CN117054422A - 基于光学和热成像的电池部件检查 - Google Patents

基于光学和热成像的电池部件检查 Download PDF

Info

Publication number
CN117054422A
CN117054422A CN202211339768.2A CN202211339768A CN117054422A CN 117054422 A CN117054422 A CN 117054422A CN 202211339768 A CN202211339768 A CN 202211339768A CN 117054422 A CN117054422 A CN 117054422A
Authority
CN
China
Prior art keywords
feature
temperature
interest
image
thermal
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
CN202211339768.2A
Other languages
English (en)
Inventor
W.曾
S.E.帕里什
J.高
B.J.科克
X.肖
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 CN117054422A publication Critical patent/CN117054422A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws
    • 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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/58—Extraction of image or video features relating to hyperspectral data
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10048—Infrared image
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

一种用于检查电池部件的系统包括被配置为将电池部件的表面加热到选定温度的加热装置，被配置为拍摄表面的光学图像的光学可见成像装置，被配置为拍摄表面的热图像的热成像装置，以及被配置为获取光学图像和热图像的处理器。所述处理器经配置以使所述热图像与所述光学图像相关联，识别光学图像及热图像中的至少一者中的感兴趣特征，确定与感兴趣特征相关联的几何特性及温度特性，且基于几何特性及温度特性确定感兴趣特征是否为缺陷。

