李 振

(江蘇省淮安技師學院，江蘇 淮安 223001)

0 前言

光學掃描成像技術(shù)是檢驗新能源汽車電池表面缺陷的主要方式，能有效地提升缺陷檢測能力和自動定位能力。

通過與智能圖像處理技術(shù)相結(jié)合，從不同方面分析新能源汽車電池表面的缺陷，再結(jié)合缺陷表面的紋理分布情況，重新定位新能源汽車電池表面缺陷，確保汽車電池質(zhì)量符合標準。

目前，一般利用光學圖像特征檢測電池表面缺陷，將電池表面紋理特征檢測與三維輪廓重構(gòu)技術(shù)相結(jié)合，及時修復(fù)電池表面缺陷。

傳統(tǒng)的檢驗方法采用Harris角點檢測法、小波檢測法等檢測電池表面缺陷，利用超像素成像技術(shù)處理電池表面成像，構(gòu)建健全的二值化圖像處理模型，以準確檢測出電池表面缺陷。但由于該方式耗時長，且檢驗準確度不高，容易給缺陷檢測帶來嚴重影響。

本文以超精密檢測為基礎(chǔ)，提出全新的新能源汽車電池表面缺陷檢驗方法，通過建立光學超精密成像模型處理新能源汽車電池表面激光成像，準確檢測出能源電池表面激光成像的紋理分布情況。將區(qū)域信息與圖像邊緣相互融合，可準確定位新能源汽車電池表面缺陷，檢測新能源汽車電池表面紋理異常點，進一步優(yōu)化電池表面缺陷檢測。

1 新能源汽車電池缺陷

1.1 電池自放電缺陷

單體電池在儲存中通常會出現(xiàn)自放電現(xiàn)象，主要體現(xiàn)為電池電壓下降。如圖1所示，磷酸鐵鋰離子電池在55 ℃環(huán)境下的端電壓變化呈下降趨勢。當酸鐵鋰離子電池前部分電壓為3.354 V，當其流過儲存后部分時，電壓呈明顯降低趨勢，降至3.345 V。結(jié)果表明，單體電池在儲存中會出現(xiàn)自放電現(xiàn)象，從而降低電池兩端電壓的變化。

圖1 磷酸鐵鋰離子電池在55 ℃環(huán)境下的端電壓變化情況

在電池組應(yīng)用過程中，經(jīng)常出現(xiàn)自放電現(xiàn)象，影響電池組性能。比如會造成電池自身能量的嚴重損失，甚至縮短鋰離子電池使用壽命，導(dǎo)致容量出現(xiàn)嚴重損壞。目前，我國電動汽車電池成組方式主要采取多個單體電池串聯(lián)為電池包再并聯(lián)為電池組的方式，如圖2所示。

圖2 電動汽車動力電池組電池排列結(jié)構(gòu)

對電池組電池排列結(jié)構(gòu)進行分析后發(fā)現(xiàn)，電池包A的單體電池1具有自放電率高、容量衰減嚴重等特點，其負荷電量低于其他單體電池。因此，在放電過程中，電池1第1個達到放電標準，其他單體電池仍然在放電，這時主回路繼電器會自動斷鏈，以確保電池安全性。但由于其他單體電池放電工序并未結(jié)束，電池1無法進行其他工作。充電過程同樣如此，根據(jù)電池組均衡理論，自放電嚴重的電池1會不斷增加電池組的不均衡性，工作人員利用特殊方式進行均衡能起到的作用也十分有限，無法滿足實際要求，導(dǎo)致單體電池可能出現(xiàn)過放電現(xiàn)象，加速電池充放電性能的衰減。

1.2 電池缺陷表現(xiàn)形式

在鋰離子電池的生產(chǎn)過程中，操作不當會嚴重影響成品電池的質(zhì)量，導(dǎo)致其在使用過程中出現(xiàn)電池大倍率放電、高溫工作等問題，影響電池工作的平穩(wěn)性。正常情況下，電流通過電極，電極電位會在第一時間偏離平衡電位，出現(xiàn)電極極化現(xiàn)象。根據(jù)電池過程動力學理論，電極電位偏離平衡電位的程度與電流密度成正比。

2 新能源汽車電池表面缺陷檢驗的優(yōu)化

2.1 新能源汽車電池表面激光成像分割模型

將光學超精密成像模型應(yīng)用到能源汽車電池方面，可進一步優(yōu)化電池表面缺陷檢驗方法。通過1組光學圖像訓練樣品的結(jié)構(gòu)獨立特征向量空間，來處理電池表面缺陷的空間區(qū)域結(jié)構(gòu)，收集新能源汽車電池表面缺陷。

2.2 電池表面缺陷檢驗方法

電荷耦合器件(CCD)檢測是利用機器視覺進行檢測，將所有基本數(shù)據(jù)傳輸?shù)叫酒?，再利用專業(yè)工具將光信號轉(zhuǎn)換為電信號，并準確計算出被測物體的圖像。該檢測技術(shù)通常被應(yīng)用于電池的生產(chǎn)階段，以判斷零部件質(zhì)量是否達到行業(yè)標準，查看零部件表面是否存在劃傷、殘缺等問題，并引導(dǎo)機械傳動系統(tǒng)挑出殘缺品，提高生產(chǎn)效率和質(zhì)量。

3 仿真實驗與結(jié)果分析

為準確測試CCD方法在電池表面缺陷的檢驗效果，本文利用仿真實驗進行全方位檢驗。以Matlab7仿真軟件為主體，確定光學圖像采樣的具體數(shù)值和圖像邊緣像素特征分布樣本。將這2種數(shù)據(jù)結(jié)合起來，確定其衰減權(quán)重為0.85，特征分布像素集為200×400，預(yù)設(shè)缺陷檢驗值為0.25，最終得到初始電池表面的光學成像。將其作為研究圖像的樣品，構(gòu)建表面激光成像的分割模型，進而得到表面紋理分割結(jié)果，如圖3所示。

圖3 新能源汽車電池表面光學圖像的紋理分割結(jié)果

合理利用紋理分割方式檢驗電池表面缺陷，融合區(qū)域信息與圖像邊緣，能準確定位新能源汽車電池表面缺陷，并保證其具有較高的精密度。通過不同方式檢測電池表面缺陷，所得到的數(shù)據(jù)也不同，其中精度較高的是采用紋理分割方式完成的電池表面缺陷檢測。

4 結(jié)語

為準確測試CCD方法在電池表面缺陷的檢驗效果，本文以缺陷紋理分布為基礎(chǔ)，開展了新能源汽車電池表面缺陷檢測。本文提出基于光學超精密的新能源汽車電池表面缺陷檢測方式，利用深度學習算法自動選擇合理的光學圖像邊緣檢測，以提取網(wǎng)格區(qū)域分割，發(fā)現(xiàn)表面紋理中存在的問題，進一步提高缺陷檢測數(shù)據(jù)真實性。