新能源汽車電池金屬連接片缺陷的亞像素視覺檢測研究

摘要：現代化工業生產背景下，汽車領域新能源電池的生產、應用與回收需要做到嚴格的質量檢測與缺陷管理。對汽車電池金屬連接片進行缺陷檢測是保障電池使用安全性的重要環節，本文采用亞像素視覺檢測技術，依靠這種高精度圖像處理方法找出金屬連接片的缺陷問題，確定缺陷類型，經過圖像采集與預處理、邊緣檢測后獲得檢測結果，從而盡快找出缺陷位置，篩除不合格產品，提高企業生產效率。

關鍵詞：新能源汽車；電池金屬連接片；邊緣檢測

引言

新能源汽車中的電池金屬連接片在制造與使用期間存在著不同情況的缺陷問題，比如焊接缺陷、尺寸缺陷等，一系列缺陷問題的產生會對電池性能和使用壽命造成影響。視覺檢測在電池檢測中的應用直觀重要，通過計算機視覺技術模擬人類的視覺功能，完成對圖像的邊緣檢測，最終確定缺陷位置，提高產品整體質量。

一、亞像素視覺檢測的基本原理及應用優勢

在數字圖像處理領域，亞像素具體是指通過對像素的細化，從而達到更高精度的測量與計算要求，每個像素可以表示一個區域內的灰度值，而亞像素是用來表示每個像素內更加細小的灰度值變化情況。當攝像系統整體條件不變時，亞像素一般可利用軟件算法提升邊緣檢測的精確度，從而在原像素網絡中找出更多細節，利用算法進行邊緣最佳位置的預測，最終得到更加平滑且精準的邊緣過渡。亞像素視覺檢測技術的實現需要達到一定條件，被檢測目標不是單個像素點，通常是多個像素點構成，且像素點存在灰度分布或幾何分布等特性。當前可以達到亞像素級別的邊緣檢測算法主要有三種，一種是矩方法，這是以灰度矩展開邊緣定位的檢測方法；一種是插值法，即對圖像插值操作完成亞像素定位；最后一種是擬合法，這是一種利用假設邊緣模型擬合灰度值的亞像素定位檢測方法。

圍繞亞像素檢測的基本原理，其技術應用優勢大致如下：（1）提高精度。亞像素視覺檢測可以讓目標檢測的精度提升到亞像素級別，進而達到工業檢測的高精度要求，幫助機器視覺系統完成對零件邊緣的定位檢測，提高工業裝配與檢測效率。（2）降低成本。依靠亞像素細分技術彌補系統硬件的不足，提升圖像分辨率，比如將攝像系統的分辨率提升到1024×1024后，其價格比512×512 多出幾倍，但亞像素技術能夠在不改變分辨率的情況下達到更高測量精度。（3）提高圖像質量。亞像素視覺檢測技術主要通過圖像插值與數據濾波操作，完成對像素的細化，在提升圖像精度與分辨率的同時增強圖像質量，系統根據更高精度的數據進行下一步圖像分析與處理操作[1]。

二、新能源汽車電池金屬連接片的缺陷類型

結合新能源汽車整體情況，總結電池金屬連接片的幾種常見缺陷類型，具體如下：

首先，焊接缺陷。這一類別的缺陷問題中包含裂紋、夾渣等情況，當電池組在點焊時因鍍鎳層存在或焊接操作不當，將有可能導致連接片出現裂紋，裂紋的存在會降低連接片的導電性，影響電池使用性能。當連接片和基材在焊接時沒有完全融合，此時會產生未熔合缺陷，該問題會導致電池連接不良，導電性能下降。焊接期間熔池內有可能混入氧化物，給電池帶來夾渣缺陷，夾渣的存在會影響連接片導電與機械性能。

其次，表面缺陷。一方面，高反射性情況下連接片表面光滑，高光點的產生影響視覺檢測，此時需要選擇適當的角度與光源完成視覺檢測；另一方面，構件在制造或安裝期間，連接片表面出現劃痕與磨損等情況，這會直接影響電池使用的安全性。

再次，尺寸與形狀缺陷。連接片的長寬或厚度出現偏差，將會影響其與其他電池部件的配合度。運輸期間連接片因外力作用而變形，此時電池的安全性也會受到影響。

最后，材料缺陷。當電池金屬連接片內混入含Fe、Cu 等金屬異物時，電池將會出現內部短路的問題，或連接片材料成分不均勻，電池使用性能降低[2]。

三、亞像素視覺檢測技術在新能源汽車電池金屬連接片缺陷處理中的應用

（一）根據采集目標進行圖像采集與數據預處理

在電池缺陷檢測的準備階段，確定檢測目標，了解當前汽車電池金屬連接片主要存在的缺陷類型，尋找缺陷原因，為檢測方案的制定奠定基礎。接下來，使用高精度攝像系統，確保裝置能夠精準的捕捉電池金屬連接片表面的微小缺陷，再用亞像素級別圖像處理軟件，完成對目標的邊緣檢測與缺陷識別分析。發揮亞像素視覺檢測在電池金屬連接片缺陷處理環節的技術優勢，利用圖像處理軟件進行圖像采集與數據預處理。

