22然后通过焊接26附接到导电极耳24。焊接26可是通过超声波焊接形成的固态焊接接头或通过激光焊接形成的熔焊接头，尽管可使用其他金属对金属的连结过程。该示例中的极耳24是负极端子极耳。阴极箔16可类似地焊接到延伸到软包12外部的正极端子极耳（未示出）。
实施例包括非破坏性地检测诸如电芯10的软包型电池电芯中的不连续性和其他缺陷的方法。该方法包括在多个变形状态中对电池电芯的部分进行成像并且分析所得图像以检测一个或多个不连续性。例如，当电池电芯处于未变形状态时获取第一图像，并且分析第一图像以识别潜在的撕裂或其他不连续性（也称为“可疑不连续性”）。使电池电芯处于变形状态，其中电池电芯的极耳或其他部件弹性变形。当电池电芯处于变形状态时，获取并分析部分的第二图像。比较图像以确定是否存在应处理的撕裂或其他不连续性（实际不连续性）。
使电池电芯处于变形状态可通过将选择的大小和方向的力施加到构件而使其构件弹性变形进行。施加力使得变形是弹性的并且当移除力时构件将返回到其先前状态。
在实施例中，通过弯曲、扭转、拉动或以其他方式使极耳24变形而使电池电芯10变形。图2描绘了这样的变形的示例，其中通过弯曲使极耳24变形。可弯曲极耳24，使得极耳24在相对于极耳24和/或电池电芯10的未变形轴线（例如，图1和图2中所示的电芯的纵向轴线或z轴）形成角度的方向上延伸。例如，极耳24可弯曲大约10度。
注意的是，可使任何期望的构件或电池电芯的部件变形。例如，可通过向软包材料、壳施加力和/或通过向一个或多个箔（例如，在单元电芯和极耳24之间）施加力而使电池电芯10处于变形状态。
可根据任何期望的成像技术对处于各种变形状态时的诸如电芯10的电池电芯进行成像。例如，可使用诸如x射线放射摄影术、磁共振断层摄影术、微波断层摄影术、中子断层摄影术等的断层摄影术对电池电芯进行成像。X射线断层摄影术包括直接放射摄影术和x射线计算机断层摄影术（CT）。可使用的其他类型的成像包括光学、雷达、超声成像等。
在实施例中，使用直接放射摄影术对电池电芯进行成像，直接放射摄影术相对较快，并且提供足够的分辨率用于检测不连续性。由于分辨率和周期时间限制，X射线CT断层摄影术可能不适合。已知的是X射线CT和直接放射摄影术（DR）都难以检测电池电芯中的诸如箔撕裂的不连续性，包括在焊接线处或附近的撕裂。由于在不连续性区域和连续性区域之间的x射线衰减变化相对较小，因此难以检测到电池电芯箔中由于裂缝和撕裂导致的不连续性。如本文进一步讨论的，使用直接放射摄影术结合变形和/或图像处理在增加这些不连续性的可检测性方面是有效的。
可根据各种技术中的一种或多种对获取的图像进行后处理，以增加可疑不连续性的对比度或可见性，或者以其他方式使检测更容易。后处理技术的示例包括数字滤波（例如，Wallis滤波器、Emboss滤波器、边缘检测等）和直方图加权以增加不连续性对比度。在一些情况下，可能不需要或不期望进行后处理，例如，如果获取的图像以足够的对比度和可见性显示不连续性。
在获取和/或图像后处理之后，分析图像以检测任何可疑不连续性，诸如撕裂、折叠、分离或其他损坏。该分析可是自动的。在实施例中，使用一种或多种机器学习、人工智能和/或机器视觉方法来执行图像分析。可用于不连续性检测的方法的示例包括对象跟踪、数字图像相关、神经网络、分类器、监督和无监督机器学习、图像互相关、梯度直方图等。可采用上述技术和方法的任何组合。
基于在一个或多个获取的图像中检测到一个或多个可疑不连续性，比较获取的图像以确定可疑不连续性中是否存在任何变化，或者所获取的图像中是否存在任何变化，作为电池电芯处于不同变形状态的结果。例如，将处于一个变形状态的电池电芯的图像的区域中的可疑不连续性与处于不同变形状态的电池电芯的另一图像的对应区域进行比较。如果存在差异并且该差异具有足够的量级，则该方法包括确定可疑不连续性是实际不连续性。该差异可是不同图像之间可疑不连续性形的大小、长度、宽度、形状或其他几何形状的差异。在一些情况下，差异在于其中可疑不连续性可见的图像区域与其中可疑不连续性不可见的另一图像中的对应区域之间。例如，如果图像之间的撕裂长度和/或宽度上的差异达到或高于阈值，或者如果在一个变形状态显示撕裂但在另一个变形状态撕裂不可见，可认为可疑箔撕裂是实际箔撕裂。图像比较可包括一种或多种上述图像处理技术。
