[发明专利]一种基于深度学习的锂电池电芯铝壳蓝膜外观检测算法

说明书

本发明属于锂电池检测技术领域，具体的说是一种基于深度学习的锂电池电芯铝壳蓝膜外观检测算法，该外观检测包括以下步骤：S1：获取三张不同方向的图像；S2：利用光度立体算法合成图像；S3：截取铝壳锂电池表面指定待检ROI区域；S4：利用高斯滤波器对图像进行滤波处理；S5：对滤波后的图像进行傅里叶变换；S6：对S5处理后的图像进行形态学处理；S7：对S6处理后的图像进行阈值分割以及连通域筛选；利用光度立体法合成图像有效的增强了铝壳锂电池表面图像中缺陷特征使得特征更易提取，且使用传统算法结合深度学习的方式来对缺陷进行双重检测，最后以简单神经网络进行复判有效降低了误检率，提高了准确性。

技术领域

本发明属于锂电池检测技术领域，具体的说是一种基于深度学习的锂电池电芯铝壳蓝膜外观检测算法。

背景技术

在国家政策的大力支持下，锂电池技术得到了迅速发展，它是一种锂电池是一类由锂金属或锂合金为正/负极材料、使用非水电解质溶液的高性能电池，因它具有能量密度高、自放电率低及使用寿命长的特点而广泛应用于新能源汽车、航空航天、移动设备等领域。

现有汽车动力电池一般采用铝壳包装的锂电池，在其生产过程中由于生产工艺的原因会有部分锂电池密封不严电解液溢出导致电池表面腐蚀，或者在生产过程中的磕碰、刮蹭导致电池表面出现鼓包、凹坑、划痕、脏污、电解液残留、防爆阀膜破损缺陷，这种缺陷极大的影响了电池的安全性及品质，因此需要针对锂电池表面缺陷进行严格检测。

目前铝壳电池的表面缺陷检测，如电池鼓包、划伤、异物、电解液残留、防爆阀膜破损缺陷主要以人工肉眼目检，但人工检测可靠性和效率都比较低，部分采用传统机器视觉算法进行检测，由于产品表面的差异及光学环境的因素，使得传统算法误检率过高、检测不稳定。

发明内容

为了弥补现有技术的不足，解决锂电池人工肉眼目检，导致的检测可靠性以及效率较低以及传统机器视觉算法检测误检率较高以及检测不稳定的问题，本发明提出的一种基于深度学习的锂电池电芯铝壳蓝膜外观检测算法。

本发明解决其技术问题所采用的技术方案是：一种基于深度学习的锂电池电芯铝壳蓝膜外观检测算法，该外观检测包括以下步骤：

S1：获取三张不同方向的图像；

S2：利用光度立体算法合成图像；

S3：截取铝壳锂电池表面指定待检ROI区域；

S4：利用高斯滤波器对图像进行滤波处理；

S5：对滤波后的图像进行傅里叶变换；

S6：对S5处理后的图像进行形态学处理；

S7：对S6处理后的图像进行阈值分割以及连通域筛选；

S8：提取S7中的特征区域计算面积、宽度并进行缺陷分类；

S9：根据S1到S7提取缺陷特征标记缺陷类型，并制作数据集；

S10：使用基于交叉熵的函数来训练深度卷积神经网络；

S11：利用训练好的深度卷积神经网络进行缺陷检测；

S12：利用深度卷积神经网络检测结果，并进行复判。

优选的，所述S1中，通过在不同位置方向打光并拍摄三张不同图像，拍摄的三张不同图像来自于不同的光源方向。

优选的，所述S2中，光度立体算法可以根据二维纹理信息提取出三维模型，而二维纹理信息主要指代S1中拍摄的三张不同方向的二维图像，利用光度立体算法合成正反射以及形状图图像。

优选的，所述S5中，对滤波后的图像进行傅里叶变换即对滤波后的图像进行快速傅里叶变换再减去傅里叶变换之前的图像，输出新的图像。