Description

基于光学和热成像的电池部件检查
技术领域
本公开涉及电池检查，更具体地涉及电池单元电极的检查。
背景技术
电池单元用于各种应用，例如汽车应用(例如，在电动车辆和混合动力车辆中)。在电池单元的制造期间可能出现不连续性或缺陷。例如，一些电极通过在基底上沉积电极材料的涂层来构造。在沉积过程中可能出现表面和内部缺陷，例如飞溅物和不期望的颗粒。为了确保适当的功能，检查电池单元及其成分的这些和其他缺陷是重要的。
发明内容
在一个示例性实施例中，一种用于检查电池部件的系统包括：加热装置，其被配置为将电池部件的表面加热到选定温度；光学-可见成像装置，其被配置为拍摄表面的光学图像；热成像装置，其被配置为拍摄表面的热图像；以及处理器，其被配置为获取光学图像和热图像。所述处理器经配置以使所述热图像与所述光学图像相关联，识别所述光学图像以及所述热图像中的至少一者中的感兴趣特征，确定与所述感兴趣特征相关联的几何特性以及温度特性，且基于所述几何特性以及所述温度特性确定所述感兴趣特征是否为缺陷。
除了本文所述的一个或多个特征之外，电池部件是电池的电极。
除了本文所述的一个或多个特征之外，所述加热装置被配置为均匀地加热所述电池部件，所述加热系统包括被配置为直接接触所述电池部件的加热元件、非接触装置和加热室中的至少一个。
除了本文所述的一个或多个特征之外，感兴趣特征包括表面特征和设置在表面下方的内部特征中的至少一个。
除了本文所述的一个或多个特征之外，所述系统被配置为结合电池单元制造过程来自动检查电池部件。
除了本文所述的一个或多个特征之外，所述温度特性选自以下中的至少一个：温度值、温度分布、温度变化、以及对应于感兴趣特征的位置处的第一温度与所述热图像的另一位置处的第二温度之间的差。
除了本文所述的一个或多个特征之外，基于对应于参考温度特性的温度特性以及感兴趣特征的大小高于选定大小阈值及所述特征的图案对应于参考图案中的至少一者而将感兴趣特征确定为缺陷。
除了本文所述的一个或多个特征之外，光学-可见成像装置和热成像装置中的至少一个具有被选择用于区分微尺度特征的分辨率。
除了本文中所述的一个或多个特征之外，基于将几何特性以及温度特性与基于查找表的已知缺陷相关联而执行确定感兴趣特征是否为缺陷。
在另一个示例性实施例中，一种检查电池部件的方法包括：获取电池部件表面的光学图像和表面的热图像，其中光学图像和热图像中的至少一个是在表面被加热到选定温度时拍摄的，将热图像与光学图像相关联，识别光学图像和热图像中的至少一个中的感兴趣特征，确定与感兴趣特征相关联的几何特性和温度特性，以及基于所述几何特性以及所述温度特性来而确定所述感兴趣特征是否为缺陷。
除了本文所述的一个或多个特征之外，感兴趣特征包括表面特征和设置在表面下方的内部特征中的至少一个。
除了本文所述的一个或多个特征之外，所述获取是结合电池单元制造过程来执行的。
除了本文所述的一个或多个特征之外，所述温度特性选自以下中的至少一个：温度值、温度分布、温度变化、以及对应于感兴趣特征的位置处的第一温度与所述热图像的另一位置处的第二温度之间的差。
除了本文所述的一个或多个特征之外，基于对应于参考温度特性的温度特性以及感兴趣特征的大小高于选定大小阈值和所述特征的图案对应于参考图案中的至少一者来将感兴趣特征确定为缺陷。
除了本文所述的一个或多个特征之外，光学图像和热图像中的至少一个是以被选择用于区分微尺度特征的分辨率拍摄的。
除了本文所述的一个或多个特征之外，基于将几何特性和温度特性与基于查找表的已知缺陷相关联来执行确定感兴趣特征是否为缺陷。
在又一示例性实施例中，一种用于检查电池部件的计算机程序产品包括其上存储有计算机可执行指令的计算机可读存储器，所述计算机可执行指令在由处理器执行时使所述处理器执行操作。操作包括获取电池部件的表面的光学图像和表面的热图像，其中光学图像和热图像中的至少一个是在表面被加热到选定温度时拍摄的，将热图像与光学图像相关联，识别光学图像和热图像中的至少一个中的感兴趣特征，确定与感兴趣特征相关联的几何特性和温度特性，及基于所述几何特性以及所述温度特性而确定所述感兴趣特征是否为缺陷。
除了本文所述的一个或多个特征之外，温度特性选自以下中的至少一个：温度值、温度分布、温度变化、以及对应于感兴趣特征的位置处的第一温度与热图像的另一位置处的第二温度之间的差。
除了本文所述的一个或多个特征之外，基于对应于参考温度特性的温度特性，以及感兴趣特征的大小高于选定大小阈值和所述特征的图案对应于参考图案中的至少一者，确定感兴趣特征为缺陷。
除了本文所述的一个或多个特征之外，光学图像和热图像中的至少一个是以被选择用于区分微尺度特征的分辨率拍摄的。
当结合附图时，从以下详细的说明书中，本公开的上述特征和优点以及其它特征和优点是显而易见的。
附图说明
其它特征、优点和细节仅通过示例的方式出现在以下详细的说明书中，详细的说明书参考附图，其中：
图1描绘了袋式电池单元的示例；
图2描绘了根据示例性实施例的用于识别电池部件中的缺陷的检查系统；
图3是描绘根据示例性实施例的检查电池部件的方法的各方面的流程图；
图4是描绘根据示例性实施例的检查电池部件的方法的各方面的流程图；
图5描绘了使用图3或图4的方法生成的图像的示例，并且描绘了图3或图4的方法的示例的各方面；以及
图6描绘了根据实施例的计算机系统。
具体实施方式
以下说明书本质上仅仅是示例性的，并不旨在限制本公开、其应用或用途。应当理解，在整个附图中，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，提供了用于检查或评估电池单元和/或非破坏性地检测电池单元和电池部件中的缺陷和其他感兴趣特征的方法、设备和系统。实施例包括用于检查被配置为在电池单元(例如，袋式电池单元)中使用的电极或其他部件的系统。该系统可以被配置为在制造过程期间对电池部件进行在线成像和检查，或者被配置为在其他环境中使用。
