基于圖像識別的鋰離子電池正負極距離檢測

王東昆，彭劼揚，王家海，沈 斌

WANG Dong-kun1 , PENG Jie-yang2 , WANG Jia-hai2, SHEN Bin1

（1.同濟大學 中德學院，上海 201804；2.同濟大學 機械學院，上海 201804）

0 引言

鋰離子電池通常在深度充放電的條件下使用，當電池已完全充滿時，若再進行充電將會使鋰離子持續地從正電極移動到負極，此時如果負極不能完全覆蓋正極，就可能導致負極中沒有足夠的空間收納鋰離子，這樣一來，鋰離子就將以金屬鋰的形式沉積在負極的表面[1]。這種現象被稱為析鋰。由于析鋰常常以樹突狀晶體存在，而這些晶體則有可能會刺穿鋰離子電池隔膜，并最終對鋰離子電池的安全造成隱患[2]，嚴重時可能導致電池短路爆炸等重大安全事故。此外，如果鋰離子電池的負極未能完全覆蓋正極，還會使得電池中的鋰未能被充分利用，造成活性鋰損耗。因此，在電池的組裝流程中，必須對電池的內部結構進行檢查，以確保負極覆蓋整個正極。

當前的鋰離子電池質量監測方法主要可以分為超聲波掃描、接觸電阻掃描和發光檢測四種。超聲波檢測[3]的原理為通過壓電傳感器，向電池施加特定頻率和振幅的超聲波，通過聲波數據分析得知內部缺陷信息。該方法具有無損、效率高的特點，但靈敏度不高。如圖1(a)所示為電池的超聲波裂縫檢測結果；接觸電阻掃描[4]根據電勢分布數據檢測電池覆蓋情況，因而檢測精度較高、但耗時較長、且具有一定破壞性，如圖1(b)所示；透視檢測法[5,6]通過X射線獲得電池的內部結構圖像，并利用圖像識別方法檢測電池故障，具有快速、可在線檢測等優點。

圖1 超聲波共振檢測結果與觸電阻掃描檢測結果圖

因此，鑒于超聲波掃描和接觸電阻法的各自缺陷，本文擬采用透視檢測法評估鋰離子電池的正負極覆蓋狀況，從鋰離子電池的CCD圖像中提取出電池正負極邊緣的位置信息。

1 鋰離子電池自動檢測總體方案設計

透視檢測法本質上是基于圖像識別的檢測方法，在圖像識別的應用領域，楊芳[7]等應用智能圖像識別技術，解決了傳統的機針質量檢測依靠人眼判別的缺陷。王志秦[8]針對生物特征識別系統中的人耳識別，應用數字信號處理器構建人耳圖像識別系統，利用攝像機和高速數字信號處理技術，完成人耳圖像采集、特征提取和識別。廖健君[9]等設計了一種基于BP神經網絡的鉚接位置圖像識別方，該方法能較準確地識別出該大型設備制動杠桿在組裝過程中鉚槍鉚接時的位置。

本文所研究的鋰離子電池由15組電池的正負極組成，所有的正極都比負極長5毫米和寬5毫米。為了檢測鋰離子電池中電極的重疊狀態，本文采用了VISCOM X射線系統來獲取鋰離子電池內結構的X射線圖像。如圖2中的X射線圖像采集示意圖所示，X射線成像系統從X，Y，Z三個方向采集鋰離子電池一角的X射線圖像，通過調整X射線的波長，可以獲得X，Y，Z三個方向的鋰離子電池深度圖像，從而為分析鋰離子電池結構提供了多個角度以及深度的圖像信息。

圖2 X光成像示意圖

通過此方法獲取的X，Y，Z方向的鋰離子電池圖像如圖3所示。

圖3 X、Y、Z方向的鋰離子電池圖像

圖3中，在X方向圖像的下半部分，有一些半透明的輪廓，這些輪廓是電池的鋁箔封裝。在鋰離子電池的圖像中，存在兩種電極，較長的電極為正極，短的是負極。而夾在電池極片中間的半透明線段則為電極隔膜，用于隔開正負極，其在圖像中也呈半透明狀。在Y方向圖像中幾乎看不到電池的封裝輪廓。而在Z方向圖像中，存在三種輪廓，其中最大的為電池正負極隔膜，其次則為電池的負極以及正極。

