基于LO-RANSAC的锂电池极片表面痕类缺陷检测

摘要：

针对锂电池极片表面的痕类缺陷检测准确率低、误检率和漏检率高的问题,提出了一种基于局部最优化的随机抽样一致性(locally optimized random sample consensus,LO-RANSAC)的痕类缺陷检测算法.首先,针对锂电池极片表面存在的椒盐噪声、大噪点多的问题,提出了一种改进的自适应中值滤波和基于连通域的滤波算法.其次,针对检测痕类缺陷准确率达不到预期以及误检率漏检率较高的问题,引入一种局部最优化的RANSAC算法.最后,给出了一种基于LO-RANSAC的痕类缺陷分类方法.实验结果表明:本文所提算法相较于标准RANSAC检测准确率提高了 5.9％,相较于基于卷积神经网络算法准确率提高了 15％,达到了 98.2％;多种算法中本工作算法对于痕类缺陷的检测误检率和漏检率最低;平均检测速度较标准RANSAC算法提高了1.7倍,每秒钟检测的图片数量FPS(frame per second)达到12.49.本工作算法具有较高的检测准确率、较低的误检率及漏检率,检测速度达到实时检测要求,因此可满足锂电池极片表面的痕类缺陷检测需求,解决了锂电池极片表面痕类缺陷自动检测难题.

关键词：痕类缺陷、自适应中值滤波、RANSAC、缺陷检测

所属期刊栏目：12

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重大科技专项2014ZX02503

在线出版日期：2023-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：593-601