CN116309613B - 一种锂电池隔膜扩散能力检测方法 - Google Patents
一种锂电池隔膜扩散能力检测方法 Download PDFInfo
- Publication number
- CN116309613B CN116309613B CN202310602843.8A CN202310602843A CN116309613B CN 116309613 B CN116309613 B CN 116309613B CN 202310602843 A CN202310602843 A CN 202310602843A CN 116309613 B CN116309613 B CN 116309613B
- Authority
- CN
- China
- Prior art keywords
- connected domain
- diaphragm
- domain structure
- diffusion
- lithium 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.)
- Active
Links
- 238000009792 diffusion process Methods 0.000 title claims abstract description 126
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 66
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000011148 porous material Substances 0.000 claims abstract description 99
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 239000012528 membrane Substances 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 20
- 229910001416 lithium ion Inorganic materials 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 10
- 238000005452 bending Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000003792 electrolyte Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000009831 deintercalation Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009830 intercalation Methods 0.000 description 1
- 230000002687 intercalation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
- H01M50/40—Separators; Membranes; Diaphragms; Spacing elements inside cells
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Secondary Cells (AREA)
- Geometry (AREA)
- Biomedical Technology (AREA)
- Probability & Statistics with Applications (AREA)
- Dispersion Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
Abstract
本发明涉及图像识别技术领域,具体涉及一种锂电池隔膜扩散能力检测方法;首先获得锂电池的隔膜灰度图像;使用算法检测提取隔膜孔隙的连通域结构,计算连通域结构的扁圆率;根据扁圆率、连通域结构形状以及灰度分布特征获得连通域结构的孔隙闭合度;根据连通域结构坐标获得不同的连通域簇,根据连通域簇中不同连通域结构位置差异和孔隙闭合度获得表面差异性;根据不同连通域结构的位置差异、表面差异性差异和孔隙闭合度差异获得隔膜扩散强度;根据隔膜扩散强度能够清晰准确地检测锂电池隔膜扩散能力,提高了检测效率。