图3A-3C描绘了可用于执行本文所述的各种功能的成像系统30的示例。成像系统30包括用于将电池电芯（例如，电池电芯10）稳固在静止位置的支撑结构或保持固定器32。将诸如直接x射线断层摄影术组件34的成像组件定位和定向为对电池电芯的至少部分（诸如包括箔堆叠、极耳和焊接的电芯的部分）进行成像。变形组件36包括支撑结构38和变形或弯曲特征，诸如与致动器（未示出）连接的塑料盘40。
如图4中所示，断层摄影术组件34包括x射线源44和x射线检测器42。如图4中所示，可从电池电芯10的侧面获取图像（例如，x射线源沿x轴导向），或者可从任何期望的方向并且以任何期望的定向获取。
图5-7描绘了电池电芯10的部分的变形示例以及处于不同变形状态的电池电芯10的图像。使电池电芯10处于两种变形状态并且在每种状态中成像。图5示出了如何实现变形状态的示例。在该示例中，电池电芯10处于第一变形状态，其中极耳24相对于电池电芯10的z轴或纵向轴线弯曲大约正10度（+10°）的角度；以及电池电芯10处于第二变形状态，其中极耳24弯曲大约负10度（-10º）的角度。
图6描绘了当电池电芯10处于第一变形状态（极耳弯曲+10°）时获取的直接x放射摄影术图像50（也简称为x射线图像），并且图7描绘了当电池电芯10处于第二变形状态（极耳弯曲-10°）时获取的x射线图像52。每个图像描绘了电池电芯10的部分，其包括电极堆叠54的部分（包括各种阳极箔层、阴极箔层和隔膜）、阳极箔14的部分和焊接区域56（由焊接26形成）。
每个图像还示出了以可疑箔折叠58和可疑撕裂60的形式的不连续性。如可看出的，当极耳弯曲+10°（图6）时与当极耳弯曲-10º（图7）时相比，可疑撕裂60具有不同宽度。基于该差异，可确定可疑撕裂60是实际撕裂。
图8A-8B是根据本文描述的实施例获取的放射摄影术图像的示例。这些示例说明了变形和后处理可如何增强可疑不连续性并使其更易于检测。
图8A示出处于变形状态的并且在后处理之前的电池电芯10的图像70的示例，并且图8B示出了当电池电芯处于变形状态时在后处理之后的电池电芯10的图像72。在该示例中，使用Wallis滤波器和Embossing滤波器对图像72进行滤波。如可看到的，弯曲和后处理揭示了在焊接区域56边缘处的沿焊接线的多个不连续性74。这样的内部不连续性无法通过视觉检查或光学图像检测到，并且难以仅通过放射摄影术检测到。
图9图示了评估电池电芯和/或检测不连续性的方法90的实施例。方法90的方面可由一个或多个处理器执行。注意的是，方法90可由任何合适的处理设备或系统执行，或由处理设备的组合执行。
方法90包括由框91-100表示多个步骤或阶段。方法90不限于本文中步骤的数量或顺序，因为由框91-100表示的一些步骤可以与下面描述的顺序不同的顺序执行，或者可执行少于所有步骤的步骤。
为了说明目的，结合如图1和图2中所示的处于变形状态的电池电芯10讨论方法的各方面。方法90不限于此并且可与任何类型的电池电芯以及任何数量的不同变形状态一起使用。
在框91，获取处于不同变形状态的电池电芯的图像。可通过诸如直接x射线放射摄影术技术的x射线放射摄影术技术或其他合适的方式获取图像。其他类型的图像的示例包括光学图像、雷达图像、超声图像等。
例如，电池电芯10的第一图像是在未变形状态（如图1中所示）中获取的。电池电芯10的第二图像是在变形状态中获取的，在该变形状态中，电池电芯极耳24已经弯曲或以其他方式弹性变形到选择的程度。可在其他变形状态中获取额外图像。可获取的图像数量以及变形状态的数量和类型不限于本文讨论的示例。
可选地，可处理图像以增加电池电芯的可疑不连续性和/或其他特征的可见性。例如，在框92，应用一个或多个滤波器，例如Wallis滤波器和/或Embossing滤波器。在另一示例中，在框93，就每个图像应用直方图加权。
在框94，分析图像以搜索任何可疑不连续性。可通过图像的视觉检查和/或通过机器学习技术或其他图像分析技术来执行分析。在框95，确定是否检测到任何可疑不连续性。如果未检测到任何可疑不连续性，则方法完成（框96）。