圖像采集環節，應用高分辨率攝像機和傳感器捕捉金屬連接片的所有結構信息，根據連接片的尺寸與檢測要求，確保采集到的圖像質量可以滿足后續處理要求。確定光源與照明方案，使金屬連接片裂紋、劃痕等缺陷特征更加突出，一般可采用定向光與環形光的方式，減少照明期間的反光與陰影，強化圖像質量。當檢測對象的電池盒背景色為亮白色時，對于這種存在反光現象應選擇不同打光方案，通過測試后確定最佳方案，表1 為不同方案下成像效果情況，經過對比分析后，最終決定選擇同軸紅色光源進行打光。此外，還應保障圖像采集環境不受干擾，防止振動或溫度變化影響圖像質量，同時相機和電池金屬連接片之間應保持一定的相對位置，避免圖像采集時出現數據誤差。

在數據預處理環節，首先要進行圖像去噪，利用高斯濾波器或均值濾波器去除圖像內的噪聲，強化圖像清晰度。噪聲通常來源于相機內的傳感器，或環境干擾引發噪聲，因此去噪處理是保障圖像后續處理效果的關鍵。其次，對圖像增強處理，通過調整對比度和亮度等參數，讓圖像內的缺陷特征更加明顯。為了進一步強化視覺效果，可選擇直方圖均衡化與自適應對比度增強的方式。再次，將圖像進行灰度化與彩色空間轉換處理，完成亞像素級定位。將拍攝的彩色圖像轉化為灰色圖像，或進行彩色空間轉化，將RGB 空間轉換為HSV 空間，從而提取圖像缺陷特征，采用亞像素算法進行缺陷定位，提高定位檢測精度，最終識別出連接片的微小缺陷問題。通過閾值分割、邊緣檢測等方式，使連接片和背景分離，隨后提取可以用來描述連接片外觀狀態的邊緣、紋理或顏色等特征數據，對數據歸一化與標準化處理，完成圖像采集與數據預處理[3]。

（二）亞像素邊緣檢測，獲取邊緣信息

亞像素邊緣檢測主要是利用灰度值的不連續性，并以灰度突變為基礎進行目標區域分割的圖像處理技術，而邊緣指的是圖像局部特性中灰度或結構信息突變。圖像邊緣一般是指圖像屬性內的變化，比如深度上的不連續或場景照明變化等，邊緣可以作為一個區域的開始和結束，憑借這一特征可以完成圖像的分割處理。以獲取邊緣信息為目標，對電池金屬連接片進行亞像素邊緣檢測，所采用的邊緣檢測算法主要有以下兩種：（1）Roberts 算子，這是一種交叉微分算法，以交叉差分為前提的梯度算法，通過局部差分計算邊緣線條，完成對陡峭的低噪聲圖像處理，如果圖像邊緣接近正負45°時，Roberts 算子處理效果最佳。（2）Canny 算子，以一階微分為基礎，增加非最大值抑制與雙閾值檢測，在處理汽車電池金屬連接片缺陷圖片時需要經歷以下步驟：去噪處理，以5×5 的高斯濾波核進行圖像平滑處理；計算像素梯度幅值與方向，再計算水平與垂直方向的差分；非極大值抑制，由于梯度較大的區域可能是邊緣，沿著梯度方向尋找像素點局部最大值，對其進行非最大值抑制，最終得到局部最大值，將相應的灰度值設為背景像素點，像素臨近區域如果滿足梯度值局部最優值，此時可判斷該處為像素邊緣。通過Canny 算子進行雙閾值檢測和滯后邊緣追蹤，判斷該處位置是否為真實邊緣，最終得到邊緣信息[4]。

（三）根據邊緣信息識別缺陷問題，輸出檢測結果

對于上文提到的新能源汽車電池金屬連接片制造中的各種缺陷問題，為了保障電池性能，有必要進行精確檢測。經過圖像采集與預處理后獲取邊緣信息，再將邊緣信息和提前預設的標準圖像對比，成功識別出缺陷信息，接著亞像素視覺檢測系統會生成相應的檢測報告，報告中詳細記錄連接片缺陷位置、大小、類型等具體信息。按照檢測報告，自動化系統會對電池金屬連接片分類處理，合格品進入下一步生產環節，不合格品被剔除，通過這種邊緣檢測的方式找出缺陷的金屬連接片，從而提高汽車行業生產效率。

結論

總而言之，視覺檢測技術在新能源汽車電池檢測中的應用是多方面，它通過高精度的自動化檢測手段，實現對電池金屬連接片的亞像素級缺陷檢測，完成圖像邊緣檢測與數據處理，最終獲得高質電池產品。

參考文獻：

[1] 龍淑嬪， 廖書真， 陳勝利， 等. 基于深度學習的新能源電池溯源二維碼機器視覺檢測系統設計[J]. 機電工程技術，2024，53（11）：138-142+152.

[2] 孫成， 陳冠浩， 鄧耀華. 金屬薄片零件微小變形缺陷視覺檢測方法與應用[J]. 機電工程技術，2024，53（10）：157-162.

[3] 賀微. 基于一維標識的汽車車輪定位參數視覺檢測及線光場全局標定方法研究[D]. 吉林大學，2023.

[4] 陳賢兒. 電池鎳片表面視覺檢測與亞像素尺寸測量技術研究[D]. 寧波大學，2022.

課題：浙江工商職業技術學院2024 年學校科研年度項目+ 新能源汽車電池金屬鏈接片缺陷的亞像素視覺檢測研究+KYND202414