仪器仪表学报

作者：于瀚文，吴一全

单位：于瀚文,南京航空航天大学电子信息工程学院南京211106,y2910627232@163.com,吴一全,南京航空航天大学电子信息工程学院南京211106,nuaaimage@163.com,

关键词：锂电池;缺陷检测;机器视觉;图像处理;深度学习;性能评价指标

基金：国家自然科学基金（61573183）项目资助

锂电池作为新能源汽车的核心组件之一，其复杂的制造工艺流程不可避免地引入各种缺陷，严重影响产品的质量，缺陷检测已成为锂电池制造流程中的重要环节，而兼顾了精度与速度优势的机器视觉方法受到高度关注。本文综述了近15年来基于机器视觉的锂电池缺陷检测方法的研究进展。首先简介锂电池表面常见的缺陷类型，阐明视觉缺陷检测的主要流程。然后重点阐述了基于传统图像处理的锂电池缺陷检测方法，对检测流程中的图像预处理、图像分割、特征提取、分类识别4大步骤进行了详细的解释说明，并对比每个步骤中各类方法的优缺点。接着按分类网络、检测网络、分割网络这3类综述了基于深度学习的锂电池缺陷检测方法。随后整理了10个锂电池自建数据集和缺陷检测性能评价指标。最后指出针对锂电池缺陷检测目前面临着诸多方面的技术挑战，并对未来的工作进行了展望。

来源：2024年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第9期