在框97，如果检测到一个或多个可疑不连续性，则比较第一和第二图像以确定第一图像中的可疑不连续性与第二图像中的可疑不连续性之间是否存在差异，或者第一图像中和第二图像中的对应区域之间是否存在差异（例如，如果可疑不连续性在给定图像中不可见）。例如，可使用对象跟踪算法以确定图像之间是否存在可疑撕裂的扩张和收缩以及其在何种程度上存在。基于该比较，确定可疑不连续性是否是实际不连续性（框98）。
在框99，如果检测到实际不连续性，则将其分类为缺陷。然后可更换或修理电池电芯10。在框100，如果不认为可疑不连续性是实际不连续性，则可使用其他检测算法或其他检查方法以确认可疑不连续性是否将对电池操作或寿命产生不利影响。
图10示出了就电池电芯112的部分获取的图像110的示例。电池电芯112包括极耳114、箔堆叠116、焊接区域118和焊接线120。图像110是使用直接x放射摄影术在变形状态下获取的，其中极耳弯曲选择的角度（例如，10度）。还通过滤波处理图像110以增加不连续性的对比度和可见性。图像110显示以可疑撕裂122的形式的多个可疑不连续性。可根据方法90获取、处理和比较处于各种变形状态的额外图像以确定一个或多个可疑撕裂是否是实际撕裂。
本文所述的系统和方法可应用于各种类型的电池。在实施例中，所评估的电池电芯可是在电动和/或混合动力车辆中使用的电芯；然而，本系统和方法不限于此。
图11示出了计算机系统140的实施例的方面，其可执行本文所述的实施例的各种方面。计算机系统140包括至少一个处理设备142，其通常包括一个或多个处理器，用于执行本文所述的图像获取和分析方法的方面。
计算机系统140的各构件包括处理设备142（诸如一个或多个处理器或处理单元）、存储器144、以及联接各种系统构件（包括系统存储器144至处理设备142）的总线146。系统存储器144可包括各种各样的计算机系统可读介质。这样的介质可是处理设备142可访问的任何可用介质，并且包括易失性和非易失性介质，以及可移动和不可移动介质。
例如，系统存储器144包括诸如硬盘驱动器的非易失性存储器148，并且还可包括诸如随机存取存储器（RAM）和/或高速缓冲存储器的易失性存储器150。计算机系统140可还包括其他可移动/不可移动、易失性/非易失性计算机系统存储介质。
系统存储器144可包括具有配置为执行本文所述实施例的功能的程序模块（例如，至少一个）的组的至少一个程序产品。例如，系统存储器144存储各种程序模块，其总体上实现本文所述的实施例的功能和/或方法。可包括一个或多个模块152以执行与获取图像有关的功能。可包括图像分析模块154用于如本文所述的图像后处理和/或图像比较。系统140不限于此，因为可包括其他模块。如本文所使用的，术语“模块”是指处理电路，其可包括专用集成电路（ASIC）、电子电路、执行一个或多个软件或固件程序的处理器（共享、专用或组）和存储器、组合逻辑电路和/或提供所述功能的其他合适的构件。
处理设备142还可与一个或多个外部设备156通信，该外部设备156诸如键盘、定点设备和/或使得处理设备52能够与一个或多个计算设备通信的任何设备（例如，网卡、调制解调器等）。与各种设备的通信可经由输入/输出（I/O）接口164和165进行。
处理设备142还可经由网络适配器168与一个或多个网络166通信，该网络166诸如局域网（LAN）、通用广域网（WAN）、总线网和/或公共网络（例如，因特网）。应当理解，尽管未示出，但是其他硬件和/或软件构件可与计算机系统40结合使用。示例包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动器阵列、RAID系统和数据档案存储系统等。
尽管已经参考示例性实施例描述了以上公开，但是本领域技术人员将理解，在不脱离其范围的情况下，可进行各种改变并且可以等同物代替其元件。另外，在不脱离本公开的实质范围的情况下，可做出许多修改以使特定情况或材料适用于本公开的教导。因此，意图在于本公开不限于所公开的特定实施例，而是将包括落入其范围内的所有实施例。