该系统包括光学-可见照相机或光学-可见成像装置、热成像装置(例如红外照相机)和加热装置，该加热装置被配置为均匀地加热电极或其它电池部件的至少一个表面。该系统被配置为拍摄部件的一个或多个可见图像和部件的一个或多个热图像，使图像相关，并识别其中的特征。该系统还被配置为基于特征的几何特性和温度特性来确定所识别的特征是否是缺陷(在表面上和/或内部缺陷)。该系统可以包括用于附加分析的部件，诸如微尺度分析以及热辐射率和热传导分析。加热装置可以是用于直接接触电池部件的加热元件、用于加热部件表面的非接触装置(例如，基于长波长光学的加热装置)和/或用于封闭电池部件的环境加热室。
这里描述的实施例具有许多优点和技术效果。实施例提供了改进的检查方法，其能够有效地检测电极或其他电池部件的表面处和表面下方的缺陷。例如，如本文所讨论的光学图像和热图像的分析提供了即使使用离线方法也难以识别的缺陷的识别。另外，实施例提供可靠且可重复的离线和/或线上检验过程，其可以自动化方式作为制造过程的部分或在任何其它所要背景下执行。
图1描绘了袋式电池单元10的示例，其部件可以经由本文描述的系统和方法来检查或分析。应注意，本文中所描述的实施例不限于图1的特定实例或任何其它特定电池类型。例如，本文描述的实施例可以适用于圆柱形电池、棱柱形电池等。
电池单元10包括柔性外壳或袋12，其被密封以封闭多个堆叠的单元电池(电池堆)。袋12可以是铝层压箔或其他合适的袋材料。每个单元电池包括负电极或阳极14和正电极或阴极16。阳极和阴极由选定的导电材料制成并配置为薄片或箔。每个单元电池还包括由诸如聚合物或陶瓷的电绝缘材料制成的隔板18。活性材料20(诸如石墨或包括锂的材料)设置在袋12中在单元电池的各个层之间。
如图1所示，每个阳极14(也称为阳极箔)远离单元电池延伸，并且阳极箔14连接在一起作为箔堆22。箔堆22通过例如主超声波焊接将箔焊接在一起。箔堆22又经由焊接部26附接到导电突片24。在该示例中，突片24是负端子突片。阴极箔16可以类似地焊接到正端子突片(未示出)。
在此讨论的检查电池单元10的一个或多个部件和检测缺陷的方法可以在电池单元10的制造期间或之后的任何时间执行。图像的获取可以在制造期间在线执行，或者离线执行，诸如经由完成的电池单元的专用检查站。在线采集可以例如在组装电池单元之前发生。
图2描绘了用于检查电池部件的成像系统30的实施例。在该实施例中，成像系统30与现有的制造系统结合设置(例如，用于电池部件的在线成像和/或分析)。然而，成像系统30可以用于任何期望的背景(例如，制造期间或之后的质量控制)。
结合袋式电池单元的电极(例如，阳极14和/或阴极16)的检查来讨论成像系统30，但不限于此。检查系统30可以用于检查任何合适类型的电池单元或电池组件的任何期望部件。
成像系统30可用于识别在被检查的电池部件的表面处或其下方的一个或多个感兴趣特征。在一实施例中，“感兴趣特征”包括在所获取的热图像和/或光学图像中可检测的任何特征，其可能潜在地导致电池单元的损坏或导致电池单元的次优操作。这些特征的实例包括孔、褶皱、撕裂、颗粒、飞溅物等。另外的实例包括由不均匀的阳极利用、电极中的未分散颗粒、在混合电极中不一致地分布的活性材料(例如，飞溅物)和来自电极制造的金属颗粒污染引起的老化电池中的斑点电镀。因此，成像系统30可以用于检测在制造期间或由于制造误差而发生的非均匀性或不连续性，以及在电池单元的寿命期间可能出现的非均匀性。
成像系统30包括至少一个成像组件32，该成像组件32包括光学-可见成像装置34，例如用于拍摄电池部件36，例如电极(例如，图1的阳极14)的可见光图像的照相机。成像组件32还包括热成像装置38，例如红外相机，用于拍摄电池部件36的热图像。
成像系统30还包括加热组件40，其被配置为均匀地加热电池部件36(例如，加热部件的表面和/或内部)。当整个电池部件(或其部分)处于相同温度或温度的变化低于选定阈值(例如，0.1摄氏度或更小的变化)时，部件被“均匀地”加热。
在图2的实施例中，加热组件40包括温度激发组件42，该温度激发组件42包括一个或多个光源或激光照射源44，该光源或激光照射源44被构造成将长波长辐射(例如红外光)束引导到电池部件36。光束具有至少对应于光学可见成像装置34和/或热成像装置38的视场(FOV)的尺寸的光束宽度。另外或替代地，加热组件40包括具有加热元件56(例如，电阻加热器)和控制器50的加热装置46。加热元件56可以被配置为直接接触电池部件，或者可以被配置为加热电池部件周围的环境(例如，作为加热室的一部分)。一个或多个温度传感器54可以相对于部件36设置。
成像系统40可以作为在线检查系统并入，该在线检查系统可以用于在制造期间对部件成像并分析图像以用于特征检测。例如，成像装置、光源44(例如，长波长光或激光照明源)和/或加热装置46可以相对于输送机安装在一个或多个合适的支撑结构上，电池部件36在输送机上在各个制造站之间运输。
图2还描绘缺陷或不连续性可位于的位置的实例。例如，电池部件36可以包括电池部件的内部52中的缺陷和/或电池部件36的上表面58上或处的缺陷。
这里描述的成像系统30以及成像和分析方法的各个方面可以由一个或多个处理设备控制。(一个或多个)处理设备可以是诸如处理器60的本地处理设备和/或(经由网络连接的)远程处理设备。
图3示出了检查电池部件和/或检测或识别不连续性的方法80的实施例。方法80的各方面可由一个或多个处理器(诸如处理器60)执行。注意，方法80可以由任何合适的处理设备或系统或处理设备的组合来执行。
