動力電芯X射線圖像邊緣檢測算法的應用

閆　欣,梅領亮,張　華

(廣東正業科技股份有限公司， 東莞 523808)

?

動力電芯X射線圖像邊緣檢測算法的應用

閆欣,梅領亮,張華

(廣東正業科技股份有限公司， 東莞 523808)

在動力電芯檢測中，大量應用X射線圖像邊緣檢測技術，且在X射線檢測技術中該技術起著關鍵性作用。針對動力電芯X射線圖像的邊緣檢測技術做了深入分析與研究，結合X射線成像特征，提出了十鄰域邊緣檢測算法，解決了傳統邊緣檢測算法提取鋰電芯X射線圖像時邊緣不連續的問題。根據大量檢測數據得知，X射線圖像的邊緣算法能準確地從較復雜的噪聲圖像中提取有效的邊緣信息，并最大限度地抑制了偽邊緣的產生。

數字圖像處理；邊緣檢測算法；X射線檢測

隨著X射線在工業檢測中的廣泛應用，數字圖像處理技術在X射線檢測技術領域得到了很大的發展，其中邊緣檢測技術在動力電芯無損檢測中得到了越來越廣泛的應用。X射線無損檢測是鋰電池生產過程中的一個重要環節。X射線透射動力電芯，經過增強器轉換成光信號，再通過攝像機獲取電芯內部結構獲得數字圖像。X射線成像與被測物的厚度及密度有關，厚度越大或密度越大，則X射線透射后的能量越弱，成像越暗；反之，成像越亮。由此，X射線圖像中容易產生大量的噪點圖像。

目前，經典的邊緣檢測算法有Sobel算子、Roberts算子、Gauss-Laplace算子、Canny算子等[1-2]。鋰電池X射線圖像受鋰電池結構的影響，其電芯圖像的灰度分布比較離散，采用上述檢測算子提取鋰電池X射線圖像的邊緣，易產生邊緣不連續及偽邊緣過多的問題，導致電池正負極分布結構的檢測誤差過大。因此，對動力鋰電芯X射線圖像的邊緣檢測技術的研究是至關重要的[3]。筆者結合X射線成像特征，提出了十鄰域邊緣檢測算法，克服了傳統邊緣檢測算法提取鋰電芯X射線圖像時邊緣不連續的缺點。

1　動力電芯X射線圖像的特征

動力電芯由正負兩極組成，由正負極片交替有規律地卷制而成，且正極片必須完全包裹于負極片中，卷繞電芯圓弧部位的極片結構可以反映整個電芯正負極片的結構特征。鋰電芯的正負極片的分布結構必須嚴格符合設計標準，負極片與正極片必須以隔離膜分開，正極片整體必須位于負極片區域內，且正極片與負極片的間距須符合設計的標準范圍，否則為不良品。X射線檢測時，正極片以外的負極片區域呈現高亮度的灰度圖像，而正極片與負極片重合呈現較暗的灰度圖像，圓弧部位的每層負極片在圖像里，均形成一條相對較暗的陰影圖像，同時每層正極片也形成一條相對更暗的陰影圖像。因此，可以通過檢測每層正負極片的圓弧部位在圖像中形成的陰影圖像的邊緣，計算正負極片分布結構的數據，包括相鄰負極片超出正極片的長度，正負極片分布的整齊度等相關參數。準確提取正負極片圓弧部位的圖像邊緣，負極片與背景間的邊緣，及正極片與負極片間的邊緣是當前鋰電芯檢測的難點。筆者主要研究了圓弧部位的負極片的圖像邊緣檢測。

2　十鄰域邊緣檢測算法

2.1邊緣檢測算法的基本理論

采用十鄰域邊緣檢測算子,依據一階灰度梯度原理，擴大水平方向鄰域檢測范圍，增加圖像中真實豎直方向邊緣的連續性，并最大程度地抑制噪聲邊緣的產生。由于動力電芯X射線圖像中的灰度分布較離散，包含過多的噪聲圖像，每層電極的豎直方向上的邊緣信息會受到噪聲的影響，故很難提取出連續的負極片邊緣圖。傳統的Sobel邊緣算子結合了水平和豎直兩個方向上的一階灰度梯度，并具有一定的平滑功能，如圖1(a)，(b)所示。但采用Sobel算子提取鋰電芯X射線圖像中的負極片豎直邊緣時，會產生過多的斷續小邊緣，這主要是由X射線圖像中的小鄰域內的灰度離散造成的。在負極片與背景邊緣處，因離散的邊緣信息過多，導致提取到大量的偽邊緣，無法正確計算負極片的起端位置。基于鋰電芯X射線圖像的特征，在傳統的邊緣檢測原理上，設計了十鄰域的邊緣檢測算子，如圖1(c)所示。文中算子的水平方向上的分量，即為近似的灰度一階梯度檢測算子，且采用了多階段閾值分割，在提取連續的負極片邊緣圖像的同時，最大限度地濾除了偽邊緣的產生。

(c) 十鄰域邊緣檢測算子

圖1邊緣檢測方向示意

2.2邊緣檢測算法的實現

設數字圖像f(x,y)，梯度圖像g(x,y)。檢測算法根據設定的方向模板(見圖1(c))與圖像進行鄰域卷積來計算梯度，并提取邊緣。則有：

(1)

算法主要步驟如下：

(1) 邊緣檢測算子與圖像卷積f(x,y)，得到的梯度圖像gi(x,y),i=1,…,5。

(2) 根據有效邊緣的梯度信息來選擇合適的閾值Th1。若對每個鄰域的邊緣信息都保留，則該閾值選擇較小值，即只要任一方向上的梯度變化值大于0，則為有效邊緣像素。

(4) 將各鄰域上的絕對值梯度圖累加，得到梯度圖g(x,y)。

(5) 根據有效邊緣的梯度信息來選擇合適的閾值Th2：若g(x,y)≥Th2，即為邊緣像素；若g(x,y)

由此，得到了動力電芯內部結構的邊緣圖像。

該算法效率高，可以準確提取有效邊緣信息，因此提高了檢測的穩定性及準確度。

3　動力電芯X射線圖像邊緣檢測算法的應用

對動力電芯內部正負兩極間距的位置要求較嚴格，因此對檢測精度要求較高。圖2是不同動力電芯X射線檢測成像效果，圖3是Sobel算子[4]提取的電芯邊緣圖像，圖4是筆者所用算法提取的電芯邊緣圖像。由此可知，Sobel算子提取的電極邊緣圖像，丟失了較多的有效邊緣信息，同時產生了較多的噪聲邊緣信息，因此導致了真實邊緣的損失[5]。筆者所用算法提取的電芯邊緣圖像，在提取有效邊緣信息的同時，大大抑制了噪聲圖像，特別是電芯中間沒有電極層邊緣的區域，其豎直方向的噪聲邊緣受到了很好的抑制，因此得到了清晰有效的電極邊緣圖像，對陰陽兩極端點間距的檢測，可以達到更準確的檢測精度。

圖2　不同動力電芯的X射線檢測圖像

圖3　Sobel算子提取的邊緣圖像

圖4　邊緣檢測算法提取的邊緣圖像

在全自動生產線上，采集了10 000個動力電芯圖像，獨立對兩種檢測算子進行了比較，得出數據如表1所示。測試計算機配置Intel Core i3-2330M CPU，內存2G，Windows 7,VS2008編程。

表1　Sobel算子與文中算子的檢測性能比較

4　算法在XG5200A自動化檢測設備上的應用

筆者提出的邊緣檢測算法已用于公司自主開發的XG5200A全自動化X-Ray檢測設備上。由生產線上的檢測數據分析得出，該算法的誤檢率不高于2%，并可以處理各種不同噪聲圖像，因此該算法的穩定性較高，并且檢測效率也較高(電芯每個檢測點的處理時間平均小于300 ms)。該設備保證了動力電芯生產線后續工序的來料良品率，從而提高了全自動生產線的實際生產效率。

5　結語

針對X射線檢測圖像，筆者所用算法在一定程度上優化了邊緣檢測準確度，在抑制噪聲圖像的同時，進一步加強了對有效邊緣信息的提取，由此，給后續電芯正負極片邊線的間距、整齊度等檢測提供了可靠的信息。該算法極大地提高了動力電芯檢測的穩定性及效率。

[1]許杰,戚大偉.基于Canny算子的醫用X光圖像邊緣檢測算法研究[J].遼寧中醫藥大學學報，2008,10(3):9-10.

[2]吉增權,黃靚.鋼絲繩芯皮帶運輸機X光在線檢測技術研究與應用[C]∥Proceedings of 2010 International Conference on Remote Sensing,[S.l]:[s.n],2010.

[3]馮霞,郝正平,馮燕,等. X射線在輪胎邊緣檢測中的應用[J]. CT理論與應用研究,2010,19(3):61-66.

[4]袁春蘭,熊宗龍,周雪花,等.基于Sobel算子的圖像邊緣檢測研究[J].激光與紅外, 2009, 39(1):85-87.

[5]喬鬧生,鄒北驥,鄧磊,等.一種基于圖像融合的含噪圖像邊緣檢測方法[J].光電子激光, 2012(11):2215-2220.

Application of X-Ray Detection Image Edge Algorithm in Power Batteries

YAN Xin, MEI Ling-liang, ZHANG Hua

(Guangdong Zhengyee Technology Co., Ltd., Dongguan 523808, China)

In power batteries detection, edge detection technology has found a lot of applications, and plays an important role in the X-Ray inspection technology. In this paper, an in-depth analysis and research was undertaken for the edge detection of power battery X-Ray image, and the ten-neighborhood edge detection algorithm was hence proposed. The algorithm solved X-Ray image broken edges by the traditional edge detection algorithms. According to a large number of data it is proven that our algorithm can accurately extract valid edge from much image noise and reduce the generation of pseudo edges. The algorithm has strong adaptability in the X-Ray image detection.

Digital image process; Edge detection algorithm; X-Ray detection

2016-02-17

廣東省科技計劃資助項目(2014B010124001)

閆欣(1985-)，男，碩士，主要從事圖像處理與模式識別方面的研究工作。

張華， E-mail: rd40@zhengyee.com。

10.11973/wsjc201609004

TM912.9；TG115.28

A

1000-6656(2016)09-0014-03