陳 功， 朱錫芳， 許清泉， 徐安成， 楊 輝

（常州工學(xué)院，江蘇常州 213022）

目前磷酸鐵鋰電池的應(yīng)用并非盡善盡美，主要是受制于電池組的一致性問題。用作汽車動(dòng)力的鋰離子電池是將大量單體電池串并聯(lián)而成的電池組，目前單體磷酸鐵鋰電池的壽命超過2 000次，在將多個(gè)電池組成電池組時(shí)，只有在電池性能高度一致時(shí)，電池組的循環(huán)壽命才能接近單體電池的壽命。由于目前國(guó)內(nèi)大部分磷酸鐵鋰生產(chǎn)廠商的制造設(shè)備及制備工藝都不成熟，產(chǎn)品品質(zhì)容易出現(xiàn)波動(dòng)，使得電池產(chǎn)品的一致性受到影響，因此，目前應(yīng)用在電動(dòng)汽車上存在一定的障礙。表面缺陷是鋰電池極片表面質(zhì)量的重要因素，直接影響著產(chǎn)品的性能和質(zhì)量。因此，基于機(jī)器視覺技術(shù)的極片表面質(zhì)量自動(dòng)檢測(cè)已逐漸成為研究的重點(diǎn)。

從國(guó)內(nèi)外相關(guān)研究領(lǐng)域來看，文獻(xiàn)[1]針對(duì)塑料薄膜表面缺陷提出了固定閾值分割的方法實(shí)現(xiàn)缺陷的提取。文獻(xiàn)[2-4]則未考慮視覺圖像中可能同時(shí)存在多個(gè)缺陷，文獻(xiàn)[5]采用聚類解決上述問題，但是該方法計(jì)算復(fù)雜，實(shí)時(shí)性差。文獻(xiàn)[6-8]采用模板匹配中誤差和相關(guān)性算法來識(shí)別缺陷，上述算法計(jì)算量大，且未能充分反映同類數(shù)據(jù)本身的相似度特性。針對(duì)上述問題，構(gòu)建鋰電池在線極片缺陷識(shí)別系統(tǒng)，該系統(tǒng)采用最大熵閾值法實(shí)現(xiàn)閾值分割，經(jīng)缺陷面積排序定位最大缺陷目標(biāo)，提取缺陷中的幾何形狀和投影參數(shù)作為特征值，識(shí)別部分采用高斯混合模型(Gaussian Mixture Model，GMM)算法實(shí)現(xiàn)對(duì)缺陷目標(biāo)的分類。

采用CCD對(duì)鋰電池薄膜成像時(shí)，由于鏡頭到薄膜距離有限，獲得的圖像一般中部偏亮、兩側(cè)偏暗。因此本文采用圖像灰度補(bǔ)償算法[3]和平滑濾波算法減少圖像采集質(zhì)量不穩(wěn)定的影響。

1 鋰電池極片缺陷類型

鋰電池極片缺陷依據(jù)產(chǎn)生原因可劃分為以下幾種。由于設(shè)備因素引起的亮劃痕、暗劃痕；由工藝因素引起的漏箔、起泡、針孔；由環(huán)境因素引起的表面異物。圖1為主要研究的缺陷目標(biāo)。

2 閾值分割和特征提取

針對(duì)固定閾值取值的復(fù)雜性，本文采用一維最大熵閾值法[9]，其基本思路是：統(tǒng)計(jì)圖像中每一個(gè)灰度級(jí)出現(xiàn)的概率，計(jì)算該灰度級(jí)的熵假設(shè)以灰度級(jí)T分割圖像，圖像中低于T灰度級(jí)的像素點(diǎn)構(gòu)成目標(biāo)物體，高于灰度級(jí)T的像素點(diǎn)構(gòu)成背景，則分布概率分別為：Pi/pti=1，2，…，t，Pi/pti=t+1，t+2，…，L-1，則熵函數(shù)定義為：

圖1 主要研究的缺陷目標(biāo)

當(dāng)熵函數(shù)取得最大值時(shí)對(duì)應(yīng)的灰度值t就是所求得最佳閾值，即經(jīng)圖像分割后，得到黑白二值化鋰電池極片圖像。該圖像中可能存在多個(gè)缺陷目標(biāo)，通常缺陷目標(biāo)呈現(xiàn)較大的面積特征，因此缺陷目標(biāo)面積排序的方法可定位出最大缺陷目標(biāo)。

鋰電池極片圖像識(shí)別是一個(gè)多特征、多類別的識(shí)別問題，需要大量特征精確地描述缺陷。根據(jù)工業(yè)生產(chǎn)過程中極片缺陷圖像的特點(diǎn)，本文提取了幾何形狀和投影特征。實(shí)際生產(chǎn)過程中，劃痕特征通常保持同一方向，采取0°方向投影，將二維數(shù)據(jù)映射成一維數(shù)據(jù)可有效區(qū)分缺陷目標(biāo)。圖2為不同缺陷目標(biāo)的11個(gè)特征值的分布圖，其中縱坐標(biāo)為歸一化幅值。這11個(gè)特征值分別為幾何特征中的面積、長(zhǎng)徑和短徑之比、周長(zhǎng)、圓形度和離心率；投影特征包括波形特征、脈沖特征、峰值特征、裕度特征、歪度值和峭度值。

