一种锂电池极片的检测方法及其装置与流程

本发明涉及图像检测和识别，具体涉及一种锂电池极片的检测方法及其装置。

背景技术：

1、在现代锂电池制造过程中，极片缺陷的检测和识别对于确保电池质量、提高电池性能和延长电池寿命至关重要。极片是电池中起关键作用的组件之一，极片的翻折、错位、弯曲等缺陷可能导致电池性能下降、电池寿命缩短甚至引发严重安全问题。为了保证电池的质量和安全性，目前大规模采用x射线成像的方式来获取叠片电池极片的微结构信息，并根据这些信息对电池极片进行缺陷自动检测和识别。

2、x射线成像是一种常用的非破坏性检测方法，但由于图像中存在复杂的噪声和干扰，传统的图像处理方法难以准确和高效地检测和识别缺陷，实际生产中主要依靠人工进行目视检查。然而，人工检查存在效率低、误检率高和主观性高等技术不足，因而无法适应大规模生产需求。

3、近年来，神经网络模型在目标检测领域取得了显著的成果。神经网络模型是一种基于人工神经元网络的计算模型，它可以通过学习和训练来识别和处理复杂的模式和数据。由于实际硬件环境不同，以及锂电池的电极材料各异的影响，锂电池的极片x射线图像存在形态特征各异，噪声干扰复杂多变，类间特征相近的特点，这对通用目标检测模型的检测精度提出了挑战。

4、因此，针对现有技术的不足有必要进行改进。

技术实现思路

1、本发明主要解决的技术问题是提供一种锂电池极片的检测方法及其装置，该检测方法及其装置利用改进的yolo神经网络模型对锂电池的x射线图像进行自动检测与识别，能够准确识别锂电池阴极和阳极极片的尖点。

2、根据第一方面，一种实施例中提供一种锂电池极片的检测方法。该检测方法包括：

3、预处理的步骤：获取锂电池极片的x射线图像，对所述x射线图像进行预处理而得到预处理后图像；

4、预测的步骤：将所述预处理后图像输入训练好的目标检测模型，所述目标检测模型对所述预处理后图像进行预测而得到对应的预测结果；其中，所述锂电池极片包括阴极极片和阳极极片；所述预测结果包括：所述阴极极片的尖点所在的roi区域和所述阳极极片的尖点所在的roi区域；

5、其中，所述尖点为所述阳极极片或阴极极片的涂布范围在y方向的上端点和下端点；所述y方向为垂直于所述预处理后图像中水平方向的方向；

6、识别的步骤：对所述roi区域进行处理，以确定所述阴极极片的尖点和所述阳极极片的尖点。

7、一实施例中，所述识别的步骤s300还包括：

8、将所述阴极极片的尖点和所述阳极极片的尖点在所述y方向上的差值作为所述锂电池极片的overhang余量；

9、一实施例中，所述识别的步骤中：对所述roi区域进行处理，以确定所述阴极极片的尖点和所述阳极极片的尖点，包括：

10、获取所述roi区域，对所述roi区域依次进行中值滤波和腐蚀处理而得到所述腐蚀处理后的所述roi区域；

11、获取所述腐蚀处理后的所述roi区域的最小外接轮廓；

12、将所述最小外接轮廓中各行像素的索引作为第一自变量，将所述各行的所有像素的平均值作为对应的第一因变量，以获得所述第一自变量与所述第一因变量之间的第一关系曲线；

13、对所述第一关系曲线进行一阶导数计算而得到对应的导数曲线；

14、获取所述导数曲线的极大值点，将与所述极大值点对应的所述索引作为所述阴极极片或阳极极片的尖点。

15、一实施例中，所述识别的步骤还包括：

16、利用所述roi区域获得所述阳极极片的骨架曲线；

17、根据所述骨架曲线确定所述阳极极片的偏转角度；

18、利用所述骨架曲线确定阳极极片的偏转位点以及所述偏转位点的偏转方向；

19、根据所述偏转位点和所述偏转方向确定所述阳极极片的姿态类别；

20、其中，所述利用所述roi区域获得所述阳极极片的骨架曲线，包括：

21、对所述roi区域依次进行膨胀处理、盒子滤波和二值化处理而得到所述二值化处理后的所述roi区域，采用骨架化算法对所述二值化处理后的roi区域进行处理，以获取所述阳极极片的骨架曲线；

22、其中，所述根据所述骨架曲线确定所述阳极极片的偏转角度，包括：

23、利用ransac算法对所述骨架曲线进行直线拟合而得到对应的拟合直线；

24、计算所述拟合直线与所述阳极极片或所述阴极极片的长度方向之间的夹角；

25、将所述拟合直线与所述阳极极片或所述阴极极片的长度方向之间的夹角作为所述偏转角度。

26、一实施例中，所述识别的步骤中：利用所述骨架曲线，确定所述阳极极片的偏转位点以及所述偏转位点的偏转方向，包括：

27、将所述骨架曲线中各有效像素位点的纵坐标作为第二自变量，将所述骨架曲线中各有效像素位点的横坐标作为对应的第二因变量，以获得所述第二自变量与所述第二因变量之间的第二关系曲线；其中，所述有效像素位点为与所述骨架曲线对应的像素点中像素值为1的像素点；

28、对所述第二关系曲线进行一阶导数计算而得到对应的一阶导数曲线；其中，所述一阶导数曲线的横坐标为对应的所述有效像素位点的横坐标，所述一阶导数曲线的纵坐标为对应的一阶导数；

