日期
04/13
2023
咨询
  • QQ扫一扫

  • Vision小助手
    (CMVU)

基于机器视觉的锂电池电极片表面缺陷检测的应用
收藏
2023-04-13 13:31:12来源: 中国机器视觉网

锂电池与其他类型的蓄电池的区别在于其使用的电极材料含有的主要金属元素为锂元素。锂电池按照电极材料的不同可分为:锂金属电池和锂离子电池。两者主要的区别在于:前者的电极材料为金属态的锂,后者的电极材料则是嵌锂化合物即锂离子在嵌入基体上发生嵌入反应所形成的一种复合物。由于锂金属电池存在无法多次使用或者多次使用会有安全隐患等缺点,即多次充放电会导致电池实际容量大幅降低,甚至会导致电池内部产生短路的情况,所以目前在人们实际日常生活中大范围使用的都是锂离子电池,通常人们简称其为锂电池。

微信图片_20230413133241.png

近年来随着便捷式电子设备行业的蓬勃发展以及新能源技术与新能源汽车行业的兴起,对锂电池的需求大幅度增加。锂电池电极片作为锂电池最为核心的部件,其表面如果存在缺陷,则会给锂电池的性能和使用寿命带来不同程度的影响,更有甚者,会带来安全隐患,所以在锂电池实际工业生产过程中对电极片表面进行缺陷检测是十分必要的。

而传统的人工检测方法费时费力,检测效率低,而且还极容易出现缺陷漏检与误检的情况,因此本文对电极片表面缺陷检测进行了研究,提出了一种基于机器视觉的锂电池电极片表面缺陷自动在线检测方案以替代人工检测。

锂电池电极片在生产过程中的重要性

在实际工业生产中,锂离子电池的生产过程主要可分为三大阶段:电极片生产阶段,电芯制作阶段和电池测试与组装阶段,而每一阶段又包含多道工艺步骤。

电极片生产阶段处于锂离子电池整个生产过程的第一阶段,该阶段主要是生产制造出安全可靠的锂离子电池正、负电极片,以便后续的锂电池生产。若该阶段的生产出现了问题,则会直接影响后续的锂离子电池生产阶段,从而影响最终生产出的锂离子电池的性能和使用寿命。

微信图片_20230413133320.png

锂电池极片由三层式复合材料构成, 其中间层主体是金属箔材,上下两层主要以活性颗粒物质、粘结试剂和导电试齐利等多种材料混合而成。作为锂电池的核心元件之一,极片生产工艺较为复态杂,主要由五道连续的工序组成,分别是浆料搅拌、浆料涂覆、极片干燥、极片混压、极片分切,其中任何一个步骤出现问题都会使生产出的电极片产生缺陷。

微信图片_20230413133323.png

锂电池电极片是锂离子电池的核心部件,如果锂离子电池电极片表面存在缺陷,则会根据缺陷的位置、种类、大小和数量给锂离子电池的性能和使用寿命带来不同程度的影响,更有甚者,会导致电池在使用的过程发生爆炸,带来安全隐患。例如三星 Note7 手机因其手机锂电池中的电极片在生产过程中出现了问题,从而造成了锂电池正负极片之间发生短路,引起了手机起火甚至是发生爆炸,所以在锂离子电池的工业生产过程中对电极片表面进行缺陷检测是十分必要的。

锂电池电极片表面缺陷类型

锂电池电极片整个的生产工艺流程是十分复杂的,每一道工艺步骤都有严格的要求,任何一道工艺步骤出现问题,都有可能导致生产出的电极片存在各种各样的缺陷,从而影响后续生产出的锂离子电池的质量。根据对采集到的实际工业生产中锂电池电极片表面图像的分析,本文将常见的锂电池电极片表面存在的缺陷分为五类,分别为金属泄露、脱碳、气泡、条痕和颗粒。

微信图片_20230413133325.png

(a) 金属泄露:指涂覆在金属箔表面的浆料涂层未能完全覆盖整个金属箔,导致金属箔裸露,从而形成的一类缺陷,该类缺陷一般是由于涂布不均匀或者辊压不合理导致的。金属泄露缺陷对生产出的锂离子电池的性能会产生严重的负面影响,甚至可能会导致锂电池的爆炸,属于非常严重的一类缺陷。(b)脱碳:由于浆料制作过程中浆料的搅拌不充分导致制配的浆料中各成分的分布不均匀或者是涂布过程中涂布不均匀等因素,导致在后续的烘干工艺过程中,电极片的某一区域的浆料涂层中导电剂石墨、炭黑的含量偏少,从而引起的一类缺陷。(c)气泡:在涂布过程中涂覆在金属箔上的浆料中混入了气体,使电极片在烘干的过程中某一圆形区域的浆料涂层出现凹凸不平的情况,从而形成的一类缺陷。(d) 条痕:经过涂布工艺后的电极片在横向传送进行烘干的过程中,由于烘干温度的变化导致某一段条形区域过度烘干,从而形成了条痕缺陷。或者是由于在涂布或者辊压的过程中涂布工具或者辊压工具上有细小的点状硬物,导致在相应的过程中对电极片表面产生划痕,从而形成了条痕缺陷。(e)颗粒:涂布过程中浆料混入了空空气中的粉尘颗粒或者其他外界硬质颗粒,从而形成的一类缺陷。

基于机器视觉锂电池极片缺陷检测系统

基于机器视觉锂电池极片缺陷检测,系统通过高亮工业相机识别极片的图像特征,并分析计算极片缺陷的特征信息,判断产品是否符合要求。同时对应输出OK或NG信号,异常时给出异常信号。并在工控机存储不合格产品图片,可保存检测数据,供历史数据查询。

矩视智能通过使用深度学习检测技术,并结合自研AI算法,不断深入了解极耳各个工序检测难点,对极耳细微或复杂的缺陷进行精准分类和判断,有针对性地推出整套视觉成像方案,覆盖极耳气泡、划伤、焊接等多工序,全方位破解极耳缺陷检测难题。

· 气泡检测

微信图片_20230413133329.png

· 划伤检测

微信图片_20230413133331.png

· 焊点检测

微信图片_20230413133334.png

(文章来源于网络,如有侵权,请联系删文)