相位偏折术在软包电池检测中的应用收藏

一、背景简介随着新能源产能的快速增长，软包锂电池作为新一代储能电源，性能优越、应用广泛但其使用的铝塑膜外壳材料质地较软，易受损伤，难免会产生一些缺陷，部分会直接影响电池的一致性和安全性，对电池的安全性能构成较为严重的威胁，甚至可能会引起电池内部电解质外泄，引发火灾等安全事故。

因此，相应的外观检测技术水平直接决定着电池产品的品质，相位偏折术作为软包电池质量检测中常用的一种检测技术，在机器视觉检测中也发挥了重要的作用二、相位偏折简介结构光是一组由投影装置和摄像头组成的系统结构通过用投影装置投射正弦条纹，将正弦条纹通过投影设备投影到物体表面后，利⽤相机拍摄条纹受物体调制的弯曲程度，解调该弯曲条纹得到相位，再将相位转化为全场的⾼度。

图1 投影格雷码+相移图像为了对相位进行调整，常用的方案是将相位图像和格雷码图像相结合。假设投射条纹图像光强是标准正弦分布，则其光强分布函数为：

如果采用常用的四步相移的方案，则有投射分别为：

因此可得相位为：

获得相位后，根据格雷码可以获得绝对相位： 

其中k为相位所在的周期获得相位后，可以根据标定关系，获得相位-高度关系，从而获得物体的表面形貌此外，也可以只利用相位，估计物体表面的法向量，根据法向量获得表面的X方向和Y方向的梯度信息，从而用于表面的缺陷检测。

三、软包电池检测系统构成相位偏折对于低对比度、高反光、有一定凹凸变化的场景，有较好的检测效果整个系统由两个线扫相机构成，分别拍摄上表面和下表面上下相机分别配置一个在X方向和Y方向可以投射正弦条纹的光源

图2 硬件结构示意图

图3 拍摄效果四、检测需求主要检测6类缺陷：凸点、凹点、褶皱、划痕、线性凸起、极片折角。检测标准如表1所示。

表1 缺陷检测标准五、检测方案本项目采用深度学习和传统图像处理相结合的方案进行解决，传统图像处理，利用华汉伟业自研的“瑕疵工具”进行缺陷量判定求解深度学习采用基于图像流的图像特征融合方案进行语义分割分别将漫反射图像、形状图像、光泽比等多张图像输入到CNN卷积神经网络模块进行特征的抽取，然后将各个图像获取的特征输入到RNN网络结构中，进行特征的融合，最后基于融合特征获得缺陷检测结果。

基于传统方法和深度学习融合的方法，软包电池检测准确率＞98.5%，过杀率＜2%，漏杀率＜0.2%。

检测效果示意图：

六、项目总结相位偏折术在机器视觉检测中，可通过1次拍摄，生成符合用途的8张图像，并可进一步相位偏折术融合成多种类型图片，能准确提取其高度变化的部分，让瑕疵更加清晰呈现华汉伟业不仅将其应用在软包电池的外观检测上，同时在锂电行业制片、电芯、模组PACK全工序段的工艺流程中实现了批量化应用部署，在3C行业中五金零部件外观检测、汽车行业中汽车表面检测上及玻璃外观缺陷检测、高反光低对比度等场景均有应用，获得到了行业客户的广泛好评。

当前，华汉伟业拥有2D、2.5D、3D、AI和线扫全系完善的产品布局及全方位的AOI解决方案凭借完备的底层算法与差异化的解决方案能力，突破了锂电、3C、半导体等行业中复杂应用场景的复杂检测难点，在未来，华汉伟业将会持续深耕机器视觉行业，创新技术应用，助力智能制造。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。