陈家智，吴永明

(广东工业大学机电工程学院，广州 510006)

0 引言

在锂电池充电过程中，锂离子会从电池的正极往负极移动，当负极没有足够的能力容纳全部正极过来的锂离子时，就会出现析锂现象[1]。析出的锂离子慢慢形成了会刺穿隔膜的锂枝晶，导致电池内部短路，引起热失控，严重时可能会引起爆炸等重大事故[2]。为了防止锂枝晶的出现，要求锂电池的负极比正极有一定长度的冗余，并且电极要排列整齐，不能出现较大程度的弯曲和变形。锂电池的制造工艺是影响电池性能的主要因素。制造锂电池的工艺流程主要有以下几道工序：混料、涂布、干燥、辊压、卷绕或叠片、注液、封口、化成和成型等[3]。在卷绕或叠片的过程中，电池正负极片的相对位置会产生一定波动，使正负极片的边界距离发生变化，可能会有负极冗余度过大或无冗余度等质量问题的发生[4]。

近年来，机器视觉技术已被大量运用到工业检测当中，在锂电池负极片冗余区域的缺陷检测方面也有一些研究成果和应用。周佳禾等[5]提出了一种以卷积神经网络(CNN)为核心的锂电池电极缺陷检测算法，构建轻量级的CNN来提取图像的相关特征信息，并使用支持向量机(SVM)得出最终的预测结果，检测的准确性较高，但算法只识别出了有无褶皱缺陷。王东昆等[6]运用图像识别技术检测锂电池的正负极距离，通过灰度拉伸、阈值分割、角点检测等技术处理后，计算得出电池的正负极覆盖率，但该算法需要从多方向进行图像采样，较为耗工耗时。……