Claims (10)

1.一种用于评估电池电芯的系统，所述系统包括：
成像设备，所述成像设备配置为当所述电池电芯处于第一变形状态时获取所述电池电芯的至少部分的第一图像，并且当所述电池电芯处于第二变形状态时获取所述电池电芯的所述至少部分的第二图像；和
处理器，所述处理器配置为获取所述第一图像和所述第二图像，所述处理器配置为执行：
分析所述第一图像和所述第二图像，识别表示可疑不连续性的所述第一图像的第一区域，所述第一区域对应于所述电池电芯的部分；
将所述第一图像的所述第一区域与所述第二图像的第二区域进行比较，所述第二区域对应于所述电池电芯的所述部分；并且
基于所述第一区域和所述第二区域之间的差异确定所述可疑不连续性是实际不连续性。
2.根据权利要求1所述的系统，其中，所述第一图像和所述第二图像是使用直接x射线放射摄影术获取的。
3.根据权利要求1所述的系统，其中，所述第一变形状态和所述第二变形状态中的至少一者是通过使所述电池电芯的部件弹性变形实现的。
4.根据权利要求3所述的系统，其中，所述第一变形状态和所述第二变形状态中的至少一者是通过弯曲所述电池电芯的极耳实现的。
5.根据权利要求1所述的系统，其中，所述电池电芯是软包型电池电芯。
6.根据权利要求5所述的系统，其中，所述电池电芯的所述部分包括以下项中的至少一者：所述电池电芯的箔、所述电池电芯的箔堆叠、焊接区域和包括焊接线的区域。
7.根据权利要求1所述的系统，其中，执行分析所述第一图像和所述第二图像以增加所述可疑不连续性的对比度和可见度中的至少一者。
8.根据权利要求7所述的系统，其中，分析所述第一图像和所述第二图像包括执行数字滤波和直方图加权中的至少一者。
9.根据权利要求1所述的系统，其中，识别所述第一区域是基于自动机器视觉不连续性检测过程。
10.一种评估电池电芯的方法，所述方法包括：
当电池电芯处于第一变形状态时获取所述电池电芯的至少部分的第一图像；
当所述电池电芯处于第二变形状态时获取所述电池电芯的所述至少部分的第二图像；
分析所述第一图像和所述第二图像，识别表示可疑不连续性的所述第一图像的第一区域，所述第一区域对应于所述电池电芯的部分；
将所述第一区域与所述第二图像的第二区域进行比较，所述第二区域对应于所述电池电芯的所述部分；并且
基于所述第一区域和所述第二区域之间的差异确定所述可疑不连续性是实际不连续性。
CN202211199289.5A 2021-10-08 2022-09-29 电池电芯中的不连续性检测 Pending CN115965575A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/497,277 US20230109910A1 (en) 2021-10-08 2021-10-08 Detection of discontinuities in battery cells
US17/497277 2021-10-08

