闫　欣,梅领亮,张　华

(广东正业科技股份有限公司， 东莞 523808)



动力电芯X射线图像边缘检测算法的应用

闫欣,梅领亮,张华

(广东正业科技股份有限公司， 东莞 523808)

在动力电芯检测中，大量应用X射线图像边缘检测技术，且在X射线检测技术中该技术起着关键性作用。针对动力电芯X射线图像的边缘检测技术做了深入分析与研究，结合X射线成像特征，提出了十邻域边缘检测算法，解决了传统边缘检测算法提取锂电芯X射线图像时边缘不连续的问题。根据大量检测数据得知，X射线图像的边缘算法能准确地从较复杂的噪声图像中提取有效的边缘信息，并最大限度地抑制了伪边缘的产生。

数字图像处理；边缘检测算法；X射线检测

随着X射线在工业检测中的广泛应用，数字图像处理技术在X射线检测技术领域得到了很大的发展，其中边缘检测技术在动力电芯无损检测中得到了越来越广泛的应用。X射线无损检测是锂电池生产过程中的一个重要环节。X射线透射动力电芯，经过增强器转换成光信号，再通过摄像机获取电芯内部结构获得数字图像。X射线成像与被测物的厚度及密度有关，厚度越大或密度越大，则X射线透射后的能量越弱，成像越暗；反之，成像越亮。由此，X射线图像中容易产生大量的噪点图像。

目前，经典的边缘检测算法有Sobel算子、Roberts算子、Gauss-Laplace算子、Canny算子等[1-2]。锂电池X射线图像受锂电池结构的影响，其电芯图像的灰度分布比较离散，采用上述检测算子提取锂电池X射线图像的边缘，易产生边缘不连续及伪边缘过多的问题，导致电池正负极分布结构的检测误差过大。因此，对动力锂电芯X射线图像的边缘检测技术的研究是至关重要的[3]。笔者结合X射线成像特征，提出了十邻域边缘检测算法，克服了传统边缘检测算法提取锂电芯X射线图像时边缘不连续的缺点。

1　动力电芯X射线图像的特征

动力电芯由正负两极组成，由正负极片交替有规律地卷制而成，且正极片必须完全包裹于负极片中，卷绕电芯圆弧部位的极片结构可以反映整个电芯正负极片的结构特征。锂电芯的正负极片的分布结构必须严格符合设计标准，负极片与正极片必须以隔离膜分开，正极片整体必须位于负极片区域内，且正极片与负极片的间距须符合设计的标准范围，否则为不良品。X射线检测时，正极片以外的负极片区域呈现高亮度的灰度图像，而正极片与负极片重合呈现较暗的灰度图像，圆弧部位的每层负极片在图像里，均形成一条相对较暗的阴影图像，同时每层正极片也形成一条相对更暗的阴影图像。因此，可以通过检测每层正负极片的圆弧部位在图像中形成的阴影图像的边缘，计算正负极片分布结构的数据，包括相邻负极片超出正极片的长度，正负极片分布的整齐度等相关参数。准确提取正负极片圆弧部位的图像边缘，负极片与背景间的边缘，及正极片与负极片间的边缘是当前锂电芯检测的难点。笔者主要研究了圆弧部位的负极片的图像边缘检测。

2　十邻域边缘检测算法

2.1边缘检测算法的基本理论

采用十邻域边缘检测算子,依据一阶灰度梯度原理，扩大水平方向邻域检测范围，增加图像中真实竖直方向边缘的连续性，并最大程度地抑制噪声边缘的产生。由于动力电芯X射线图像中的灰度分布较离散，包含过多的噪声图像，每层电极的竖直方向上的边缘信息会受到噪声的影响，故很难提取出连续的负极片边缘图。传统的Sobel边缘算子结合了水平和竖直两个方向上的一阶灰度梯度，并具有一定的平滑功能，如图1(a)，(b)所示。但采用Sobel算子提取锂电芯X射线图像中的负极片竖直边缘时，会产生过多的断续小边缘，这主要是由X射线图像中的小邻域内的灰度离散造成的。在负极片与背景边缘处，因离散的边缘信息过多，导致提取到大量的伪边缘，无法正确计算负极片的起端位置。基于锂电芯X射线图像的特征，在传统的边缘检测原理上，设计了十邻域的边缘检测算子，如图1(c)所示。文中算子的水平方向上的分量，即为近似的灰度一阶梯度检测算子，且采用了多阶段阈值分割，在提取连续的负极片边缘图像的同时，最大限度地滤除了伪边缘的产生。

