[發(fā)明專利]一種鋰電池電極表面缺陷的分類方法

在審

• 申請?zhí)枺?/td>: 202110753377.4
• 申請日: 2021-07-02
• 公開（公告）號: CN113673552A
• 公開（公告）日: 2021-11-19
• 發(fā)明（設(shè)計）人: 劉嶼;倪君儀;徐嘉明;萬偉偉;橫井浩史
• 申請（專利權(quán)）人: 華南理工大學(xué);廣州現(xiàn)代產(chǎn)業(yè)技術(shù)研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 詹麗紅

1.一種鋰電池電極表面缺陷的分類方法，用于對鋰電池電極表面的亮缺陷和暗缺陷進(jìn)行分類，其中，亮缺陷包括亮點、漏金屬、氣泡，暗缺陷包括黑點、條痕、脫碳，其特征在于，所述分類方法包括以下步驟：

S1、預(yù)處理：將鋰電池電極表面缺陷圖像調(diào)整為相同尺寸的大小，并進(jìn)行歸一化處理；

S2、粗分類：首先使用最小二乘法擬合鋰電池電極表面缺陷圖像中指定區(qū)域的像素變化將亮點和漏金屬從缺陷類別中分離出來，再根據(jù)特定的環(huán)形掩膜和隨機(jī)森林分類器將氣泡與暗缺陷分離，從而將鋰電池電極表面缺陷圖像分為亮缺陷數(shù)據(jù)集和暗缺陷數(shù)據(jù)集兩個大類；

S3、細(xì)分類：在粗分類得到的結(jié)果中，利用Gabor濾波器對鋰電池電極表面缺陷圖像進(jìn)行特征提取，再在亮缺陷數(shù)據(jù)集和暗缺陷數(shù)據(jù)集兩個大類中各自使用隨機(jī)森林分類器進(jìn)行分類得到最終的分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種鋰電池電極表面缺陷的分類方法，其特征在于，所述步驟S1中對鋰電池電極表面缺陷圖像進(jìn)行預(yù)處理的具體過程如下：

S1.1、將鋰電池電極表面缺陷圖像的大小統(tǒng)一調(diào)整為M×N；

S1.2、對鋰電池電極表面缺陷圖像進(jìn)行歸一化處理，歸一化方法如下：

f(i,j)＝(I(i,j)-g_min)/(g_max-g_min)

其中，I(i,j)是原始鋰電池電極表面缺陷圖像在(i,j)處的灰度值，f(i,j)是歸一化之后的鋰電池電極表面缺陷圖像在(i,j)處的灰度值，g_max和g_min分別是原始鋰電池電極表面缺陷圖像中最大和最小的灰度值。

3.根據(jù)權(quán)利要求1所述的一種鋰電池電極表面缺陷的分類方法，其特征在于，所述步驟S2中對鋰電池電極表面缺陷圖像進(jìn)行粗分類的具體過程如下：

S2.1、使用最小二乘法擬合缺陷圖像中指定區(qū)域的像素灰度值變化曲線I_c得到直線I_l；

S2.2、計算曲線I_c的波峰、波谷到直線I_l垂直距離的差值Δ：

Δ＝α-β

其中，α是曲線I_c的波峰到直線I_l的垂直距離，β是曲線I_c的波谷到直線I_l的垂直距離；

S2.3、設(shè)置一個第一閾值T，Δ大于第一閾值T時，對應(yīng)的缺陷為亮點和漏金屬；當(dāng)小于第一閾值T時，對應(yīng)的缺陷是除去亮點和漏金屬之外其余四種類型的缺陷，第一閾值T的值根據(jù)下式自適應(yīng)求得：

其中，M_LM、M_BS、M_DS、M_DE、M_ST、M_BB分別表示漏金屬、亮點、黑點、脫碳、條痕和氣泡這六類缺陷數(shù)據(jù)集的平均差值Δ，min(·)表示最小值算子，Avg(·)表示平均值算子；

S2.4、根據(jù)缺陷形狀自適應(yīng)獲得環(huán)形掩膜M_r，在環(huán)形掩膜M_r的作用下，每張鋰電池電極表面缺陷圖像被分為三個區(qū)域:環(huán)內(nèi)區(qū)域AIR，環(huán)上區(qū)域AAR以及環(huán)外區(qū)域AOR；

S2.5、等角度分割環(huán)形掩膜M_r，得到兩個掩膜T1和T2，將環(huán)上區(qū)域AAR以及環(huán)外區(qū)域AOR各自分為s個小連通域和

S2.6、計算每個小連通域和中灰度值的均值和方差，同時，分別計算灰度值為0的像素所占比例和最終，得到一個具有良好區(qū)分度的特征：

分別表示環(huán)上區(qū)域和環(huán)外區(qū)域的灰度值均值，分別表示環(huán)上區(qū)域和環(huán)外區(qū)域的灰度值方差，分別表示環(huán)上區(qū)域和環(huán)外區(qū)域中0像素的占比，其中，分別是每個和的總像素個數(shù)，分別對應(yīng)環(huán)上區(qū)域AAR以及環(huán)外區(qū)域AOR的小連通域中0像素的個數(shù)，分別是每個和中0像素的占比；

S2.7、利用隨機(jī)森林分類器對上一步得到的特征F進(jìn)行分類，將氣泡與包括黑點、條痕、脫碳在內(nèi)的三種暗缺陷分離，由此得到亮缺陷數(shù)據(jù)集和暗缺陷數(shù)據(jù)集。