基于機器視覺的鋰電池極耳焊接缺陷檢測技術(shù)研究與分析

高堂盼

（廣東利元亨智能裝備股份有限公司，廣東惠州 516000）

0 引言

隨著新能源產(chǎn)業(yè)的飛速發(fā)展，市場對鋰離子動力電池的需求逐步增大。極耳焊接工藝是鋰電芯整個生產(chǎn)工藝鏈中較為關(guān)鍵的一部分，其焊接質(zhì)量和焊接精度會影響整個鋰電芯的性能和使用壽命，嚴重者可直接導致產(chǎn)品報廢。常規(guī)的軟包電芯的極耳是片狀、柔軟的多層結(jié)構(gòu)，常用的焊接方式有激光焊接、超聲波焊接等，在焊接過程中容易因裝夾、壓刀收攏等工序而產(chǎn)生褶皺、破損及翻折等缺陷。目前，國內(nèi)對極耳焊后產(chǎn)生的的缺陷檢測主要是依靠人工經(jīng)驗肉眼檢測判斷，缺乏相應的、比較系統(tǒng)的缺陷檢測規(guī)程作指導，而且受人為主觀因素的影響很大，很難保證檢測的準確度和效率[1－2]。

隨著計算機技術(shù)、圖像處理技術(shù)的快速發(fā)展，近年來，很多國內(nèi)外學者、企業(yè)開始聚焦于機器視覺，希望借助機器視覺技術(shù)快速和精準地實現(xiàn)鋰電芯極耳焊后的缺陷檢測[3－4]。機器視覺檢測技術(shù)是一種非接觸式的全新高效檢測技術(shù)，具備高精準度、高效率、對產(chǎn)品零損傷等優(yōu)點，可有效地實現(xiàn)設備的生產(chǎn)自動化以及高效柔性化，因此，利用機器視覺技術(shù)對鋰電芯焊后極耳檢測必將是未來的一大趨勢[5]。

本文首先對鋰電芯極耳焊后視覺檢測系統(tǒng)進行了設計；然后基于圖像處理原理對采集的圖像進行圖像預處理，并利用圖像差分的方法提取相應的缺陷特征，實現(xiàn)缺陷的識別檢測；最后對整個視覺檢測系統(tǒng)進行效果驗證，驗證機器視覺檢測方法的可行性及合理性。

1 機器視覺檢測系統(tǒng)

本文研究的機器視覺檢測系統(tǒng)是對鋰電芯多層極耳焊接后的質(zhì)量進行自動化檢測，其中焊點數(shù)量不足、焊點位置偏移、極耳折疊翻折的均為有缺陷的不合格產(chǎn)品，其檢測流程如圖1所示。

圖1 鋰電芯極耳缺陷檢測流程

圖2 所示為鋰電芯極耳焊后視覺檢測系統(tǒng)的方案設計，其中關(guān)鍵部分包括相機、鏡頭、同軸光源、球積分無影光、夾具、工控機以及視覺軟件。該檢測系統(tǒng)的視覺軟件是利用康耐視的圖像處理庫VisionPro 做圖像采集以及圖像處理，并在Visual Studio 2015 的編譯環(huán)境下進行UI 界面二次封裝開發(fā)，實現(xiàn)圖像顯示、通訊設置、參數(shù)修改以及數(shù)據(jù)存儲等功能。

圖2 極耳缺陷檢測系統(tǒng)

2 焊后圖像預處理

圖像預處理的目的是去掉圖像中的噪點、干擾特征以及其他不相關(guān)的數(shù)據(jù)信息，加強圖像中的有用信息，提升后續(xù)特征提取的準確性和穩(wěn)定性。

2.1 圖像濾波去噪

圖像在采集過程中會因為臟污、鏡頭污染等環(huán)境等因素導致會存在不同程度的非規(guī)律性的噪點，因此，在不破壞圖像重要特征的前提下需要利用圖像濾波的方法去除無關(guān)的噪點，常用的圖像濾波算法有均值濾波、中值濾波和高斯濾波[6－7]。

均值濾波是一種區(qū)域平均法，該方法是利用一個卷積核（通常為3×3或5×5的奇數(shù)核大小）沿著圖像逐行或者逐列運動，用卷積核區(qū)域內(nèi)的所有像素平均值代替中心像素的值，減少突變像素的影響，實現(xiàn)像素平滑，達到圖像去噪聲的目的。其公式如下：

式中：f (i,j) 為原圖像，是一個M×N 的陣列；v(x,y)為均值濾波后的圖像；U為卷積核；M為卷積核中所包含像素的總個數(shù)。

均值濾波可以實現(xiàn)圖像去噪，但是如果U 過大會同步造成圖像過于模糊，因此使用該方法時需要權(quán)衡圖像模糊程度和抑制噪聲的效果。

中值濾波是采用該像素點鄰域內(nèi)某個尺寸大小的二維卷積核滑動窗口內(nèi)的所有像素點的中值替換該點原有的像素值，適用于去除圖像中單獨的噪聲點。其公式如下：

式中：x1,x2,x3,…,xn為原始數(shù)據(jù)；S1,S2,S3,…,S4為按大小順序排列過后的圖像數(shù)據(jù)。

其示例如圖3所示。

圖3 中值濾波原理

高斯濾波與前兩種方法略有不同，其利用的濾波器不是簡單的求均值或者排序，而是調(diào)用一個二維離散的高斯函數(shù)，其在每一個方向的平滑程度都是一致的，能夠保留圖像更多的細節(jié)和邊緣特征，圖像相對更為清晰，平滑的效果也更加柔和。