方法80包括由框81-90表示的多个步骤或阶段。方法80不限于其中的步骤的数量或顺序，因为由框81-90表示的一些步骤可以以与下面描述的顺序不同的顺序执行，或者可以执行少于所有步骤的步骤。
结合成像系统30讨论方法80的各方面，成像系统30可以是制造系统中的在线站或离线站。方法80不限于此，并且可以与具有本文所述的成像和分析能力的任何设备或系统一起使用。
在框81处，温度激励组件42用于至少加热电池部件36的表面。例如，部件36是由沉积在基底(例如，集电器)中的阳极材料的涂层形成的阳极，并且施加激光能量以加热至少整个阳极材料。温度激励组件42被控制以将电池部件36加热到均匀的温度。
例如，当温度激励组件42向电池部件36施加能量并加热电池部件36时，在电池部件36的各个位置处执行温度测量，并且估计作为位置的函数(例如，根据像素数)的温度。如果最大温度(例如，最高测量温度)和最小温度(例如，最低测量温度或参考温度)之间的温度变化低于阈值，则认为温度是均匀的，并且可以拍摄电池部件36的图像。温度变化阈值的示例是0.3°摄氏度或更小的变化。
在框82处，获取电池部件36的表面的一个或多个光学(可见光)图像。例如，可以在构造或沉积电极之后并且在将电极与电池单元(例如，袋式电池单元)的其他部件组装之前对电极进行成像。在另一示例中，对用于构造电极的电极材料的样本进行成像。
在框83处，由热成像装置38拍摄一个或多个热图像。以选定的分辨率(诸如大于或等于图像分辨率阈值的分辨率)拍摄热图像和/或光学图像。例如，光学图像和/或热图像是具有至少30微米的图像分辨率的高分辨率图像(即，图像分辨率使得范围小至约30微米的物体是可区分的)。
虽然这里讨论的加热是在拍摄光学和热图像之前进行的，但是方法80不限于此。例如，可以在加热之前拍摄光学图像。然后可以如上所述加热电池部件36，然后可以拍摄一个或多个热图像。
在框84处，使用任何合适的图像分析技术将光学图像和热图像彼此相关或彼此映射。例如，可以将光学图像的任何可见特征映射到热图像的对应特征上以进行相关。
在框85处，至少使用光学图像来识别可见特征。在一实施例中，可见特征包括在光学图像和热图像中可见的特征。这些特征可以是表面缺陷。可以基于尺寸、面积、长度、宽度、形状和/或其他几何特性来识别可见特征。例如，可见特征是具有大于约30微米的尺寸(例如，直径或长度)的特征。在另一实例中，可识别具有对应于已知缺陷或已知特征的形状或图案的可见特征。
在一实施例中，可以使用机器学习算法，例如对象跟踪、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、梯度直方图和其它技术，来识别可见特征(和/或具有比可见特征更小的尺度的其它特征)。可以采用上述技术的任何组合。使用电池部件36和/或类似部件的图像来训练机器学习算法。例如，获取并标记阳极的图像以识别感兴趣特征和/或缺陷，并且在图像上训练算法。
在框86处，估计所识别的特征的温度特性，并将其用于确定所识别的可见特征是否为缺陷。例如，如果可见特征具有大于约100微米(或其他选定尺寸)的尺寸，并且温度值或温度差(例如，特征与图像的周围或相邻区域之间的温度差)高于阈值，则确定可见特征是缺陷。如果特征通过图像映射过程出现在光学图像和热图像中的相同位置，则可以确认可见特征。
在框87处，使用视觉和/或热分析来识别较小尺度的特征和/或内部特征(例如，设置在电池部件36的表面下方的特征)。内部特征可以出现在热图像中，但是通过图像映射过程在对应的光学图像中不可见或不明显。可以离线执行部件36的附加分析以确认内部特征。例如，在框87A处，可以使用显微镜成像(例如，使用立体显微镜和/或扫描电子显微镜)来确认内部特征的存在。另外或替代地，内部特征的微尺度分析可以包括使用部件的X射线图像的元素映射。
可以在框87b进行热分析以识别内部特征(例如，表面下颗粒，也称为混合颗粒)。例如，执行发射率和/或热导率分析以导出与经由视觉分析识别的内部特征相对应的区域的发射率和/或热导率。
在框88处，确定所识别的内部特征或较小尺度特征是否为缺陷。在一实施例中，将温度特性和几何特性的组合与参考信息进行比较。例如，具有满足所选尺寸阈值的尺寸并且具有满足温度阈值的温度(例如，温度值、温度变化、温度差)的特征被识别为缺陷。在另一实例中，具有对应于参考图案的图案以及满足阈值的温度的特征被确定为缺陷。在实施例中，满足几何准则且具有高于阈值的温度(其与发射率和/或热导率相关)的特征被确定为缺陷。
例如，如果特征直径Ddefect大于混合颗粒的尺寸(Dparticle)或参考尺寸的倍数，并且特征温度(Tparticle)与周围或相邻区域的温度(Tsurrounding)之间的差值大于所选阈值，则确定所识别的较小尺度特征是缺陷。
以下关系示出了用于检测较小尺度特征的标准的示例。如果以下内容为真，则确定特征是缺陷：
Ddefect>3*Dparticle或Ddefect>30微米；以及
(Tparticle–Tsurrounding)>0.3摄氏度
在框89处，组合较大和较小尺度的缺陷，并且使用尺寸和/或温度分布来使用上述等式确认缺陷检测。
在框90处，将与所确定缺陷相关的信息输出到用户、另一处理器或其它位置。输出可呈注释有缺陷的输出图像的形式，或可输出指示缺陷的大小、位置和/或类型的其它信息。
处理器和/或其它合适的处理设备或控制设备可以响应于检测到缺陷而实现一个或多个动作。可以改变或修改制造过程以解决检测到的缺陷，和/或可以采取任何其他合适的补救措施。例如，可以暂停制造过程，并且可以从制造站移除部件。在另一示例中，可以调整制造过程以解决检测到的缺陷(例如，通过调整阳极沉积参数)，和/或潜在地防止在制造后续电池单元时出现类似的缺陷。