當使用X射線成像系統對鋰離子電池進行圖像采集時，所采集到的圖像序列可以分為三個區域，如圖4所示。其中灰色區域為鋰離子電池的邊緣區域，在該區域中缺少負極部分的圖像，因此不能為評估鋰離子電池正負極覆蓋率提供充足的信息。綠色區域為目標區域，此區域中鋰離子電池正負極距離保持恒定。紅色區域則是鋰離子電池的圓角區域，由于該區域中正負極的距離隨著X射線在鋰離子電池的深度變化而變化，因此該區域中的圖像序列不能提供正確的電池正負極距離信息，即圓角區域中的圖像應當避免用于鋰離子電池正負極覆蓋率評估。

圖4 X射線成像區域

通過以上分析得知，鋰離子電池的X射線圖像序列有以下幾個特征：

1）并非所有圖像序列都能提供正確有效的信息，需要對圖像序列中的圖像進行篩選；

2）在對鋰離子電池極片進行提取時，應當能實現對電池正負極的區分，并且為了實現更高的檢測準確率，應當降低無關特征在圖中的對比度；

3）鋰離子電池X射線圖像獲取時X射線與鋰離子電池邊緣成一定的角度，需要提取出該角度以計算鋰離子電池正負極邊緣實際距離；

4）完成電池正負極邊緣距離計算以及覆蓋率的計算之后，應當對異常數據進行去除，并導出正確數據。

基于鋰電池圖像的以上特征，本文將鋰離子電池的正負極覆蓋率計算歸納為以下四個步驟：自動圖像選取、電極邊緣點在圖中的位置提取、電池極片正負極距離的計算和正負極覆蓋率的計算，并設計詳細流程如圖5所示。

圖5 電池正負極距離以及覆蓋率檢測流程圖

2 鋰離子電池正負極距離檢測

2.1 圖像預處理

圖像預處理是圖像識別的準備步驟。其目的是為了改善圖像數據，抑制不必要的噪聲或增強某些特征[10]。在電池X射線圖像中，電極隔膜和鋁箔封裝與電池電極的圖像混合在一起，可能會對電極邊緣點檢測的準確性產生影響。因此，應當先對電池的X光圖像進行預處理，消除圖像中的鋁箔封裝，以便后續檢測過程的進行。

由X射線圖可知，圖像中的所有的鋁箔封裝在右側部分聚攏，如圖6所示。在此基礎上，可以通過對圖像右側部分的灰度直方圖進行分析，以提取鋁箔封裝的灰度，圖6的灰度直方圖如圖7所示。

圖6 鋁箔封裝在鋰離子電池X光圖像中的特征

接著對鋰離子電池X光圖像中的鋁箔灰度值進行估計，并采用灰度拉伸操作去除鋁箔封裝。將圖7的X光圖像中的灰度信息代入式(1)，以移除圖像中的鋁箔。

圖7 鋰離子電池X光圖像的灰度直方圖

式中G（x，y）是灰度調整后的像素灰度，f（x，y）是灰度調整前的像素灰度。將圖中提取出的鋁箔封裝的灰度替換為方程1中的Imin，即可完成對X射線圖像中的鋁箔封裝和電極隔膜的消除。圖像預處理的效果如圖8所示，可以清楚地看到，X射線圖像中的鋁箔封裝被完全去除，電極不再與電極隔膜混合。

圖8 灰度調整后的鋰離子電池X光圖像

2.2 正負極區域分割

電池圖像的關鍵區域是正極區和負極區域，在灰度值調整后，其列向的平均灰度如圖9所示，從右向左能看到有兩個灰度的突變區域，這兩個突變點分別對應了正極邊緣和負極的邊緣的位置。

基于此特征，對圖像關鍵區域的提取可以通過識別這兩個灰度突變的位置來實現。本文采用閾值法，分別從圖像的右邊向左邊搜索，所搜索到的第一列平均灰度大于10的列為電池負極邊緣的起始列，所搜索到的第一列灰度值大于圖中最大灰度的80%的列被定為電池正極邊緣。通過上述方法，從圖中提取出的鋰離子電池正負極關鍵區域如圖10所示。

圖9 鋰離子電池X射線圖像列向的平均灰度如圖

圖10 鋰離子電池正負極區域

2.3 角點檢測法提取鋰離子電池正負極邊緣

角點是指圖像像素局部標準差最大值的點[11]，角點檢測通常是對于能表示圖像的基本特征的點的檢測，或者是對于圖中能較容易地被檢測到或對于噪音具有較高的穩健性的點的檢測。本文采用了三種角點檢測算法：Harris角檢測算法、Shi-Tomasi角點檢測算法與USAN角點檢測算法，并對比分析其效果。

