【技术分享】相位偏折术在软包电池检测中的应用

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。

01.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：图片 。获得相位后，根据格雷码可以获得绝对相位：图片 ，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。

02.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 拍摄效果图

03.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

04.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%。

图 4 检测效果示意图

05.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。