图4描绘了方法80的另一实施例。该实施例对于在线制造应用和期望快速分析的其他背景可能是合适的或期望的。
在此实施例中，在框87处，将大小或其它几何特性数据和温度数据存储在查找表或其它合适的数据结构中。如上所述识别内部和较小尺度特征，并且将每个识别的特征的温度和尺寸输入到数据结构以确定这些特征是否构成缺陷。
图5描绘了经由成像系统30获取的图像的示例，以及方法80的执行的示例。在该示例中，电池部件36是形成为集电器上的涂层的石墨硅混合阳极。涂层的厚度为约100微米。
加热直到阳极被加热到均匀的温度，并拍摄光学图像。图像包括阳极区域的热图像91和该区域的光学图像92。基于例如在两个图像中可见的大特征将热图像91映射到光学图像92上。在该示例中，具有选定尺寸(例如，至少约100微米的长度或直径)的一个或多个相对大的特征被识别并用于相关。
热图像91表示温度，其中较亮的区域对应于较高的温度。例如，可以看到较低温度区域94和较高温度区域96，在较低温度区域94中，像素具有紫色或较暗的颜色，在较高温度区域96中，像素具有较浅的颜色(黄色和橙色)。
在该实例中，分析热图像91，并识别具有高温图案的区域98。在可见图像92中未确定区域98中的图案，指示潜在的内部缺陷。
如果温度特性满足选定的温度标准，则认为对应于区域98的特征是缺陷。标准可以是区域98的平均温度处于或高于阈值，或者区域98的最大温度高于阈值。标准还可以是区域98的温度与周围区域的温度之间的差异。
为了便于识别缺陷，可以对部件36进行微尺度和/或元素分析。在该示例中，图像104表示碳浓度，图像106表示氧浓度，并且图像108表示硅浓度。可以看出，图像104和106分别显示对应于区域98的图案109和110。另外，光学图像92的一部分(包括区域98)可以被显微镜成像，产生显示区域98的细节的微尺度图像100，并且提供区域98是飞溅缺陷的进一步确认。可以识别其他微尺度特征，诸如图像108中被示出为注释112的特征。
这里描述的系统和方法可应用于各种类型的电池。在一实施例中，所评估的电池单元可以是在电动车辆和/或混合动力车辆中使用的电池单元；然而，系统和方法不限于此。
图6示出了可以执行本文描述的实施例的各个方面的计算机系统140的实施例的各方面。计算机系统140包括至少一个处理设备142，其通常包括用于执行本文描述的图像获取和分析方法的各方面的一个或多个处理器。
计算机系统140的部件包括处理设备142(诸如一个或多个处理器或处理单元)、存储器144和将包括系统存储器144的各种系统部件耦合到处理设备142的总线146。系统存储器144可以是非暂时性计算机可读介质，并且可以包括各种计算机系统可读介质。这样的介质可以是可由处理设备142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除和不可移除介质。
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，并且还可以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还可以包括其他可移动/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可以包括具有一组(例如，至少一个)程序模块的至少一个程序产品，所述程序模块被配置为执行在此描述的实施例的功能。例如，系统存储器144存储通常执行本文描述的实施例的功能和/或方法的各种程序模块。可以包括一个或多个模块152以执行与获取图像相关的功能。可以包括图像分析模块154，用于分析如本文所述的图像。系统140不限于此，因为可以包括其他模块。如本文所使用的，术语“模块”是指处理电路，其可以包括专用集成电路(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、专用或群组)和存储器、组合逻辑电路和/或提供所描述的功能的其他合适的部件。
处理设备142还可以与一个或多个外部设备156通信，诸如键盘、点击设备和/或使处理设备142能够与一个或多个其他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以经由输入/输出(I/O)接口164和165发生。
处理设备142还可以经由网络适配器168与一个或多个网络166通信，所述网络166例如为局域网(LAN)、通用广域网(WAN)、总线网络和/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/或软件部件可以与计算机系统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系统和数据归档存储系统等。
这里描述的实施例解决了与涉及电池单元的技术领域相关的许多问题。这些技术领域包括电池单元制造、测试和检查、电池单元安装以及使用电池单元的汽车领域。问题包括难以检测撕裂和其他不连续性(无论是在制造期间还是在制造之后)。在现有的检查技术中也可能出现问题，例如由于需要手动检查和/或电池拆卸而导致的低效率。本文描述的实施例提供了这些问题的解决方案，从而实现了对技术领域的改进。
虽然已经参考示例性实施例描述了上述公开内容，但是本领域技术人员将理解，在不脱离其范围的情况下，可以进行各种改变并且可以用等同物替换其元件。另外，在不脱离本公开的基本范围的情况下，可以进行许多修改以使特定情况或材料适应本公开的教导。因此，意图是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)

