吳朝悅，侯 勇，梅秀莊*

（1.內(nèi)蒙古工業(yè)大學(xué)，呼和浩特 010051；2.深圳市中基自動化股份有限公司，廣東 深圳 518105）

鋰離子電池由于能量密度高、工作電壓大、循環(huán)壽命長、無記憶效應(yīng)和綠色環(huán)保等優(yōu)點成為當(dāng)前最具前景的儲能元件，已得到大規(guī)模儲能應(yīng)用[1]，其制造工藝和質(zhì)量監(jiān)控也越來越受到關(guān)注。TAB 焊接是指將薄型銅箔（Thickness of Anode/Cathode Tab）與電極片焊接的一種工藝，是電池制造過程中的一項重要環(huán)節(jié)，焊接質(zhì)量會直接影響電池的穩(wěn)定性、可靠性等性能和壽命。為了保證電池極耳TAB 焊接的質(zhì)量，需要對其尺寸精度進(jìn)行嚴(yán)格檢測，以確保TAB 焊接的一致性和穩(wěn)定性。

常規(guī)的電池極耳TAB 焊接尺寸精度檢測一般采用人工法，利用游標(biāo)卡尺等工具進(jìn)行測量，檢測效率低，且受主觀性的影響比較大，檢測質(zhì)量也難以保證。機(jī)器視覺檢測具有非接觸、精度高、效率高等優(yōu)點[2]，在實際電池極耳檢測工業(yè)中得到了廣泛應(yīng)用，在很大程度上可克服人工檢測方法的抽檢率低、實時性差、效率低和勞動強(qiáng)度大等弊端。目前，國內(nèi)外研究者主要關(guān)注焊點邊緣檢測、圖像分割、形態(tài)學(xué)處理等方面的算法優(yōu)化。毛曉等[3]提出了一種鋰電池極耳缺陷檢測算法流程，包括圖像預(yù)處理、極耳分割、圖像形態(tài)學(xué)處理、極耳邊緣檢測、極耳關(guān)鍵參數(shù)計算和環(huán)形校正法修正極耳參數(shù)，最終實現(xiàn)了TAB 焊接處的檢測和尺寸測量。謝東亮等[4]還提出了一種基于機(jī)器視覺的TAB 焊點檢測方法，利用高速CCD 相機(jī)對焊點進(jìn)行拍攝，然后將相機(jī)采集的圖像通過圖像采集卡傳送至上位機(jī)系統(tǒng)進(jìn)行圖像處理，再利用工控機(jī)視覺模塊將采集到的圖像進(jìn)行二值化、邊緣檢測等圖像處理和分析，以實現(xiàn)對TAB 焊接檢測和尺寸測量。

本文采用機(jī)器視覺技術(shù)，對電池極耳TAB 焊接圖像進(jìn)行處理，以求對電池極耳TAB 焊接的尺寸精度進(jìn)行自動檢測，有利于提高對電池極耳TAB 焊接的檢測效率，保證極耳TAB 焊接處的焊接質(zhì)量，并降低工人的勞動強(qiáng)度。

1 理論分析

本文對電池極耳TAB 焊接尺寸精度進(jìn)行檢測，需要對電池圖像中極耳焊接部分的尺寸進(jìn)行測量與精度計算，即對膠紙長度與寬度、電芯邊距極片（TAB）距離、膠紙距絕緣膠距離及隔膜距絕緣膠距離等參數(shù)數(shù)值進(jìn)行計算。