在Harris角點檢測法[12]中，每個像素的標準差的總和是以一個特定的方向計算的，因此其計算效率較高。此外，Harris角檢測算法對二維平移或旋轉以及少量的光照變化和微小的視角變化不敏感。

Shi-Tomas角點檢測算法是通過計算圖像中局部結構矩陣的特征值，當局部區域的最小特征值大于給定閾值時，則檢測到一個角點[13]。然而，在Shi-Tomasi角點檢測算法中，需要進行矩陣分解，效率較低。

SUSAN角點檢測算法是利用角響應函數（CRF）計算相似像素的個數。如果相似的像素的數量是局部極大值，則核子的位置被考慮作為一個角點[14]。SUSAN探測器在轉角定位方面具有良好的可靠性和準確性，對噪聲也極不敏感，但在模糊圖像上表現不佳[15]。

由圖10可知，電池極片邊緣點的大小約為6～7像素，因此在角點算法中，采用7×7的掩模來估計掩模中心與掩模中其他像素之間的相似性。針對Harris角點檢測算法和Shi-Tomasi角點檢測算法，本文選取了所檢測出的最強的25個角點，針對SUSAN角檢測算法，對用于相似性估計的像素亮度差的閾值設置為50。使用上述三角檢測算法確定正極和負極邊緣的結果如圖11所示。

統計上述角點檢測的正確檢測以及誤檢測結果之后，得出的這三種角點檢測算法的準確率如表1所示。

表1 三種角點檢測算法的準確率

從表1中可以看出，Harris角檢測算法精度最高，而SUSAN角點檢測的準確率相對較低。而對于Shi-Tomasi角點檢測算法，其必須對特征矩陣的特征值進行計算，而對于哈里斯角檢測算法，只需要計算出特征矩陣的的行列式和跡的值，因此，Harris角點檢測算法的計算效率比Shi-Tomasi角點檢測算法更高。綜上所述，本文選擇了Harris角點檢測算法對電極邊緣點進行檢測。

2.4 鋰離子電池正負極實際距離校正

由于X和Y方向圖像來自同一個電池單元，因此從X和Y方向提取出的電池正負極之間的距離應該是一致的。但是，通過對X和Y方向圖像的分析發現，從X方向圖像中提取的窄邊的電池正負極距離總是大于從Y方向圖像提取的電池正負極距離，而在寬邊上的距離則是相反的情況。發生以上現象的原因是，圖像采集過程中可能存在一定旋轉角度，從而導致從Y方向圖像提取的距離比原始距離短，而從X方向圖像的提取的距離更長。

為了校正X方向和Y方向圖像的距離，需要提取圖像采集角。由于Z方向圖像包含電池組和電極輪廓的信息，因此圖像采集角可以從Z方向圖像中提取。從Z方向提取圖像采集角度分為三步：

1）將Z方向圖像轉換為邊緣（輪廓）圖像；

2）檢測邊緣圖像中的直線；

3）將檢測到的直線的斜率轉換為圖像采集角。

首先需要將Z方向圖像轉換為邊緣圖像，以便去除圖像中的無關信息，只保留邊緣（輪廓）。本文采用了三種常用的邊緣檢測算法：Sobel邊緣檢測算子、Roberts邊緣檢測算子和Canny邊緣檢算子，上述三邊緣探測器的邊緣檢測結果如圖12所示。

圖12 三種邊緣檢測方法效果圖

由于Sobel邊緣檢測算子以及Roberts邊緣檢測算子是通過對圖像進行卷積進行的，而Canny邊緣檢測算法則是一個多步驟的算法，因而相對于Canny邊緣檢測算法，采用Sobel以及Roberts邊緣檢測算子對圖像進行邊緣提取在計算效率上更具優勢。然而從以上三圖的邊緣檢測結果對比可知，雖然Roberts邊緣檢測算子在抑制噪聲方面比Sobel邊緣檢測算子更有效，在Roberts邊緣檢測算子所產生的邊緣圖中，仍然能明顯地看到其邊緣中所包含的許多斷點。在此方面，Canny邊緣檢測算法在對邊緣進行檢測以及保留邊緣方面具有明顯的優勢，從圖12中能看出，Canny邊緣檢測算法所檢測出的圖像邊緣更為完整，只存在輕微的噪聲。因此，本文將采用Canny邊緣檢測算法對圖像的邊緣進行提取。