1.一种用于检查电池部件的系统，包括：
加热装置，所述加热装置被配置为将所述电池部件的表面加热到选定温度；
光学可见成像装置，所述光学可见成像装置被配置为拍摄所述表面的光学图像；
热成像装置，所述热成像装置被配置为拍摄所述表面的热图像；以及
处理器，所述处理器被配置为获取所述光学图像和所述热图像，并且执行：
将所述热图像与所述光学图像相关联；
识别所述光学图像和所述热图像中的至少一个中的感兴趣特征，并确定与所述感兴趣特征相关联的几何特性和温度特性；以及
基于所述几何特性和所述温度特性来确定所述感兴趣特征是否为缺陷。
2.根据权利要求1所述的系统，其中所述电池部件是电池的电极。
3.根据权利要求1所述的系统，其中所述加热装置被配置为均匀地加热所述电池部件，所述加热装置包括被配置为直接接触所述电池部件的加热元件、非接触装置和加热室中的至少一个。
4.根据权利要求1所述的系统，其中所述感兴趣特征包括以下中的至少一个：表面特征和设置在所述表面下方的内部特征。
5.根据权利要求1所述的系统，其中所述光学可见成像装置和所述热成像装置中的至少一个具有被选择为区分微尺度特征的分辨率。
6.一种检查电池部件的方法，包括：
获取所述电池部件的表面的光学图像和所述表面的热图像，其中所述光学图像和所述热图像中的至少一个是在所述表面被加热到选定温度时拍摄的；
将所述热图像与所述光学图像相关联；
识别所述光学图像和所述热图像中的至少一个中的感兴趣特征，并确定与所述感兴趣特征相关联的几何特性和温度特性；以及
基于所述几何特性和所述温度特性来确定所述感兴趣特征是否为缺陷。
7.根据权利要求6所述的方法，其中所述获取是结合电池单元制造过程来执行的。
8.根据权利要求7所述的方法，其中所述温度特性选自以下中的至少一个：温度值、温度分布、温度变化、以及对应于所述感兴趣特征的位置处的第一温度与所述热图像的另一位置处的第二温度之间的差。
9.根据权利要求8所述的方法，其中基于对应于参考温度特性的所述温度特性以及以下中的至少一个来确定所述感兴趣特征是缺陷：
所述感兴趣特征的大小高于选定的大小阈值；以及
所述特征的图案对应于参考图案。
10.根据权利要求6所述的方法，其中基于将所述几何特性和所述温度特性与基于查找表的已知缺陷相关联来执行确定所述感兴趣特征是否为缺陷。
CN202211339768.2A 2022-05-13 2022-10-27 基于光学和热成像的电池部件检查 Pending CN117054422A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/743,862 2022-05-13
US17/743,862 US20230368367A1 (en) 2022-05-13 2022-05-13 Battery component inspection based on optical and thermal imaging

