李昱杉，苑瑋琦

（1.沈陽工業(yè)大學視覺檢測技術研究所，沈陽 110870；2.遼寧省機器視覺重點實驗室，沈陽 110870）

1 引 言

隨著新能源產業(yè)的發(fā)展，鋰電池的應用越發(fā)廣泛[1]。電池在生產過程中易因磕碰、摩擦、外力擠壓等導致表面產生凹坑缺陷，影響產品性能，留下安全隱患[2]。很多電池廠家采用人工檢測或單一儀器檢測電池缺陷，檢測效率和準確性都難以保證?；跈C器視覺的表面缺陷檢測方法在一定程度上克服了傳統(tǒng)人工檢測方法的檢測效率低、誤檢及漏檢率高的問題，在現代化的工業(yè)生產中得到了廣泛的應用[3]。據目前文獻檢索，基于機器視覺的表面缺陷檢測方法中，基于區(qū)域的分割主要包括閾值分割、區(qū)域生長和聚類分割等。其中針對工業(yè)場合最常見的是閾值分割，近幾年相關研究成果較多。比如，在缺陷閾值分割方面，郭皓然等人[4]基于全局閾值的最大類間方差法和形態(tài)學圖像分割法的高自適應度，去除高光噪聲，但通用性較差；曹廣忠等人[5]提出的混合梯度閾值法可效減少由特殊圖案區(qū)域引起的誤檢誤差，但易受光照影響；馬云鵬等人[6]解決了上述問題，提出一種通用性較強且不易受光照影響的自適應分割算法，且適用于多種類型的金屬檢測，但不適用于本研究凹坑。為解決現存的問題，在此提出一種基于機器視覺、針對18650 圓柱形鋰電池圓周面凹坑缺陷的檢測方案，進一步完善現有方法，為鋰電池表面缺陷檢測設備提供理論支撐，為電池的產品質量把關。

2 凹坑檢測算法原理

2.1 常規(guī)方法的不足

如圖1 所示為帶有凹坑的電池圖像，矩形框所示為凹坑缺陷，呈現出邊緣灰度漸變的圖像特征[7]。如圖2 所示為圖1 電池的3D 灰度分布圖，縱坐標為灰度值，橫坐標為圖像行像素點坐標。由于光源位于電池負極側斜上方打光，灰度分布沿著電池圓周面的行像素坐標由正極向負極逐漸抬高，偏離基準線。凹坑由緊挨著的亮區(qū)域和暗區(qū)域構成，不均勻光照使凹坑暗區(qū)域與鄰域的對比度降低[8]，難以實現缺陷檢測，因此需要對不均勻光照進行修正。

圖1 帶凹坑的電池圖像

圖2 電池3D 灰度分布圖

2.2 光照分布修正

如圖3 所示為電池某行灰度分布曲線。其橫坐標左側為正極，右側為負極。由于光源位于電池負極側斜上方打光，電池正極側受光照影響最小，因此，以電池正極側為基準，將電池灰度分布曲線視作一個直角三角形的斜邊。如圖4 所示為光照分布修正模型。

圖3 電池某行灰度分布曲線

圖4 光照分布修正模型

根據銳角θ的正切值tanθ，通過線性變換，將灰度分布曲線上像素點的灰度值Gb修正為直角三角形長直角邊垂直對應位置的投影值Ga，這樣按行操作圖像就可將電池內部所有像素點的灰度級修正到同一基準線，從而去除光照影響。線性變換計算式如下：

為了確定式(1)中tanθ的取值，對圖3 電池灰度分布曲線進行基于最小二乘法的直線擬合，通過最小化誤差的平方和尋找數據的最佳函數匹配，最小化每個點到直線的垂直誤差。線性變換參數計算如圖5所示，擬合直線代表灰度分布曲線的整體趨勢，對應于圖4 中光照分布模型的三角形斜邊，因此tanθ的值等于擬合直線的斜率。

圖5 線性變換參數計算

將圖3 中灰度分布曲線通過式(1)逐點進行基于線性變換的光照分布修正后，結果即如圖6 所示。可以看出，該方法消除了不均勻光照的影響，使電池內部像素點的灰度級回到同一基準線，改變了曲線整體趨勢，但又不改變局部趨勢。

圖6 光照分布修正結果示例

2.3 凹坑特征分析

如圖7 所示為圖1 經過光照分布修正后的電池局部圖像，其中兩條豎線標注的是凹坑位置。如圖8所示為圖7 所示凹坑某行灰度分布曲線?？梢钥闯銮€大部分位置趨勢平穩(wěn)，只有凹坑位置存在一個灰度下降突變，表征圖像中凹坑處存在明暗變化，因此提取這個灰度下降突變進行凹坑檢測。