(c) 十邻域边缘检测算子

图1边缘检测方向示意

2.2边缘检测算法的实现

设数字图像f(x,y)，梯度图像g(x,y)。检测算法根据设定的方向模板(见图1(c))与图像进行邻域卷积来计算梯度，并提取边缘。则有：

(1)

算法主要步骤如下：

(1) 边缘检测算子与图像卷积f(x,y)，得到的梯度图像gi(x,y),i=1,…,5。

(2) 根据有效边缘的梯度信息来选择合适的阈值Th1。若对每个邻域的边缘信息都保留，则该阈值选择较小值，即只要任一方向上的梯度变化值大于0，则为有效边缘像素。

(4) 将各邻域上的绝对值梯度图累加，得到梯度图g(x,y)。

(5) 根据有效边缘的梯度信息来选择合适的阈值Th2：若g(x,y)≥Th2，即为边缘像素；若g(x,y)

由此，得到了动力电芯内部结构的边缘图像。

该算法效率高，可以准确提取有效边缘信息，因此提高了检测的稳定性及准确度。

3　动力电芯X射线图像边缘检测算法的应用

对动力电芯内部正负两极间距的位置要求较严格，因此对检测精度要求较高。图2是不同动力电芯X射线检测成像效果，图3是Sobel算子[4]提取的电芯边缘图像，图4是笔者所用算法提取的电芯边缘图像。由此可知，Sobel算子提取的电极边缘图像，丢失了较多的有效边缘信息，同时产生了较多的噪声边缘信息，因此导致了真实边缘的损失[5]。笔者所用算法提取的电芯边缘图像，在提取有效边缘信息的同时，大大抑制了噪声图像，特别是电芯中间没有电极层边缘的区域，其竖直方向的噪声边缘受到了很好的抑制，因此得到了清晰有效的电极边缘图像，对阴阳两极端点间距的检测，可以达到更准确的检测精度。

图2　不同动力电芯的X射线检测图像

图3　Sobel算子提取的边缘图像

图4　边缘检测算法提取的边缘图像

在全自动生产线上，采集了10 000个动力电芯图像，独立对两种检测算子进行了比较，得出数据如表1所示。测试计算机配置Intel Core i3-2330M CPU，内存2G，Windows 7,VS2008编程。

表1　Sobel算子与文中算子的检测性能比较

4　算法在XG5200A自动化检测设备上的应用

笔者提出的边缘检测算法已用于公司自主开发的XG5200A全自动化X-Ray检测设备上。由生产线上的检测数据分析得出，该算法的误检率不高于2%，并可以处理各种不同噪声图像，因此该算法的稳定性较高，并且检测效率也较高(电芯每个检测点的处理时间平均小于300 ms)。该设备保证了动力电芯生产线后续工序的来料良品率，从而提高了全自动生产线的实际生产效率。

5　结语

针对X射线检测图像，笔者所用算法在一定程度上优化了边缘检测准确度，在抑制噪声图像的同时，进一步加强了对有效边缘信息的提取，由此，给后续电芯正负极片边线的间距、整齐度等检测提供了可靠的信息。该算法极大地提高了动力电芯检测的稳定性及效率。

[1]许杰,戚大伟.基于Canny算子的医用X光图像边缘检测算法研究[J].辽宁中医药大学学报，2008,10(3):9-10.

[2]吉增权,黄靓.钢丝绳芯皮带运输机X光在线检测技术研究与应用[C]∥Proceedings of 2010 International Conference on Remote Sensing,[S.l]:[s.n],2010.

[3]冯霞,郝正平,冯燕,等. X射线在轮胎边缘检测中的应用[J]. CT理论与应用研究,2010,19(3):61-66.

[4]袁春兰,熊宗龙,周雪花,等.基于Sobel算子的图像边缘检测研究[J].激光与红外, 2009, 39(1):85-87.

[5]乔闹生,邹北骥,邓磊,等.一种基于图像融合的含噪图像边缘检测方法[J].光电子激光, 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

广东省科技计划资助项目(2014B010124001)

闫欣(1985-)，男，硕士，主要从事图像处理与模式识别方面的研究工作。

张华， E-mail: rd40@zhengyee.com。

10.11973/wsjc201609004

TM912.9；TG115.28

A

1000-6656(2016)09-0014-03