基于图像机器学习的极片辊压褶皱形貌快速判断方法

目的 针对连续辊压制造过程中锂电池极易产生褶皱集合缺陷的问题,研究快速判断测量方法。方法 提出了一种基于图像机器学习的极片褶皱缺陷的快速识别方法。首先,使用激光测量仪获取极片几何缺陷形貌高度形貌,并将其作为标定信息。其次,利用高速工业相机得到不同光源下的极片几何缺陷表面图像,以不同光源图像数据作为输入、以缺陷实际高度形貌作为输出,建立卷积神经网络的预测模型。结果 使用实测形貌高度数据训练后,预测高度点云与实际成形结构形貌的趋势一致,预测高度数据的高度平均偏差在9%以内,计算得到的起皱缺陷高宽比与实际结果误差在6%以内。结论 利用该方法可在激光测量标定后,仅通过高速相机拍摄图像直接在线获得极片褶皱形貌及严重程度,解决了现有产线上无法准确高效得到辊压褶皱缺陷形貌的难题,有望提升锂电池极片连续辊压效率并为质量控制提供指导。

资料为PDF文档格式.

本文档关键词:褶皱,图像,机器,判断,快速