1.1 顏色分割原理

電池極耳TAB 焊接尺寸精度檢測的圖像分割部分可利用顏色空間模型進(jìn)行分割。數(shù)字圖像中常采用的模型是RGB 模型和HSV 模型，RGB 是一種加法顏色模型，表示紅、綠、藍(lán)3 個顏色通道的強(qiáng)度，是由人類視覺識別出的色彩構(gòu)成的空間結(jié)構(gòu)，RGB 基于三基色原理，顏色實現(xiàn)簡單，在計算機(jī)、電視機(jī)顯示系統(tǒng)中應(yīng)用廣泛。HSV 顏色模型是一種根據(jù)顏色的3 個基本特征：色相、飽和度、亮度來定義顏色的方法，用于直觀表示顏色的屬性并更加符合人類對顏色的感知，圖像顏色分割在HSV色彩空間中實現(xiàn)，由于常規(guī)的圖片為RGB 模型，因此需要將圖片通過OpenCV 轉(zhuǎn)換到HSV 空間。

1.1.1 閾值分割

在圖像處理中，經(jīng)常需要對顏色進(jìn)行調(diào)整和分割，而在HSV 顏色空間中，可以直接通過對色相、飽和度、亮度這3 個參數(shù)進(jìn)行調(diào)整，令這些操作更加簡便。圖像分割指為了節(jié)約計算資源，將圖像根據(jù)某些參數(shù)分成不同的區(qū)域，進(jìn)而剔除無效區(qū)域[5]，分割開的每個區(qū)域都具有相似的特征和語義，以便于后續(xù)的圖像分析和處理。圖像分割在圖像識別中起至關(guān)重要的作用，選擇合理的分割方法，可以大大縮短圖像識別的時間，節(jié)省計算資源。本文介紹的顏色分割方法是對轉(zhuǎn)入HSV 顏色空間的圖像進(jìn)行閾值分割，通過MATLAB 中的函數(shù)來確定圖像的二值化閾值，對圖像進(jìn)行二值化處理，后續(xù)處理中主要是通過對二值圖像進(jìn)行顏色反轉(zhuǎn)和連通區(qū)域提取來實現(xiàn)對目標(biāo)圖像的追蹤、定位、分析。

1.1.2 數(shù)字形態(tài)學(xué)處理

數(shù)字形態(tài)學(xué)處理是一種圖像處理技術(shù)，主要用于對數(shù)字圖像進(jìn)行形態(tài)學(xué)分析、形態(tài)學(xué)變換、形態(tài)學(xué)濾波等操作。數(shù)字形態(tài)學(xué)處理可以用來處理二值圖像、灰度圖像、彩色圖像。在數(shù)字形態(tài)學(xué)處理中，常用的形態(tài)學(xué)運算包括腐蝕、膨脹、開運算、閉運算、頂帽變換和底帽變換等。這些運算可以用于去除圖像中的噪聲、分離圖像中的目標(biāo)、連接或斷開目標(biāo)等操作。形態(tài)學(xué)處理的主要目的是改善分割效果。一般情況下對噪聲的圖像進(jìn)行二值化處理，所得的邊緣不光滑，并且在目標(biāo)區(qū)域中會產(chǎn)生一定的誤判，且在背景中分布著許多微弱的噪音。但是，通過形態(tài)學(xué)上的開閉運算，這個問題就能得到很好的解決。開閉操作，能有效地去除圖像上的細(xì)小的毛刺，達(dá)到以焊接處膠條部分為對象的背景區(qū)域去除的目的。

1.2 Canny 算子邊緣檢測

邊緣檢測是確定對象邊界在圖像中的位置的過程[6]。Canny 算子能夠盡可能多地標(biāo)識出目標(biāo)圖像的實際邊緣，且將標(biāo)識出的邊緣與實際圖像中的邊緣盡可能接近，相比于Sobel、Laplacian 等邊緣檢測算子，Canny 算子更加準(zhǔn)確。Canny 算子是一種經(jīng)典的邊緣檢測算法，具有很好的邊緣定位精度，可以在不產(chǎn)生誤檢和漏檢的情況下準(zhǔn)確地提取出物體的邊緣信息；采用了高斯濾波器平滑圖像，能有效地去除圖像中的噪聲和干擾信息；采用非極大值抑制算法來精確定位邊緣；利用雙閾值策略來檢測和連接邊緣。