圖2 不同缺陷目標(biāo)特征值比較

由圖2可知，黑劃痕和污物缺陷都呈現(xiàn)暗特征；而白劃痕、漏箔以及起泡缺陷均呈現(xiàn)亮特征；黑劃痕和亮劃痕、污物和漏箔特征差異不明顯；漏箔和白劃痕相比投影特征近似，但幾何特征中面積差異較大。起泡和漏箔、劃痕特征相比，則投影特征差異明顯。因此本文所提取的幾何形狀和投影特征是合理的。

3 高斯混合模型的識(shí)別

高斯混合模型(GMM)模型[10]是一種基于參數(shù)估計(jì)的概率統(tǒng)計(jì)模型，其將每個(gè)缺陷目標(biāo)的特征在特征空間都構(gòu)成特定的分布，并且可用多個(gè)高斯分布組合對(duì)每個(gè)缺陷特征分布進(jìn)行擬合，不同參數(shù)的高斯分布組合可用來表征不同的缺陷目標(biāo)。GMM的優(yōu)點(diǎn)是可以從統(tǒng)計(jì)的角度充分表示數(shù)據(jù)的分布情況，反映的是同類數(shù)據(jù)本身的相似度特性。

GMM模型是用M個(gè)單高斯分布的線性組合來描述特征在特征空間中的分布。即：

式(3)中：xt中t=1，2，…；T是特征序列；M是GMM模型階數(shù)；d是特征的維數(shù)；bi(xt)是均值矢量為μi、協(xié)方差矩陣為∑i的單高斯分布函數(shù)；Pi是第i個(gè)單高斯分布的權(quán)重。作為高斯混合分布的加權(quán)系數(shù)，P應(yīng)滿足使：

在采用高斯混合模型的圖像特征參數(shù)目標(biāo)集合中，任一特征參數(shù)的模型形式都是一致的，其個(gè)性特征由一組參數(shù)唯一確定。因此，目標(biāo)的訓(xùn)練是從己知特征參數(shù)中得到這樣的一組參數(shù)λ使其產(chǎn)生訓(xùn)練的參數(shù)概率密度最大。而缺陷目標(biāo)的識(shí)別依最大概率原則選出產(chǎn)生識(shí)別缺陷目標(biāo)概率最大的那一組參數(shù)所代表的缺陷目標(biāo)，即：

圖3為基于GMM鋰電池極片缺陷目標(biāo)識(shí)別系統(tǒng)原理圖。

圖3 基于GMM鋰電池極片缺陷目標(biāo)識(shí)別系統(tǒng)原理圖

表1給出了不同條件下的識(shí)別結(jié)果。由于幾何和投影特征的相對(duì)獨(dú)立性，同時(shí)提取兩者特征，能有效提高缺陷的平均識(shí)別率，提高值分別達(dá)到9%和12%。采用缺陷面積排序提取了唯一的缺陷目標(biāo)，相對(duì)于未排序方法平均識(shí)別率提高了17%。與模板匹配相關(guān)性算法比較，GMM相對(duì)于模板匹配相關(guān)性從統(tǒng)計(jì)的角度充分表示數(shù)據(jù)的分布情況，反映的是同類數(shù)據(jù)本身的相似度特性，其識(shí)別提高率達(dá)到4%。

表1 不同識(shí)別條件下的識(shí)別結(jié)果

4 結(jié)論

針對(duì)鋰電池行業(yè)實(shí)際生產(chǎn)的需求，構(gòu)建了基于機(jī)器視覺的鋰電池極片缺陷在線識(shí)別系統(tǒng)。該系統(tǒng)提取雙特征值、對(duì)缺陷目標(biāo)排序，采用高斯混合模型對(duì)缺陷目標(biāo)進(jìn)行準(zhǔn)確識(shí)別。實(shí)驗(yàn)結(jié)果表明：幾何和投影特征能準(zhǔn)確描述缺陷目標(biāo)，GMM算法優(yōu)于模板匹配算法，識(shí)別準(zhǔn)確率達(dá)到94%，該方法能改善鋰電池極片的表面質(zhì)量，進(jìn)一步提高鋰電池產(chǎn)品的一致性。

[1]樊向黨，林波.塑料薄膜表面疵點(diǎn)檢測(cè)及識(shí)別方法研究[J].工業(yè)控制計(jì)算機(jī)，2011，24(5)：74-75.

[2]劉學(xué)山，岳喜順.一種基于智能相機(jī)和機(jī)器視覺的電池極片檢測(cè)系統(tǒng)的設(shè)計(jì)[J].機(jī)械設(shè)計(jì)與制造，2011(2)：5-6.

[3]楊水山.冷軋帶鋼表面缺陷機(jī)器視覺自動(dòng)檢測(cè)技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2009.

[4]劉學(xué)山.基于機(jī)器視覺的鋰離子電池極片檢測(cè)系統(tǒng)的研究與設(shè)計(jì)[D].上海：華南理工大學(xué)，2010.

[5]楊威，張?zhí)镂?，師海?一種用于二值圖象分割的快速聚類算法[J].計(jì)算機(jī)研究與發(fā)展，1998，35(8)：719-723.

[6]基于機(jī)器視覺的電池表面缺陷檢測(cè)技術(shù)研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2011.

[7]何長(zhǎng)濤，馬孜.基于圖像相似的極片激光損傷識(shí)別[J].激光雜志，2007，28(1)：60-61.

[8]何長(zhǎng)濤，馬孜.基于小波變換的極片激光損傷識(shí)別[J].激光技術(shù)，2007，28(1)：131-136.

[9]韓九強(qiáng).機(jī)器視覺技術(shù)及應(yīng)用[M].北京：高等教育出版社，2009.

[10]張雄偉.現(xiàn)代語音處理技術(shù)及應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2003.