最后需要檢測邊緣圖像中的直線，并將檢測到的直線的斜率轉換為角度。本文利用霍夫變換對圖像中的線進行檢測，直線檢測范圍限制在30°～60°。直線線檢測和角度轉換的結果如圖13所示。

圖13 Hough變換檢測直線結果

在完成對鋰離子電池圖像采集角的提取之后，可以利用此角度以計算鋰離子電池中正負極邊緣的實際距離。計算公式如下：

窄邊方向的電池正負極距離：

寬邊方向的電池正負極距離：

式中θ是電池圖像獲取角度，Dx和Dy則是從X和Y方向電池圖像中提取出的正負極片距離

3 結果分析

每個鋰離子電池具有15對正負極，且各正負極片都是雙面涂布，因此一共能提取出29個鋰離子電池正負極距離值。經過校正，從X方向與從Y方向X射線圖像中提取出的鋰離子電池正負極距離分布如圖14所示。

圖14 從X和Y方向圖像中提取出的鋰離子電池正負極距離

通過對比，從X方向圖片以及從Y方向圖片提取的鋰離子電池正負極距離一致性較高，為了驗證正負極距離提取方法的穩定性以及一致性，本文一共從三個電池的X射線圖像中提取出了所有正負極距離，并采用以公式4計算其正負極距離的平均重復性誤差：

其中，σ為標準差，x為采用本文圖像處理方法檢測出的電池極片之間的距離。

三個電池的正負極片距離的平均重復率如表2所示。

表2 所提取出的電池極片距離的平均重復率誤差

除了從X方向圖像中提取的窄邊距離外，所提取出的鋰離子正負極距離重復性誤差均在0.96%～2.16%范圍內，而從X方向圖像中提取的窄邊距離的重復誤差相對較差的原因是，采集該部分圖像時X射線發生器與X射線接收機之間的距離較短，導致圖像具有更多的噪聲和模糊的邊緣。因此，從X方向圖像中提取窄邊距離的一致性受其影響從而相對其他方向的重復率更低。

此外，為了驗證上述方法對不同方向的X射線圖像的檢測一致性，本文分別計算了由X和Y方向電池圖片中提取出的各極片之間的距離的相對誤差，其結果如表3所示。

從表3中可以發現，同一電池分別從X、Y方向圖片中所提取出的正負極片距離的平均相對誤差都相對較小，寬邊上的正負極距離相對誤差僅僅占其邊長的0.1%不到，而窄邊上的正負極距離相對誤差也僅僅約為0.2%，這表明從X和X方向圖像中提取距離的一致性滿足要求。

表3 從X、Y方向電池圖片中所提取出的電池極片距離的平均相對誤差

最后，為了驗證該方法的檢測精度，本文對所分析的三個鋰離子電池X射線圖像進行了抽樣，并圖中電池正負極之間的距離進行手動測量。通過將其與文中自動提取出的距離進行對比，得到本文提取鋰離子電池正負極距離的絕對誤差，如表4所示。

表4 所提取出的電池極片距離的與實際電池極片距離的平均絕對誤差

與電池的重復性誤差相似，從三個電池中所提取出的窄邊上的電池正負極距離的絕對誤差也相對較高，原因同樣是由于在窄邊上的X方向X射線圖像較為模糊，導致本文所提出的方法的準確性較低。而其他方向上所提取出的電池正負極絕對誤差相對較小。

4 結語

本文主要研究了應用圖像處理技術從鋰離子電池X射線圖像提取出電池正負極覆蓋率。首先，并介紹了本文所采集的鋰離子電池X射線圖像。接著，根據鋰離子X射線圖像的特征，對實現鋰離子電池的自動檢測進行了總體設計，確立了鋰離子電池X射線圖像處理的四個基本步驟：自動圖像序列選取，正負極邊緣點檢測，正負極距離校正，鋰離子電池的正負極覆蓋率計算以及相關數據導出。其次，闡述了三種角點檢測算法的優缺點及其使用場合，提取電池正負極邊緣，并進行實際驗證。最后對結果進行誤差分析并給出誤差原因。

本文的研究雖然可以較準確地提取出電池極片覆蓋率的信息，但未就電池性能與電池極片覆蓋率的關系進行進一步探討，因此下一步深入研究將繼續發掘電池裝配過程中可能影響電池性能的其他因素，例如：電極之間的間隙，電池電極的涂布方法，涂布的總面積等，為建立電極裝配過程對電池性能影響的理論模型提供有用的信息。