锂电池极片缺陷特征融合与分类

黄梦涛 王 露

（西安科技大学电气与控制工程学院，西安 710000）

0 引言

经济的发展带动能源需求增加，锂电池由于零排放、体积小、使用寿命长等优点广泛应用于电动汽车、电子产品等领域。极片作为锂电池的要件直接决定其电化学性能及安全性[1]，但是极片在涂覆、辊压等生产环节可能会产生各种缺陷，通过缺陷检测可防止不良品流向市场，避免安全事故发生。对缺陷分类便于企业分析缺陷产生的原因并做出相应的调整，从根源上降低甚至避免极片缺陷的产生，减少经济损失。

随着计算机和机器视觉技术的发展，基于图像处理的极片缺陷分类方法得到广泛应用。将提取的特征输入分类器中训练分类模型，然后利用模型预测分类。特征提取作为其中的关键步骤，对分类性能有直接性影响[2]。本文将主要研究特征提取，现有方法中主要提取极片缺陷的形状特征和灰度特征[3-6]，但是缺陷的形状大小和数目具有不确定性，而且形态特征参数的准确性易受图像分割效果的影响。除此之外，还要考虑光线等环境因素对极片图像的影响。本文对极片的划痕缺陷、掉料缺陷和暗斑缺陷分类时，提出局部SURF特征与灰度特征融合的方法。前者可以避免光照的影响，后者从全局角度分析极片缺陷，两种特征融合对缺陷的描述更全面。目前，特征融合在人脸识别[7]、车辆检测[8]及医学图像[9]等多方面有所应用。

1 极片缺陷BoF-SURF特征提取

1.1 SURF特征提取

SURF（Speeded Up Robust Feature）是Herbert Bay等提出的一种局部特征，不仅对尺度、旋转和噪声等因素具有很强的不变性，而且对光照和仿射透射变化具有一定的鲁棒性[10]。……