圖7 光照分布修正后電池圖像

圖8 凹坑某行灰度分布曲線

灰度分布曲線由連續(xù)的凹線段和凸線段交替構成，其示意圖如圖9 所示。凹線段是由一個灰度極小值點和它兩側灰度極大值點組成的曲線，對應于圖像中較暗的區(qū)域；凸線段是由一個灰度極大值點和它兩側灰度極小值點組成的曲線，對應于圖像中較亮的區(qū)域。

圖9 灰度分布曲線的凹凸分段示意圖

對于一個凹線段，其灰度極小值點f(p)與鄰域內兩側灰度極大值點f(p-a)和f(p+a)分別作差，可得到兩個差值。定義其中差值較大的那個為相對幅值Vr；差值小的那個為絕對幅值Va。凸線段的情況與此同理。相對幅值計算公式如下式：

絕對幅值計算公式如下式：

將亮區(qū)域灰度極大值點與暗區(qū)域灰度極小值點之間的曲線稱為過渡線段。結合圖8 中凹坑處的曲線可知，這段曲線是一個過渡線段，而過渡線段的幅值能夠真實反映凹坑處的灰度下降突變，即圖像中凹坑處微弱的明暗變化，在一行灰度分布曲線中具有顯著性。過渡線段的幅值實質上是凹坑處凸線段和凹線段的共有相對幅值，因此可通過提取此特征來檢測凹坑缺陷。

3 凹坑特征提取

按行計算過渡線段幅值，對于一副W×H 的電池圓周面圖像I，按照自左向右、從上到下的方向遍歷，即從圖像第一行第一個像素點I(0,0)起遍歷至第一行最后一個像素點I(0,W-1)，之后依次遍歷第2 行、第3 行，直至第H-1 行，搜索圖像每行所有過渡線段并計算幅值。如圖10 所示為圖7 對應的凹坑局部圖像；如圖11 所示為圖10 對應的凹坑行局部灰度分布曲線。

圖10 帶凹坑電池局部圖像

圖11 凹坑局部灰度分布曲線

在灰度分布曲線上自左向右搜索灰度極大值點f(a)，它與后一個極小值點f(b)的灰度差值為凹坑處過渡線段的幅值V。幅值計算公式如下式：

如此計算全圖所有過渡線段幅值后，需要選取合適的閾值T 提取出凹坑缺陷位置的過渡線段幅值。選擇的原則是要令最終分割圖像中缺陷處能夠呈現明顯聚類情況，而背景區(qū)域干擾點應盡可能少。為了驗證T 值不同時對凹坑檢測的影響，從圖庫中選取50 幅帶凹坑的電池圖像進行測試，用PM表示漏檢率，PE 表示誤檢率。如圖12 所示為T 取不同值時PM 與PE 的分布曲線。當T 小于14 時，無漏檢存在，但T 越小，誤檢就越多；當T 大于14 時，漏檢逐漸出現，但幾乎再無誤檢存在。當取14 時可以滿足在無漏檢的情況下誤檢最少，因此最終確定T 為14。在圖12 中，將大于閾值的幅值對應的過渡線段處凸線段極大值點與凹線段極小值點分別標記，即可實現缺陷檢測。

圖12 過渡線段T 值與PM、PE 分布關系圖

4 算法測試結果與分析

為驗證本算法的可行性，使用圓柱形鋰電池在線檢測系統(tǒng)采集凹坑缺陷圖像建立缺陷圖庫，共采集200 個樣本。其中198 張正確檢測，2 張漏檢。如圖13 所示為凹坑檢測結果示例，亮區(qū)域與暗區(qū)域被標注出來。如圖14 所示為漏檢凹坑圖像示例，圖中矩形框標注的是凹坑區(qū)域，可以看出凹坑凹陷程度肉眼難辨，與鄰域對比度極低，極易造成漏檢。

圖13 凹坑檢測結果示例

圖14 漏檢凹坑圖像示例

測試結果表明，應用本算法檢測鋰電池圓周面凹坑準確性高，適用性強，可代替人工檢測，適應生產線在線實時檢測。

5 結 束 語

本研究對圓柱形鋰電池圖像特征及凹坑缺陷特征進行深入探索，設計了圓周面凹坑缺陷檢測方法，在自建圖像數據庫進行了算法測試。測試結果表明本方法能夠解決光照不均勻、圓周面反射不均勻對凹坑檢測的影響，對于圓柱形鋰電池凹坑檢測具有一定實際應用價值?，F階段研究對于極淺凹坑的檢測還存在進一步完善的空間，有待在后續(xù)研究中加以改進。