1.3 霍夫變換

霍夫變換（Hough Transform）是圖像處理中的一種特征提取技術(shù)，經(jīng)典霍夫變換用來檢測圖像中的直線，后來霍夫變換擴(kuò)展到任意形狀物體的識別，多為圓和橢圓。在多種直線檢測方法中，霍夫變換是最常用的方法，其優(yōu)點在于算法穩(wěn)定性高、抗噪性能好。盡管Hough 變換是一種魯棒性強(qiáng)的直線擬合方法，但也存在一些缺點，如計算量較大、內(nèi)存占用較多、實時性較差等。

2 基于圖像的電池極耳焊接尺寸精度檢測

2.1 圖像采集

圖像采集是獲取數(shù)字圖像的過程。通常，這涉及使用攝像機(jī)或其他數(shù)字圖像設(shè)備來捕獲實時場景或圖像。成功的圖像采集需要考慮光照、分辨率、像素密度、顏色深度和鏡頭質(zhì)量等因素。圖像采集也可以是圖像處理中的關(guān)鍵步驟之一。

由光源、工業(yè)相機(jī)、工業(yè)鏡頭等設(shè)備來搭建圖像采集模塊，用來實現(xiàn)被檢測電池極耳焊接部分圖像的采集，如圖1 所示。

圖1 圖像采集模塊

2.2 圖像預(yù)處理

本文圖像預(yù)處理是通過高斯濾波去噪和HSV 顏色空間轉(zhuǎn)換，來去除圖像中的無用噪聲并增強(qiáng)圖像中有關(guān)后續(xù)處理的重要圖像特征，然后對圖像進(jìn)行閾值分割來得到分割后的電池極耳焊接部分二值化圖像。

2.2.1 高斯濾波去噪

圖像濾波是圖像處理中不可或缺的任務(wù)，本設(shè)計采用高斯濾波對采集到的圖像降噪，其基本原理是將圖像中的每個像素點與周圍像素點做高斯卷積，從而去除圖像中的噪聲。高斯濾波有效地去除了圖像中的高斯噪聲、椒鹽噪聲等，并且沒有破壞圖像的邊緣和細(xì)節(jié)信息，但是其可能會在一定程度上模糊圖像，導(dǎo)致圖像細(xì)節(jié)損失，因此要合理調(diào)節(jié)濾波的半徑和標(biāo)準(zhǔn)差，對圖像進(jìn)行濾波去噪，如圖2 所示。

圖2 對原始彩色圖像進(jìn)行濾波去噪

2.2.2 圖像閾值分割

將濾波后圖像轉(zhuǎn)入HSV 顏色空間，然后利用MATLAB 自帶函數(shù)自動對圖像進(jìn)行閾值分割，對二值化圖像進(jìn)行顏色反轉(zhuǎn)，然后對各連通區(qū)域進(jìn)行標(biāo)記，按面積大小，將連通區(qū)域按降序排列分別提取出最大連通區(qū)域和第二大連通區(qū)域。對最大連通區(qū)域圖像進(jìn)行二值圖像顏色反轉(zhuǎn)，接著對顏色反轉(zhuǎn)后的二值圖像進(jìn)行數(shù)字形態(tài)學(xué)處理，先腐蝕后膨脹，使用膨脹后的二值圖像生成一個邏輯索引矩陣，并將其復(fù)制3 次，使其成為一個與原始彩色圖像相同大小的三維邏輯數(shù)組。然后將該邏輯數(shù)組作為索引，將原始彩色圖像中與索引為1 的位置對應(yīng)的像素值設(shè)置為0，即將背景像素值設(shè)置為黑色，去除背景噪聲，得到以膠條部分為對象的背景去除圖像和分割后得到的以電池電芯與極片為對象的背景去除圖像，如圖3 所示。