Publications (1)

Publication Number Publication Date
CN115965575A true CN115965575A (zh) 2023-04-14

Family

ID=85705327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211199289.5A Pending CN115965575A (zh) 2021-10-08 2022-09-29 电池电芯中的不连续性检测

Country Status (3)

Country Link
US (1) US20230109910A1 (zh)
CN (1) CN115965575A (zh)
DE (1) DE102022123542A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023097639A1 (zh) * 2021-12-03 2023-06-08 宁德时代新能源科技股份有限公司 用于图像分割的数据标注方法和系统以及图像分割装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050252545A1 (en) * 2004-05-12 2005-11-17 Spire Corporation Infrared detection of solar cell defects under forward bias
CN203337560U (zh) * 2013-06-18 2013-12-11 韩华新能源（启东）有限公司 太阳能电池晶硅硅片隐裂检测分选装置
WO2015023820A2 (en) * 2013-08-15 2015-02-19 University Of Maryland College Park Systems, methods, and devices for health monitoring of an energy storage device
US11921067B2 (en) * 2015-04-17 2024-03-05 New York University System and method for magnetic resonance mapping of physical and chemical changes in conducting structures
KR102137697B1 (ko) * 2016-11-02 2020-07-24 주식회사 엘지화학 리드 플레이트를 구비한 보호회로모듈 어셈블리를 포함하는 전지셀
CN110739433B (zh) * 2018-07-19 2022-08-23 东莞新能安科技有限公司 电池

Also Published As

Publication number Publication date
DE102022123542A1 (de) 2023-04-13
US20230109910A1 (en) 2023-04-13

Similar Documents

Publication Publication Date Title
CN115965575A (zh) 电池电芯中的不连续性检测
EP4096861B1 (en) Method of monitoring the quality of a weld bead, related welding station and computer-program product
WO2021171333A1 (ja) 蓄電池状態推定装置および蓄電池状態推定方法
US11733311B2 (en) Method of screening high rate electrochemical cells
KR20230095557A (ko) 배터리 셀 검사 시스템 및 방법
CN116087205A (zh) 新能源圆柱形电池顶部口焊缝3d缺陷检测系统及其方法
US20220057341A1 (en) Computer-Implemented Methods, Computing Devices And Computer Programs For Processing Volumetric Scanning Data And Analyzing A Performance Of Structural Elements
CN116908659B (zh) 车规级封装焊点可靠性测试方法及系统
CN113971663A (zh) 极片翻折检测方法、装置、检测设备及存储介质
US20230251212A1 (en) Image processing and detection of discontinuities in battery cells
US11657494B1 (en) Method to detect defects in battery pouch cells using angled flash thermography
McGovern et al. Assessment of ultrasonic welds using pulsed infrared thermography
Levikari et al. Nondestructive acoustic testing of ceramic capacitors using one-class support vector machine with automated hyperparameter selection
Lee et al. Non-destructive inspection system for self-piercing riveting in CFRP-metal joining product using stereoscopic method with robotic manipulator
Topp et al. How can NDT 4.0 improve the Probability of Detection (POD)?
US20240097215A1 (en) X-ray radiographs based fault detection and prediction for battery cells
Choi et al. Noncontact laser ultrasonic inspection of weld defect in lithium-ion battery cap
Lawson Automatic defect detection in industrial radioscopic and ultrasonic images
Moroni et al. An experimental study on segmentation in X-Ray Computed Tomography
WO2024113541A1 (zh) 电芯极片检测方法、装置与电子设备
US20230368367A1 (en) Battery component inspection based on optical and thermal imaging
JP7445154B2 (ja) フィン検査システム、フィン検査方法、及びプログラム
US20240110892A1 (en) Apparatus for Automatically Inspecting Welding State
Liso et al. AWANDT: assessing welding anomalies via non-destructive tests
Chun Non-destructive inspection system development for secondary battery welding part

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination