【自有技术大讲堂】一种新的锂电池外观检测技术

锂电池产品外观检测技术非常重要，因为锂电池产品外观变脏、受损或者保护膜变形等问题，不仅影响了锂电池产品外观质量，严重的能够对电池内部造成损害，进而造成电池爆炸等安全事故。目前锂电池性能和安全性等测试系统已基本实现自动化，而外观质量检测大多还依赖于人工检测。

图1 喷码干扰、极板干扰、气泡膨胀和表皮褶皱的示意图

上图是锂电池表面喷码干扰、极板干扰、气泡膨胀和表皮褶皱的示意图。左图展示了极板和气泡的锂电池体表面图像，其中极板不属于缺陷，但其边缘凸出很容易被误判为缺陷。多个气泡的大小不同形状各异，较小的气泡容易被漏检。右图展示了喷码和褶皱的锂电池表面图像，多个表皮褶皱的大小不同且差异较大，因此较小的表皮褶皱容易被漏检。针对锂电池外观自动化检测技术的各种难点，高视科技提出了全新的技术解决方案，其流程图如下：

图2 新型锂电池外观检测的方法流程图

这种用于锂电池表面缺陷检测的方法，通过对待处理样本执行下采样操作、上采样操作以及融合等操作提取待处理样本的目标特征信息，并利用包括待处理样本和目标特征信息等的样本数据集来训练基于串联分组卷积块的网络模型，得到能够自动检测待检测图像的缺陷的检测模型。

图3 新型网络模型的结构示意图

实验选取了目标检测领域常用的 Faster R-CNN、SSD 和 Yolo 系列模型与我司的新型检测模型进行比较。在实际工业应用中，检测模型需要兼顾效率问题和检测效果。因此，以下将从实际应用角度出发，针对效率问题和检测效果对多个模型的实验结果进行对比和分析。

图4 本发明的检测模型和Yolo_TinyV3模型的检测结果对比图

（a列展示的是测试集实际缺陷和干扰区域的真实标注框

b列展示的是Yolo_TinyV3模型的检测结果

c列展示的是我司的新型检测模型的检测结果）

表一  检测效率对比 

表二  检测准确率对比表

从上述实验结果可以看出，这种新型的锂电池外观检测方法，能够有效提高检测速率，并且能够提高缺陷检测的准确性。实践证明，这种基于串联分组卷积块的网络模型检测缺陷的方法行之有效。