Description
技术领域
本发明涉及图像识别技术领域,具体涉及一种锂电池隔膜扩散能力检测方法。
背景技术
锂电池具有输出电压高、能量密度大、循环性能好、安全无污染的特点被广泛用于智能手机等可移动终端设备以及电动车等电动工具的电能供给装置中。锂电池通常由正负极、隔膜和电解液构成,隔膜作为锂电池的重要核心组成部件,隔膜的扩散能力与整个锂电池的性能发挥有着密切的关系。
而使用传统的检测仪器检测成本高昂且步骤复杂,难以对锂电池隔膜进行大规模的测试,并且检测精度不高,对隔膜的扩散能力难以判断。现有技术中可通过微观下的隔膜图像中孔洞的形态特征对扩散能力进行评估,但是微观下的隔膜表面图像内孔洞特征复杂,难以量化,使得最后的扩散能力检测结果出现误差。
发明内容
为了解决上述隔膜表面图像中孔洞特征复杂难以量化,使得扩散能力检测结果不准确的技术问题,本发明的目的在于提供一种锂电池隔膜扩散能力检测方法,所采用的技术方案具体如下:
获取锂电池的隔膜表面图像并预处理,获得隔膜灰度图像;获取所述隔膜灰度图像的不同连通域结构,根据所述连通域结构的形状获得每个连通域结构的扁圆率,根据所述连通域结构的形状、灰度分布特征与所述扁圆率获得孔隙闭合度;
根据不同所述连通域结构的中心像素点坐标获得连通域簇,根据每个所述连通域结构与所属连通域簇中其他连通域结构之间的位置差异和孔隙闭合度获得表面差异性;
根据相邻连通域结构之间的位置差异、表面差异性差异、孔隙闭合度差异和每个所述连通域结构的所述孔隙闭合度获得隔膜表面的隔膜扩散强度;
根据所述隔膜扩散强度检测锂电池隔膜扩散能力。
进一步地,所述连通域结构的扁圆率的获取步骤包括:
计算所述连通域结构的边界像素点与中心像素点的欧氏距离,获得最大欧氏距离和最小欧式距离;计算最大欧氏距离和最小欧氏距离的比值,获得所述连通域结构的扁圆率。
进一步地,所述孔隙闭合度的获取步骤包括:
计算所述连通域结构中心像素点与灰度质心之间的欧氏距离,作为第一欧氏距离,计算第一欧氏距离与数值一的和值,作为第一距离;
将所述最小欧氏距离作为半径,以所述半径的二倍值作为所述连通域结构的最小直径;
将所述最小直径的倒数、所述第一欧氏距离和所述扁圆率相乘,获得所述孔隙闭合度。
进一步地,所述表面差异性的获取步骤包括:
计算所述连通域结构与所属连通域簇中每个所述其他连通域结构的孔隙闭合度的差值绝对值,作为孔隙闭合度差值;将孔隙闭合度差值归一化处理,作为第一分子;
计算所述连通域结构与每个所述其他连通域结构的中心像素点之间的欧氏距离并归一化处理,作为第二距离,计算第二距离与数值一的和值,作为第一分母;
计算所述连通域结构与每个所述其他连通域结构对应的第一分子与第一分母的比值,获得初始表面差异性;计算所述初始表面差异性的平均值,获得所述表面差异性。
进一步地,所述隔膜扩散强度的获取步骤包括:
将所述连通域结构的孔隙闭合度与表面差异性值组成隔膜特征向量,计算所述连通域结构与相邻下一个连通域结构的隔膜特征向量的余弦相似度,作为第二分子;
计算所述连通域结构与相邻下一个连通域结构的中心像素点的欧氏距离并归一化处理,作为第三距离,计算第三距离与数值一的和值,作为第二分母;
计算所述连通域结构的第二分子和对应第二分母的比值,作为第一比值;计算第一比值与对应连通域结构的孔隙闭合度的倒数的乘积,作为第一乘积;
计算所述隔膜灰度图像中的所有第一乘积的平均值并归一化,获得所述隔膜扩散强度。
进一步地,所述根据所述隔膜扩散强度检测锂电池隔膜扩散能力的步骤包括:
当所述隔膜扩散强度小于等于预设第一判断阈值时,则认为锂电池隔膜的扩散能力差;当所述隔膜扩散强度大于预设第一判断阈值并且小于预设第二判断阈值时,则认为锂电池隔膜的扩散能力一般;当所述隔膜扩散强度大于等于预设第二判断阈值时,则认为锂电池隔膜的扩散能力强。
进一步地,所述连通域结构的获取步骤包括:
通过广义霍夫检测算法检测并提取所述隔膜灰度图像中不同位置的连通域结构,获得所述连通域结构。
进一步地,所述连通域簇的获取步骤包括:
通过DBSCAN聚类算法对所有连通域结构的中心像素点坐标进行聚类,获得所述连通域簇。
本发明具有如下有益效果:
在本发明实施例中,因为隔膜中孔隙的连通域结构形状影响隔膜的扩散能力,故通过连通域结构的形状获得扁圆率;因为连通域结构的孔隙闭合度能够直观反映锂离子在隔膜中的穿梭能力,而孔隙闭合度是由连通域结构的形状、扁圆率以及孔内弯曲程度所体现的,孔内弯曲程度能够通过灰度分布特征表示,故通过连通域结构的形状、灰度分布特征和扁圆率获得孔隙闭合度,使得隔膜表面孔洞的闭合度特征得以量化,为后续扩散能力检测提供数据基础。因为锂离子的穿梭有集群性的特点,同时存在大量锂离子穿梭隔膜,而单一连通域结构的孔隙闭合度不能体现隔膜的扩散能力,故通过连通域结构与其连通域簇中其他连通域之间的位置差异和孔隙闭合度计算表面差异性,通过表面差异性体现一定范围内的连通域结构的扩散能力是否均匀,进而能够反映隔膜的扩散能力强弱。为了分析隔膜整体的扩散能力,故通过每个连通域与其相邻连通域之间的位置差异、表面差异性差异、孔隙闭合度差异和每个连通域结构的孔隙闭合度计算隔膜表面的隔膜扩散强度,隔膜扩散强度能够反映整体连通域结构的扩散能力与均衡性。根据隔膜扩散强度能够清晰准确地检测锂电池隔膜扩散能力,提高检测效率与准确性。通过将孔洞多个种类的特征进行分析并量化,能够通过隔膜表面图像快速准确地对锂电池隔膜的扩散能力进行检测,减少了检测成本同时也提高了检测效率和检测精度。
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和优点,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的介绍,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的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种锂电池隔膜扩散能力检测方法流程图;
图2为本发明一个实施例所提供的一种锂电池的隔膜灰度图像;
图3为本发明一个实施例所提供的一种隔膜灰度图像局部图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种锂电池隔膜扩散能力检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种锂电池隔膜扩散能力检测方法的具体方案。
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扩散能力检测方法流程图,该方法包括以下步骤:
步骤S1,获取锂电池的隔膜表面图像并预处理,获得隔膜灰度图像;获取隔膜灰度图像的不同连通域结构,根据连通域结构的形状获得每个连通域结构的扁圆率,根据连通域结构的形状、灰度分布特征与扁圆率获得孔隙闭合度。
在本发明实施例中,实施场景为对锂电池隔膜的扩散能力的检测。电解液中锂离子在正负极电压作用下穿梭透过锂电池隔膜从而完成对电池的供电效果,隔膜表面孔洞越密集,开口越大,隔膜的扩散能力越强。考虑到隔膜表面孔洞的大小,使用扫描电子显微镜对锂电池表面进行拍摄处理,得到当前状态下锂电池的隔膜表面图像。
因为通过扫描电子显微镜获取的隔膜表面图像是一种灰度图像,为了便于后续分析处理,需要对隔膜表面图像进行预处理,在本发明一个实施例中,使用极差法将隔膜表面图像像素点的灰度值映射到区间[0,255]中。同时,为了避免拍摄采集工作环境中出现的噪声对后续锂电池隔膜扩散能力检测的精确程度的影响,使用高斯滤波法对隔膜表面图像进行计算处理,减弱由于拍摄采集过程中噪声对后续锂电池隔膜扩散能力检测的影响。需要说明的是,高斯滤波法为公开技术,具体计算步骤不再赘述,在其他实施例中也可选择其他滤波方法提高图像质量。至此,隔膜表面图像预处理完成,获得锂电池的隔膜灰度图像,请参阅图2,其示出了本发明一个实施例所提供的一种锂电池的隔膜灰度图像。
由图2可知,在隔膜灰度图像中存在大量连通域结构,不同的连通域结构对应不同的孔隙。孔隙越多且开口越大,越有利于锂离子在隔膜中的嵌入和脱出,使得锂离子较为容易地在电解液中进行穿梭,从而隔膜的扩散能力越强。因此为了对隔膜扩散能力进行检测,需要获取隔膜灰度图像中不同的连通域结构。