各濾波算法處理效果如圖4 所示，焊點檢測選用的是中值濾波算法，該方法去除孤立的噪聲點比較有效，也能保留大部分邊緣信息，為后續(xù)的焊點輪廓提取奠定圖像基礎。

圖4 圖像濾波效果

2.2 圖像增強及分割

圖像增強的目的是對濾波后的圖像進行灰度增強，突顯圖像中有用特征的信息，增強圖像的辨識度，削弱或消除其他無關(guān)的特征信息，本文使用的圖像增強方法是分段線性灰度增強。

分段線性灰度增強可以對圖像的灰度進行分段線性擴展，增強前景和背景的對比度，壓縮含有不必要特征的圖像灰度。分段線性灰度增強的算法表達式如下：

式中：f (x,y)為原始輸入圖像，其灰度等級是從0 級到M級；g(x,y)為增強后的圖像，其灰度等級是從0 級到N 級；[a,b]是原始圖像的一個灰度區(qū)間；[c,d]為增強后圖像中的一個灰度區(qū)間。

依據(jù)式（3）可知，如果a＝c、b＝d，則變換后的g(x,y)＝f (x,y)，圖像未實現(xiàn)灰度變換；如果a>c，bd，區(qū)間[a,b)內(nèi)的圖像灰度值會被線性縮小，其增強效果如圖5所示。

圖5 圖像增強效果對比

圖像分割是從圖像中提取出鋰電芯極耳焊接處特征ROI的過程，本文采用的是最大類間方差法（也稱OSTU法）對濾波后的圖像進行閾值分割，其基本原理是通過選定的最佳閾值將圖像二值化，最大程度地將圖像的背景與前景區(qū)分開，突顯出所需的特征[8]。

最佳閾值的選取是整個圖像分割過程中最關(guān)鍵的部分，其設置過程將會影響圖像分割的準確性和后續(xù)特征提取的準確性[9－10]。

假設圖像的灰度級為K，ni為灰度級為i 的像素數(shù)，則其像素數(shù)總和N為：

對直方圖進行歸一化處理：

式中：pi為灰度級，為i的像素數(shù)所占總像素數(shù)的比例。

假設原始圖像的最佳閾值為t，利用t 可以將圖像劃分為兩類像素集合D0和 D1，其中 D0＝(0,1,2,…,t),D1＝(t＋1,t＋2,…,K)，其出現(xiàn)的概率和均值分別為：

式中：ω0、μ0為像素集合D0在圖像中出現(xiàn)的概率和均值；ω1、μ1為像素集合D1在圖像中出現(xiàn)的概率；μT為整幅圖的平均灰度。

D0集合類以及D1集合類的方差分別為：

式中：σ02為像素集合D0的方差；σ12為像素集合D1的方差。

D0集合類以及D1集合類的類內(nèi)方差和類間方差分別為：

像素集合類的分離性判決準則為：

根據(jù)η(t)判定準則，可以求出將圖像分離成D0和D1的最佳閾值t：

利用OSTU閾值分割法對增強后的圖像進行分析，得到最佳閾值t＝112；再利用最佳閾值t 對原始圖像進行二值化處理后，能很好地將背景像素與前景像素分開，如圖6所示[11]。

圖6 圖像分割效果對比

2.3 特征提取

通過對鋰電池的焊后圖像進行預處理后，焊印區(qū)域的圖像特征會最大程度地被突顯出來，以利于對焊點數(shù)量、焊點位置、多層極耳進行識別檢測。

針對鋰電芯焊后的缺陷檢測，關(guān)鍵在于焊點數(shù)量特征和位置特征的提取，首先利用線性灰度增強后的圖像對焊后極耳特征進行定位，再利用閾值分割圖像找到各焊點中心坐標和多層極耳的輪廓邊緣，并依據(jù)各個焊點中心坐標擬合出焊印區(qū)域中心坐標，求出焊印區(qū)域的相對位置，如圖7所示。

圖7 圖像特征提取原理

3 實驗效果

為了驗證本文針對鋰電芯極耳焊后缺陷檢測所設計的機器視覺檢測系統(tǒng)的算法穩(wěn)定性和準確性，本文利用康耐視的Vi?sionPro圖像處理庫基于Visual Studio 2015的IDE編譯環(huán)境，對生產(chǎn)好的500 個鋰電芯焊點缺陷進行檢測試驗，判定焊點數(shù)量、焊點位置以及極耳狀態(tài)是否符合設定參數(shù)值，其試驗結(jié)果如表1所示。由表可知，合格的產(chǎn)品總共有490個，其中正確識別的數(shù)量為484個，檢出率98.77%，誤判數(shù)為6個，誤判率1.2%，誤判的原因主要是極耳翻折檢測參數(shù)規(guī)格設置過嚴，后續(xù)持續(xù)優(yōu)化參數(shù)即可解決，不合格的產(chǎn)品數(shù)是10個，全部檢出。

表1 試驗結(jié)果

4 結(jié)束語

本文基于機器視覺對鋰電芯極耳焊后缺陷檢測系統(tǒng)進行了設計與分析，采用中值濾波、分段線性灰度增強以及OSTU法對圖像進行預處理，提取了鋰電芯極耳焊后焊點特征，實現(xiàn)了鋰電芯極耳焊后缺陷的非接觸式實時檢測，并對整個視覺檢測系統(tǒng)進行了試驗驗證，結(jié)果表明本視覺檢測系統(tǒng)可以滿足檢測需求。通過本系統(tǒng)可將視覺判定結(jié)果發(fā)送給PLC 控制模塊，控制執(zhí)行端運動，實現(xiàn)機械系統(tǒng)、電氣控制系統(tǒng)以及視覺檢測系統(tǒng)聯(lián)動自動運行，提高了生產(chǎn)效率以及檢測精度，具有廣泛的應用前景。