最大熵和高斯模型在锂电池缺陷识别中的应用陈功.pdfVIP

研 究 与 设 计 最大熵和高斯模型在锂电池缺陷识别中的应用 陈 功 ， 朱锡芳， 许清泉 ， 徐安成 ， 杨 辉 （常州工学院，江苏常州213022） 摘要：锂电池极片缺陷在线识别系统中采用最大熵阈值法实现图像的阈值分割，采用缺陷面积排序的方法取出最大缺 陷目标，提取二值化图像中缺陷的几何形状和投影参数作为特征值，最后采用高斯混合模型算法实现对缺陷目标的识 别分类。实验结果表明：该系统能自动实现阈值分割，准确提取缺陷特征，识别准确率达到94%。 关键词：最大熵阈值；高斯混合模型；识别 中图分类号：TM912.9 文献标识码：A 文章编号：1002-087X(2014)06-1063-03 Application of maximum entropy threshold and Gaussian mixture model in defects recognition of lithium battery CHEN Gong, ZHU Xi-fang, XU Qing-quan, XU An-cheng, YANG Hui (Changzhou Institute of Technology, Changzhou Jiangsu 2 13022 ，China) recognitionaccuracycanreach94%. 目前磷酸铁锂电池的应用并非尽善尽美，主要是受制于 算量大，且未能充分反映同类数据本身的相似度特性。针对上 电池组的一致性问题。用作汽车动力的锂离子电池是将大量 述问题，构建锂电池在线极片缺陷识别系统，该系统采用最大 单体电池串并联而成的电池组，目前单体磷酸铁锂电池的寿 熵阈值法实现阈值分割，经缺陷面积排序定位最大缺陷目标， 命超过2 000 次，在将多个电池组成电池组时，只有在电池性 提取缺陷中的几何形状和投影参数作为特征值，识别部分采 能高度一致时，电池组的循环寿命才能接近单体电池的寿命。 用高斯混合模型(Gaussian Mixture Model ，GMM)算法实现对 由于目前国内大部分磷酸铁锂生产厂商的制造设备及制备工 缺陷目标的分类。 艺都不成熟，产品品质容易出现波动，使得电池产品的一致性 采用CCD 对锂电池薄膜成像时，由于镜头到薄膜距离有 受到影响，因此，目前应用在电动汽车上存在一定的障碍。表 限，获得的图像一般中部偏亮、两侧偏暗。因此本文采用图像 [3] 面缺陷是锂电池极片表面质量的重要因素，直接影响着产品 灰度补偿算法 和平滑滤波算法减少图像采集质量不稳定的 的性能和质量。因此，基于机器视觉技术的极片表面质量自动 影响。 检测已逐渐成为研究的重点。 1 锂电池极片缺陷类型 从国内外相关研究领域来看，文献[1]针对塑料薄膜表面 锂电池极片缺陷依据产生原因可划分为以下几种。由于 缺陷提出了固定阈值分割的方法实现缺陷的提取。文献[2-4] 设备因素引起的亮划痕、暗划痕；由工艺因素引起的漏箔、起 则未考虑视觉图像中可能同时存在多个缺陷，文献[5]采用聚 泡、针孔；由环境因素引起的表面异物。图1 为主要研究的缺 类解决上述问题，但是该方法计算复杂，实时性差。文献[6-8] 陷目标。