29、获取所述一阶导数曲线的极大值点，将与所述一阶导数曲线的极大值点对应的所述索引作为所述阳极极片的偏转位点；

30、根据所述对应的一阶导数是否大于0，确定所述偏转位点的偏转方向；其中，若所述对应的一阶导数大于0，则对应的所述偏转方向为右偏；若所述对应的一阶导数小于0，则对应的所述偏转方向为左偏。

31、一实施例中，所述训练好的目标检测模型包括：依次连接的第一个cbl模块、第二个cbl模块、第一c3模块、第三个cbl模块、第二c3模块、第四个cbl模块、第三c3模块、第五个cbl模块、第四c3模块、全局感知模块、多尺度融合模块、第六个cbl模块、第一上采样模块、第一融合模块、第五c3模块、第七个cbl模块、第二上采样模块、第二融合模块、第六c3模块、第八个cbl模块、第三上采样模块、第三融合模块、第七c3模块和第一卷积模块；

32、所述全局感知模块用于接收所述第四c3模块所输入的图像结果，并能够捕获所述图像结果的全局信息。

33、一实施例中，所述全局感知模块包括：多个编码器层，所述多个编码器层彼此串联，每个所述编码器层包括：第一子层连接结构和第二子层连接结构；

34、其中，所述第一子层连接结构包括一个多头自注意力子层、一个第一规范化层和一个第一残差连接，

35、所述第二个子层连接结构包括一个前馈全连接子层、一个第二规范化层和一个第二残差连接；

36、其中，将所述第五个cbl模块输入至所述全局感知模块的图像结果作为第一个所述编码器层中的输入结果，对应的所述编码器层的输出结果作为下一个所述编码器层的输入结果；将所述全局感知模块中最后一个所述编码器层的输出结果作为所述全局感知模块的输出结果；

37、其中，所述编码器层内部的数据处理流程包括：

38、将输入所述编码器层的输入结果输入所述多头自注意力子层，将所述多头自注意力子层的输出结果输入至所述第一规范化层，通过所述第一残差连接将所述图像结果输入至所述第一规范化层，将所述第一规范化层的输出结果输入至所述前馈全连接子层，将所述前馈全连接子层的输出结果输入至所述第二规范化层，通过所述第二残差连接将所述第一规范化层的输出结果输入至所述第二规范化层，将所述第二规范化层作为对应的所述编码器层的输出结果。

39、一实施例中，所述预测的步骤中，所述目标检测模型对所述预处理后图像进行预测而得到对应的预测结果，包括：

40、所述第一卷积模块输出对应的第一特征图，对所述第一特征图进行预测而得到初步预测结果；

41、采用适用于旋转矩形的非极大值抑制函数对所述初步预测结果进行处理而得到所述对应的预测结果；

42、其中，所述训练好的目标检测模型是利用用于高斯包围框的损失函数进行训练而得到的；

43、其中，所述非极大值抑制函数所利用的交并比的计算流程为：

44、确定与所述初步预测结果对应的所述旋转矩形与对应的另一个所述旋转矩形的交点；

45、确定上述交点是否满足均在两个所述旋转矩形的内部；

46、利用均在该两个所述旋转矩形的内部的所述交点和边构成多边形，将所述多边形的面积作为该两个所述旋转矩形的交集，将该两个所述旋转矩形的面积和作为该两个所述旋转矩形的并集，利用所述交集和并集计算出交并比。

47、一实施例中，所述预处理的步骤中：获取锂电池极片的x射线图像，对所述x射线图像进行预处理而得到预处理后图像，包括：

48、对所述x射线图像进行二值化处理而得到二值化处理后图像，将所述二值化处理后图像进行二值图像反转处理而得到二值图像反转处理后图像，获取与所述二值图像反转处理后图像的最大外接轮廓对应的最小外接矩形，根据预设的参数对所述最小外接矩形进行截取而得到所述roi区域；

49、增强所述roi区域中暗部区域的对比度而得到增强对比度图像；

50、采用多尺度视网膜图像增强算法对所述增强对比度图像进行处理而得到纹理特征增强图像；

51、对所述纹理特征增强图像进行滤波处理而得到滤波处理后图像；

52、对所述滤波处理后图像进行非线性亮度增强而得到非线性亮度增强图像；

53、对所述非线性亮度增强图像进行归一化处理而得到归一化处理后图像，将所述归一化处理后图像作为所述预处理后图像。

54、根据第二方面，一种实施例中提供一种锂电池极片的检测装置。该检测装置包括：

55、存储器，用于存储构建如本技术任一项实施例中所述目标检测模型的程序；

56、处理器，用于通过执行所述存储器存储的程序以实现如本技术任一项实施例所述的检测方法。

57、根据第三方面，一种实施例中提供一种计算机可读存储介质。该计算机可读存储介质包括程序。所述程序能够被处理器执行以实现如本文中任一实施例所述的检测方法。

58、本技术的有益效果是：

59、本技术所提供的锂电池极片的检测方法包括：获取锂电池极片的x射线图像，对所述x射线图像进行预处理而得到预处理后图像；将所述预处理后图像输入训练好的目标检测模型，所述目标检测模型对所述预处理后图像进行预测而得到对应的预测结果；其中，所述锂电池极片包括阴极极片和阳极极片；所述预测结果包括：所述阴极极片的尖点所在的roi区域和所述阳极极片的尖点所在的roi区域；对所述roi区域进行处理，以确定所述阴极极片的尖点和所述阳极极片的尖点。本技术所提供的上述装置能够实现上述方法。