周佳禾,宫临凡,王盛瑶
(1.国网天津信通公司,天津 300010;2.长庚大学资讯工程学系,台湾桃园 333323;3.浙江大学数学院,浙江杭州 310027)
广泛应用于数码相机、移动电话等便携电子设备的方形卷绕式锂电池是锂电池3种重要构型中的一种,集成了圆柱卷绕式与方形层叠式两种构型各自的优点。方形卷绕式锂电池安全性好、体积小、容量大、空间利用率高。在方形卷绕式锂电池的生产工艺流程中,卷绕及组装等环节容易产生隔膜褶皱与电极错位等现象,严重影响电池的安全性与使用寿命。为保证锂电池产品质量,生产过程中的缺陷检测必不可少。使用数字化X射线摄影(digital radiography,DR)技术生成锂电池电极结构影像,利用机器视觉技术处理、分析获得的DR影像,实现锂电池电极缺陷检测[1-4],是业界的主流技术路线。
传统机器视觉基本思想包括图像采集和特征检测2部分。特征提取算法主要包括HOG[5]、LBP和SIFT[6]等,此类算法均依赖于人工定义特征,其灵活性与适应性有很大的局限性。随着机器学习技术迅速发展,在物体识别方面能够达到商业化的要求。早期的锂电池缺陷检测研究中,缺陷识别多使用传统的图像处理方法,如灰色关联算法[7]和Otsu算法[8]等,但其发展趋势逐渐步入机器学习领域。文献[9]提出一种锂电池膨胀缺陷的检测算法,使用双峰直方图对图像进行预处理,并使用支持向量机SVM实现特征提取与分类。文献[10]使用基于Tucker张量分解的方法对锂电池的单元缺陷进行研究,利用支持Tucker机对缺陷样本进行训练并实现分类。……