优选地,为了在隔膜灰度图像中确定不同的连通域结构,使用广义霍夫检测算法检测提取隔膜灰度图像中不同位置处的连通域结构,然后获取对应不同位置处的隔膜表面连通域结构的特征信息,例如像素点灰度分布特征、像素点坐标;需要说明的是,广义霍夫检测算法属于公开技术,具体计算获取步骤不再赘述。
进一步地,获得隔膜灰度图像的不同连通域结构之后,需要分析连通域结构的特征,进而判断隔膜的扩散能力。因为连通域结构的开口越大、孔内弯曲越小,则此位置处的锂离子穿梭越顺畅,对应隔膜的扩散能力也就越强,故通过分析连通域结构的孔隙闭合度能够反映隔膜的扩散能力。
首先,分析连通域结构的扁圆率;连通域结构的形状越圆,则意味着连通域结构的孔隙闭合度越小。通过连通域结构的形状特征信息获得扁圆率的具体步骤包括:计算连通域结构的边界像素点与中心像素点的欧氏距离,中心像素点的位置为连通域结构的几何中心,获得最大欧氏距离和最小欧式距离;计算最大欧氏距离和最小欧氏距离的比值,获得连通域结构的扁圆率。最大欧氏距离指连通域结构边界像素点距中心像素点的最远距离,最小欧氏距离是指连通域结构边界像素点距中心像素点的最近距离,当最大欧氏距离与最小欧氏距离越接近,则意味着此连通域结构越接近圆形,扁圆率越接近1;当最大欧氏距离与最小欧氏距离相差越大,则意味着此连通域结构越接近椭圆形,扁圆率越大。
因为孔隙闭合度和连通域结构的形状、扁圆率以及孔内曲折程度有关;当连通域结构的开口越大且扁圆率越小,说明孔隙闭合度越小,当孔内曲折程度越小,越有利于锂离子的穿梭,说明孔隙闭合度越小,孔内曲折程度难以检测,而通过图像中的灰度分布特征可以反映孔内曲折程度;因此,获得每个连通域结构的扁圆率之后,可以通过连通域结构的形状、灰度分布特征与对应扁圆率获得孔隙闭合度,具体包括:计算连通域结构中心像素点与灰度质心之间的欧氏距离,作为第一欧氏距离,计算第一欧氏距离与数值一的和值,作为第一距离;将最小欧氏距离作为半径,以半径的二倍值作为连通域结构的最小直径;将第一欧氏距离、扁圆率和最小直径的倒数相乘,获得孔隙闭合度。孔隙闭合度的计算公式具体包括:
式中,表示第/>个连通域结构的孔隙闭合度,/>表示第/>个连通域结构的最小欧氏距离,/>表示第/>个连通域结构的扁圆率,/>表示第/>个连通域结构的中心像素点横坐标,/>表示第/>个连通域结构的中心像素点纵坐标,/>表示第/>个连通域结构的灰度质心横坐标,/>表示第/>个连通域结构的灰度质心纵坐标。/>表示第一距离,其中1的作用是避免第一欧氏距离为零的情况,/>表示连通域结构的最小直径。
对于连通域结构的孔隙闭合度的计算含义:当连通域结构的扁圆率越大,则其连通域结构的形状越接近椭圆形,意味着孔隙闭合度越大;当最小直径越小,意味着其连通域结构的形状越接近椭圆形或者面积越小,意味着孔隙闭合度越大。因为隔膜灰度图像中所拍摄的连通域结构图像灰度情况是不同的,如图3所示,图中为隔膜灰度图像局部的连通域结构图,其中不同的连通域结构灰度分布是不同的,有些连通域结构颜色较深且均匀,灰度值较小且一致;有些连通域结构颜色较浅且不均匀,灰度值较大且不一致。具体原因为:锂电池的隔膜是存在一定厚度的,隔膜表面的孔隙下面连接的是类似管道状的通道,有些通道是较为顺直的,而有些通道是较为曲折的,故在拍摄的过程中,由于拍摄的光线,对于较为顺直的通道,其连通域表面颜色较深,灰度值较小且均匀;而对于较为曲折的通道,其连通域表面颜色较浅且不均匀,灰度值较大且不一致。灰度值均匀的连通域结构意味着其孔隙通道较为正常,有利于锂离子的扩散穿梭;而灰度值不均匀的连通域结构意味着其孔隙通道较为曲折,不利于锂离子的扩散穿梭。灰度值均匀的连通域结构其灰度质心和几何中心的中心像素点坐标距离较近或可能重叠;若对于灰度值差异较大的连通域结构其灰度质心和几何中心的中心像素点坐标距离较远。故通过第一距离的大小可以反应其孔隙闭合度,即锂离子的扩散程度,当第一距离越大,连通域结构的扩散能力越差,孔隙闭合度值越大;当第一距离越小,其连通域结构的扩散能力越好,孔隙闭合度值越小。
根据孔隙闭合度的计算含义可知,当连通域结构的孔隙闭合度越小,其扩散能力越强;当孔隙闭合度越大,其扩散能力越差。与此同时,通过计算分析连通域的几何中心和灰度质心的重合程度即第一距离可以得到对应的孔隙闭合度,较为有效地规避传统仪器测量时难以准确获取得到锂离子穿梭路径长度的缺点,并且将孔隙闭合度的特征准确提取并量化,进一步提高了对锂电池隔膜扩散能力检测的准确性效果。得到隔膜表面每个连通域结构的孔隙闭合度后,需要结合多个连通域结构的孔隙闭合度进而分析隔膜表面整体的扩散能力。