圖3 膠條部分和電芯與極片部分背景去除

2.3 極耳TAB 焊接尺寸檢測

2.3.1 尺寸標(biāo)定

關(guān)于圖像的尺寸標(biāo)定，選取的標(biāo)準(zhǔn)形狀的彩色貼紙來進(jìn)行尺寸標(biāo)定。將貼紙與電池極片相對平行放置，采集圖像時將兩者一同采集，計算標(biāo)準(zhǔn)尺寸貼紙的長和寬在圖中對應(yīng)的像素點個數(shù)，再根據(jù)已知的貼紙自身實際長度和寬度，即可求得水平方向和豎直方向1 mm 對應(yīng)的像素點個數(shù)以完成尺寸標(biāo)定，尺寸標(biāo)定的結(jié)果也為后續(xù)的尺寸測量提供了基礎(chǔ)數(shù)據(jù)和準(zhǔn)確度量標(biāo)準(zhǔn)。

2.3.2 膠紙相關(guān)尺寸檢測

為實現(xiàn)對物體尺寸的準(zhǔn)確測量，設(shè)想使用一種基于圖像處理技術(shù)的尺寸檢測方法。該方法通過利用圖像處理技術(shù)對圖像中特定區(qū)域內(nèi)的像素點進(jìn)行分析，得出物體在圖像中的實際尺寸，具有自動化測量、計算過程簡單易用等優(yōu)點，具有重要的應(yīng)用價值。

該方法的具體實現(xiàn)步驟包括以下幾個方面：首先，在圖像中找到值為0 的像素點對應(yīng)的行列坐標(biāo)，確定需要測量的零點區(qū)域；然后，根據(jù)需要測量的尺寸，計算出區(qū)域的上方對應(yīng)的行數(shù)范圍，或者計算出區(qū)域的左方對應(yīng)的列數(shù)范圍，以便進(jìn)行區(qū)域的定位。

通過對比最左端和最右端像素列之間的距離或最上端和最下端像素行之間的距離及上述尺寸標(biāo)定中標(biāo)準(zhǔn)量塊實際距離1 mm 代表的圖像像素點個數(shù)，計算出物體在圖像中的實際尺寸。

為驗證該方法的可行性和準(zhǔn)確性，利用此方法對圖像進(jìn)行了尺寸測量，并與其他基于圖像處理技術(shù)的方法進(jìn)行了比較。結(jié)果表明，相較于應(yīng)用投影法對圖像尺寸進(jìn)行測量，該方法除對圖像的清晰度和質(zhì)量要求比較高之外，其具有較高的測量精度和穩(wěn)定性，能夠高效、準(zhǔn)確地測量出物體在圖像中的實際尺寸。同時，該方法的計算過程簡單，易于實現(xiàn)和使用，適用于大量的實際場景，膠條部分尺寸檢測結(jié)果如圖4 所示。

圖4 焊接處膠條部分尺寸檢測結(jié)果

2.3.3 電芯邊距TAB 距離檢測

利用Canny 算子對圖3 中電芯與極片邊緣進(jìn)行檢測，然后根據(jù)邊緣檢測結(jié)果，利用霍夫變換提取電芯邊緣與極片邊緣線段。

預(yù)設(shè)提取出電芯兩邊線段與電池極片兩邊線段，然后分別計算2 線段間Y 坐標(biāo)值的差值，得到電芯上邊緣距極片（TAB）上邊緣距離和電芯下邊緣距極片（TAB）下邊緣距離，再根據(jù)尺寸標(biāo)定中實際豎直方向1 mm 在圖中代表的像素點個數(shù)，則可以計算出電芯上邊緣距極片上邊緣距離和電芯下邊緣距極片下邊緣距離。為更好地提取所需線段并令其顯示出來，給線段分配固定顏色，遍歷所有線段，在將整個顏色數(shù)組循環(huán)使用多次的情況下，給每個線段對應(yīng)的顏色下標(biāo)。曾設(shè)計用不同顏色來標(biāo)記所需的4 條線段，先將隨機(jī)分配的線段的顏色改為固定的顏色，然后遍歷所有的線段并獲取每個線段的端點坐標(biāo)，接著使用勾股定理計算線段長度，對線段長度進(jìn)行篩選，繪制出長度在200～500 像素點之間的線段。