Publications (1)

Publication Number Publication Date
CN117054422A true CN117054422A (zh) 2023-11-14

Family

ID=88510283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211339768.2A Pending CN117054422A (zh) 2022-05-13 2022-10-27 基于光学和热成像的电池部件检查

Country Status (3)

Country Link
US (1) US20230368367A1 (zh)
CN (1) CN117054422A (zh)
DE (1) DE102022127459A1 (zh)

Also Published As

Publication number Publication date
DE102022127459A1 (de) 2023-11-16
US20230368367A1 (en) 2023-11-16

Similar Documents

Publication Publication Date Title
US9689820B2 (en) Thermography for battery component quality assurance
JP4034500B2 (ja) 半導体装置の検査方法及び検査装置、及びそれを用いた半導体装置の製造方法
KR101791719B1 (ko) 태양전지의 검사방법 및 검사장치
US7019294B2 (en) Inspection method and apparatus using charged particle beam
JP4528014B2 (ja) 試料検査方法
Mohanty et al. Non-destructive evaluation of slot-die-coated lithium secondary battery electrodes by in-line laser caliper and IR thermography methods
JP2023514753A (ja) 電気化学電池、特に燃料電池のバイポーラプレートを検査するための方法および検査装置
US8536540B2 (en) Charged particle beam apparatus and method for stably obtaining charged particle beam image
WO2014084574A1 (ko) 발열 분포 측정을 이용한 불량 분석 장치 및 방법
KR102303643B1 (ko) 배터리의 리드 필름 틈새 검사장치 및 방법
Just et al. A method to quantify coating thickness and porosity of electrodes for lithium-ion-batteries
KR102501893B1 (ko) 이차전지 전극 표면 및 코팅 상태 검사 장치
McGovern et al. A review of research needs in nondestructive evaluation for quality verification in electric vehicle lithium-ion battery cell manufacturing
JPH10318949A (ja) 検査装置および半導体検査方法
US20230408594A1 (en) Method for diagnosing battery pack
US20230368367A1 (en) Battery component inspection based on optical and thermal imaging
JP2016143641A (ja) 蓄電装置用の電極の検査方法
Sulas et al. Defect detection in solid-state battery electrolytes using lock-in thermal imaging
JP2005310790A (ja) 膜電極接合体内の短絡の検出及び位置確認のための装置及び方法
JP4728207B2 (ja) 検査装置
US20210191372A1 (en) Analysis of additive manufacturing processes
TWI516760B (zh) Semiconductor inspection device and inspection method using charged particle line
CN114325274B (zh) 一种换流变阀侧套管局部放电检测系统及方法
US20240133819A1 (en) Methods for Analyzing an Electrode Layer of a Battery Cell Using a KI Engine, Training a KI Engine, Producing a Battery Storage Device, and Production Units
JP2008034475A (ja) 半導体装置の製造方法

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