步骤S2,根据不同连通域结构的中心像素点坐标获得连通域簇,根据每个连通域结构与所属连通域簇中其他连通域结构之间的位置差异和孔隙闭合度获得表面差异性。
因为锂离子在穿梭过程中,具有集群性的特点,有大量的锂离子在隔膜中穿梭,故对于某一个连通域结构周围多个连通域结构的孔隙闭合度都较小时,更有利于大量锂离子的穿梭,进而隔膜的扩散能力更强。因此,通过连通域簇分析连通域结构的表面差异性,从连通域结构之间的特征差异判断其隔膜扩散能力。
首先,根据不同连通域结构的中心像素点坐标获得连通域簇,具体包括:通过DBSCAN聚类算法对隔膜表面所有连通域结构的中心像素点坐标进行聚类,获得不同的连通域簇。需要说明的是DBSCAN聚类算法属于公开技术,具体聚类步骤不再赘述,在本发明实施例中,将邻域半径设为0.6,邻域最少样本点为4,实施者可根据实施场景自行设定聚类算法参数。
获得隔膜表面的不同连通域簇后,需要对连通域簇内不同连通域结构的扩散能力差异情况进行分析,根据连通域结构与其所属连通域簇中其他连通域结构之间的位置差异和孔隙闭合度获得表面差异性,具体包括:计算连通域结构与所属连通域簇中每个其他连通域结构的孔隙闭合度的差值绝对值,作为孔隙闭合度差值;将孔隙闭合度差值归一化处理,作为第一分子;计算连通域结构与每个其他连通域结构的中心像素点之间的欧氏距离并归一化处理,作为第二距离,计算第二距离与数值一的和值,作为第一分母;计算连通域结构与每个其他连通域结构对应的第一分子与第一分母的比值,获得初始表面差异性;计算初始表面差异性的平均值,获得表面差异性。表面差异性的计算公式包括:
式中,表示第/>个连通域结构的表面差异性,/>表示第/>个连通域结构所属的连通域簇中的其他连通域结构的数量,/>表示连通域簇中不同的其他连通域结构,/>表示对公式归一化处理,/>表示第/>个连通域结构的孔隙闭合度,/>表示第/>个连通域结构的中心像素点横坐标,/>表示第/>个连通域结构的中心像素点纵坐标。分母中加/>的目标是使分母的值域在[1,2]。
通过连通域结构与其所属连通域簇的其他连通域结构之间的孔隙闭合度差异与中心像素点的欧氏距离计算连通域结构的表面差异性。当连通域结构与其他连通域结构的欧氏距离较近,而孔隙闭合度差异较大时,此时表面差异性较大,意味着此连通域结构与附近的其他连通域结构的扩散能力不均匀,因锂离子的集群性,大量的锂离子通过扩散能力不一的连通域,会导致锂离子在穿梭隔膜中出现拥挤现象,故隔膜表面的连通域结构之间的表面差异性也能够反映隔膜扩散能力的强弱。
当连通域结构的表面差异性越小,锂电池隔膜表面连通域的扩散能力均匀性越好;当连通域结构的表面差异性越大,锂电池隔膜表面连通域的扩散能力均匀性越差,说明该连通域簇中不同连通域结构的孔隙闭合度差异较大,锂离子的穿梭会受到影响,隔膜的扩散能力较差。
得到不同连通域结构的孔隙闭合度与表面差异性之后,即可分析锂电池的隔膜表面的扩散能力。
步骤S3,根据相邻连通域结构之间的位置差异、表面差异性差异、孔隙闭合度差异和每个连通域结构的孔隙闭合度获得隔膜表面的隔膜扩散强度。
因锂电池的隔膜表面由大量连通域结构组成,所以分析隔膜表面的扩散能力需要结合每个连通域结构的孔隙闭合度、分布密度和表面差异性进行计算。每个不同连通域结构的孔隙闭合度和表面差异性反映了当前状态位置处的连通域状态,在一定程度上表征了锂电池隔膜的扩散能力。考虑到锂离子在隔膜中进行穿梭时具有随机性的特点,在不同位置处穿梭特征不易捕获,为了避免传统计算方法中直接计算孔隙闭合度均值不能较好的对锂电池隔膜局部位置的缺陷,根据相邻连通域结构之间的位置差异、表面差异性差异、孔隙闭合度差异和每个连通域结构的孔隙闭合度获得隔膜表面的隔膜扩散强度。
当锂电池隔膜中的连通域结构都处于正常状态时,连通域结构之间的孔隙闭合度和表面差异性均为较小值;连通域结构分布越密集,说明隔膜扩散能力越强;当连通域结构的孔隙闭合度越小,说明锂离子扩散时具有较大的扩散空间,即隔膜扩散能力越强;因此可根据相邻连通域结构之间的位置差异、表面差异性差异、孔隙闭合度差异和每个连通域结构的孔隙闭合度获得隔膜表面的隔膜扩散强度,具体包括:
将连通域结构的孔隙闭合度与表面差异性值组成隔膜特征向量,计算连通域结构与相邻下一个连通域结构的隔膜特征向量的余弦相似度,作为第二分子;计算连通域结构与相邻下一个连通域结构的中心像素点的欧氏距离并归一化处理,作为第三距离,计算第三距离与数值一的和值,作为第二分母;计算连通域结构的第二分子和对应第二分母的比值,作为第一比值;计算第一比值与对应连通域结构的孔隙闭合度的倒数的乘积,作为第一乘积;计算隔膜灰度图像中的所有第一乘积的平均值并归一化,获得隔膜扩散强度。隔膜扩散强度的计算公式包括:
式中,表示隔膜扩散强度值,/>表示隔膜表面的连通域总个数,/>表示获取余弦相似度函数,/>表示第/>个连通域结构的隔膜特征向量,由第/>个连通域结构的孔隙闭合度与表面差异性组成的二维向量,/>表示第/>个连通域结构的隔膜特征向量,由第/>个连通域结构的孔隙闭合度与表面差异性组成的二维向量,/>表示第/>个连通域结构的中心像素点横坐标,/>表示第/>个连通域结构的中心像素点纵坐标。对于第/>个和第个连通域结构,在同一隔膜灰度图像中,按照连通域结构的分布顺序,依次对不同连通域标记,第/>个和第/>个连通域结构是相邻的关系。
对于隔膜扩散强度值的含义:当锂电池隔膜中的连通域结构都处于正常状态时,连通域结构之间的隔膜特征向量应该相似,即余弦相似度的值都趋于1;连通域分布越为密集,隔膜的扩散能力越强,即相邻连通域结构之间的欧氏距离越短;当连通域结构的孔隙闭合度越小,隔膜的扩散能力越强,即孔隙闭合度的倒数越大。至此,当隔膜扩散强度值越大,意味着隔膜的扩散能力越强。
步骤S4,根据隔膜扩散强度检测锂电池隔膜扩散能力。
计算得到隔膜扩散强度后,能够清晰准确通过隔膜扩散强度值检测锂电池隔膜的扩散能力,由隔膜扩散强度的计算过程可知,当隔膜扩散强度越大,其隔膜扩散能力越强;当隔膜扩散强度越小,其隔膜扩散能力越弱。
因此,可以预设第一判断阈值和第二判断阈值,当隔膜扩散强度小于等于预设第一判断阈值时,则认为锂电池隔膜的扩散能力差;当隔膜扩散强度大于预设第一判断阈值并且小于预设第二判断阈值时,则认为锂电池隔膜的扩散能力一般;当隔膜扩散强度大于等于预设第二判断阈值时,则认为锂电池隔膜的扩散能力强。实施者可根据实施场景自行预设判断阈值。至此,根据隔膜扩散强度值清晰准确地检测了锂电池隔膜扩散能力,且提高了检测效率。
综上所述,本发明实施例提供了一种锂电池隔膜扩散能力检测方法,首先获得锂电池的隔膜灰度图像;使用算法检测提取其中的孔隙的连通域结构,计算连通域结构的扁圆率;根据扁圆率、连通域结构形状以及灰度分布特征获得连通域结构的孔隙闭合度;根据连通域结构坐标获得不同的连通域簇,根据连通域簇中不同连通域结构位置差异和孔隙闭合度获得表面差异性;根据不同连通域结构的位置差异、表面差异性差异和孔隙闭合度差异获得隔膜扩散强度;根据隔膜扩散强度能够清晰准确地检测锂电池隔膜扩散能力。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (7)
1.一种锂电池隔膜扩散能力检测方法,其特征在于,该方法包括以下步骤:
获取锂电池的隔膜表面图像并预处理,获得隔膜灰度图像;获取所述隔膜灰度图像的不同连通域结构,根据所述连通域结构的形状获得每个连通域结构的扁圆率,根据所述连通域结构的形状、灰度分布特征与所述扁圆率获得孔隙闭合度;
根据不同所述连通域结构的中心像素点坐标获得连通域簇,根据每个所述连通域结构与所属连通域簇中其他连通域结构之间的位置差异和孔隙闭合度获得表面差异性;
根据相邻连通域结构之间的位置差异、表面差异性差异、孔隙闭合度差异和每个所述连通域结构的所述孔隙闭合度获得隔膜表面的隔膜扩散强度;
根据所述隔膜扩散强度检测锂电池隔膜扩散能力;
所述相邻连通域结构之间的位置差异为所述连通域结构与相邻下一个连通域结构的中心像素点的欧氏距离;
所述隔膜扩散强度的获取步骤包括:
将所述连通域结构的孔隙闭合度与表面差异性值组成隔膜特征向量,计算所述连通域结构与相邻下一个连通域结构的隔膜特征向量的余弦相似度,作为第二分子;
计算所述连通域结构与相邻下一个连通域结构的中心像素点的欧氏距离并归一化处理,作为第三距离,计算第三距离与数值一的和值,作为第二分母;
计算所述连通域结构的第二分子和对应第二分母的比值,作为第一比值;计算第一比值与对应连通域结构的孔隙闭合度的倒数的乘积,作为第一乘积;