運行后顯示的所需Y 坐標(biāo)值線段顏色分別為黃色、藍(lán)色、綠色和白色。因此可以判斷線段顏色并存儲其點坐標(biāo)，最后即可得到所需顏色線段端點的Y 坐標(biāo)值，對這些端點Y 坐標(biāo)值進(jìn)行計算便得到電芯邊距極片距離。但在多次實驗后發(fā)現(xiàn)上述方法在線段顏色標(biāo)記時存在問題，變換圖片后線段依然可以提取出來，但是標(biāo)記線段的顏色發(fā)生了更改，線段顏色只能保證在本圖中重復(fù)運行時固定顯示，變換圖像后線段對應(yīng)的顏色也會發(fā)生變動，因此需要轉(zhuǎn)換線段標(biāo)記方法。

通過對上述圖像進(jìn)行分析，發(fā)覺所需標(biāo)記的4 條線段都是趨于水平方向，其他的線段都是近似于豎直方向，所以設(shè)計給水平方向線段標(biāo)記為綠色，其他方向的標(biāo)記為紅色，以便于后期所需線段Y 坐標(biāo)值提取。

具體過程為：給線段只分配紅和綠2 種顏色，后在將整個顏色數(shù)組循環(huán)使用多次的情況下，遍歷每條線段，在將整個顏色數(shù)組循環(huán)使用多次的情況下，給每個線段對應(yīng)的顏色下標(biāo)，接著將水平方向的線段設(shè)為紅色，其余線段設(shè)為綠色，然后在原始圖像上繪制符合長度范圍要求的線段并定義紅色線段的端點坐標(biāo)數(shù)組，判斷線段顏色并只存儲紅色線段端點坐標(biāo)，得到結(jié)果圖，如圖5 所示。

圖5 紅色線段標(biāo)記圖像（框內(nèi)線段為紅色）

2.4 極耳TAB 焊接尺寸精度計算

可手動使用游標(biāo)卡尺對極耳TAB 焊接相關(guān)尺寸的實際距離進(jìn)行測量。

根據(jù)程序測得像素點個數(shù)，除以尺寸標(biāo)定中實際距離1 mm 在圖中代表的像素點個數(shù)，則可計算出電池極耳TAB 焊接相關(guān)尺寸的實際距離，并根據(jù)上述手動測量結(jié)果及游標(biāo)卡尺量程為150 mm，則可計算出程序測得電池極耳TAB 焊接相關(guān)尺寸結(jié)果的絕對誤差與引用誤差，計算結(jié)果見表1。

表1 電池極耳TAB 焊接尺寸精度計算結(jié)果

觀察表1 中極耳焊接相關(guān)尺寸的檢測結(jié)果、實際距離、絕對誤差和引用誤差，可知焊接處膠紙相關(guān)尺寸檢測結(jié)果的絕對誤差均小于0.36mm，引用誤差均小于0.24%，符合測量精度要求。

3 結(jié)論

本文利用機(jī)器視覺技術(shù)對電池極耳焊接尺寸進(jìn)行了檢測，利用濾波降噪、HSV 顏色空間的閾值分割、查找零點區(qū)域和掃描圖像等手段，求得極耳焊接處圖像各部分尺寸；利用極片與電芯二值化圖像，進(jìn)行邊緣檢測、霍夫變換計算出電芯上邊緣距極片上邊緣距離和電芯下邊緣距極片下邊緣距離，最終求得電芯邊緣距極片（TAB）邊緣實際距離。各部分檢測尺寸引用誤差均小于0.24%，符合極耳焊接處測量精度要求。