计算所述隔膜灰度图像中的所有第一乘积的平均值并归一化,获得所述隔膜扩散强度。
2.根据权利要求1所述的一种锂电池隔膜扩散能力检测方法,其特征在于,所述连通域结构的扁圆率的获取步骤包括:
计算所述连通域结构的边界像素点与中心像素点的欧氏距离,获得最大欧氏距离和最小欧式距离;计算最大欧氏距离和最小欧氏距离的比值,获得所述连通域结构的扁圆率。
3.根据权利要求2所述的一种锂电池隔膜扩散能力检测方法,其特征在于,所述孔隙闭合度的获取步骤包括:
计算所述连通域结构中心像素点与灰度质心之间的欧氏距离,作为第一欧氏距离,计算第一欧氏距离与数值一的和值,作为第一距离;
将所述最小欧氏距离作为半径,以所述半径的二倍值作为所述连通域结构的最小直径;
将所述最小直径的倒数、所述第一欧氏距离和所述扁圆率相乘,获得所述孔隙闭合度。
4.根据权利要求1所述的一种锂电池隔膜扩散能力检测方法,其特征在于,所述表面差异性的获取步骤包括:
计算所述连通域结构与所属连通域簇中每个所述其他连通域结构的孔隙闭合度的差值绝对值,作为孔隙闭合度差值;将孔隙闭合度差值归一化处理,作为第一分子;
计算所述连通域结构与每个所述其他连通域结构的中心像素点之间的欧氏距离并归一化处理,作为第二距离,计算第二距离与数值一的和值,作为第一分母;
计算所述连通域结构与每个所述其他连通域结构对应的第一分子与第一分母的比值,获得初始表面差异性;计算所述初始表面差异性的平均值,获得所述表面差异性。
5.根据权利要求1所述的一种锂电池隔膜扩散能力检测方法,其特征在于,所述根据所述隔膜扩散强度检测锂电池隔膜扩散能力的步骤包括:
当所述隔膜扩散强度小于等于预设第一判断阈值时,则认为锂电池隔膜的扩散能力差;当所述隔膜扩散强度大于预设第一判断阈值并且小于预设第二判断阈值时,则认为锂电池隔膜的扩散能力一般;当所述隔膜扩散强度大于等于预设第二判断阈值时,则认为锂电池隔膜的扩散能力强。
6.根据权利要求1所述的一种锂电池隔膜扩散能力检测方法,其特征在于,所述连通域结构的获取步骤包括:
通过广义霍夫检测算法检测并提取所述隔膜灰度图像中不同位置的连通域结构,获得所述连通域结构。
7.根据权利要求1所述的一种锂电池隔膜扩散能力检测方法,其特征在于,所述连通域簇的获取步骤包括:
通过DBSCAN聚类算法对所有连通域结构的中心像素点坐标进行聚类,获得所述连通域簇。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310602843.8A CN116309613B (zh) | 2023-05-26 | 2023-05-26 | 一种锂电池隔膜扩散能力检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310602843.8A CN116309613B (zh) | 2023-05-26 | 2023-05-26 | 一种锂电池隔膜扩散能力检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116309613A CN116309613A (zh) | 2023-06-23 |
CN116309613B true CN116309613B (zh) | 2023-07-28 |
Family
ID=86794566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310602843.8A Active CN116309613B (zh) | 2023-05-26 | 2023-05-26 | 一种锂电池隔膜扩散能力检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116309613B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6662631B2 (en) * | 1998-08-28 | 2003-12-16 | Interuniversitair Microelektronica Centrum | Method and apparatus for characterization of porous films |
JP6307468B2 (ja) * | 2015-03-31 | 2018-04-04 | 富士フイルム株式会社 | 導電性フィルム、これを備える表示装置及び導電性フィルムの評価方法 |
KR102024890B1 (ko) * | 2015-11-03 | 2019-09-24 | 주식회사 엘지화학 | 분리막의 기공 특성 정량화 방법 |
CN207300185U (zh) * | 2017-10-25 | 2018-05-01 | 沧州明珠锂电隔膜有限公司 | 一种锂离子电池隔膜外观检测装置 |
JP7098591B2 (ja) * | 2019-09-30 | 2022-07-11 | 本田技研工業株式会社 | 電極構造体検査方法 |
CN114693603A (zh) * | 2022-03-03 | 2022-07-01 | 杭州安脉盛智能技术有限公司 | 一种锂电池Mylar膜缺陷检测方法 |
CN114549531B (zh) * | 2022-04-26 | 2022-07-15 | 广州市易鸿智能装备有限公司 | 一种锂电池卷绕OverHang对中纠偏控制系统及方法 |
-
2023
- 2023-05-26 CN CN202310602843.8A patent/CN116309613B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116309613A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111398833B (zh) | 一种电池健康状态评估方法 | |
CN102818998B (zh) | 一种锂离子动力电池析锂的检测方法 | |
CN111141755B (zh) | 一种电池电芯内部缺陷的检测方法 | |
CN115166563B (zh) | 一种动力电池老化状态评估与退役筛选方法及系统 | |
CN112330623B (zh) | 电芯极组极片对齐度检测方法和检测装置 | |
CN112287980B (zh) | 基于典型特征向量的动力电池筛选方法 | |
CN116309613B (zh) | 一种锂电池隔膜扩散能力检测方法 | |
CN116758064B (zh) | 基于电子扫描显微镜的锂电池隔膜质量检测方法 | |
CN114677677A (zh) | 一种质子交换膜燃料电池气体扩散层材料比例预测方法 | |
CN115841491B (zh) | 一种多孔金属材料的质量检测方法 | |
CN116739997A (zh) | 一种基于x射线成像的锂电池在线成像分析方法 | |
CN116184241A (zh) | 锂电池析锂检测方法、装置及系统 | |
CN113125974B (zh) | 一种电池析锂检测方法及装置 | |
CN111600051B (zh) | 一种基于图像处理的质子交换膜燃料电池故障诊断方法 | |
CN111130694B (zh) | 一种低时延聚类的pdcch盲检方法及其系统 | |
CN114362856B (zh) | 一种基于拉普拉斯矩阵的循环平稳信号检测与识别方法 | |
CN117148165B (zh) | 聚合物锂离子电池的测试分析方法及其系统 | |
CN116680506B (zh) | 自适应间隔优化的增量容量曲线数点统计方法及装置 | |
CN116385444B (zh) | 一种锂电池用蓝膜外观缺陷检测网络及其缺陷检测方法 | |
CN113821914B (zh) | 一种锂离子电池循环寿命低成本预测方法 | |
CN113702250B (zh) | 确定锂离子电池中离子扩散系数的方法、装置和设备 | |
CN117969579B (zh) | 一种锂电池隔膜质量检测方法 | |
CN116298977B (zh) | 一种锂电池循环性能测试方法及系统 | |
CN118033425A (zh) | 电芯故障类型检测方法、检测装置、电子设备及存储介质 | |
CN112001897A (zh) | 一种锂电池单体中子成像数据分析及评价方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |