本申請涉及鋰離子電池隔膜領域，特別是涉及一種檢測電池隔膜涂層表面缺陷的方法，以及檢測電池隔膜涂層表面缺陷的外觀圖像檢測系統(tǒng)。
背景技術：
：近年來，國家對新能源產(chǎn)業(yè)大力扶持，動力電源相關領域迅猛發(fā)展。眾所周知，隔膜是動力電源中不可或缺的材料。隔膜在結構上必須有一定直徑的孔洞，以允許電解質(zhì)中的離子通過，鋰離子通過隔膜在正負極之間移動。但充放電過程中鋰離子還原形成的晶體有可能刺穿隔膜，因而對隔膜的抗穿刺能力要求較高，并要求隔膜表面不允許有大孔徑缺陷或肉眼可見的孔洞。將聚丙烯(縮寫PP)薄膜通過單軸拉伸或雙軸拉伸，可以制備一定孔徑的薄膜以允許電解質(zhì)通過而阻撓小顆粒；而PP薄膜表面涂覆一層保護材料，可以提高穿刺強度。然而具有涂層的PP隔膜在涂覆過程中容易出現(xiàn)漏涂、黑點異物、亮點等問題，影響了抗穿穿刺強度的進一步提高。因此，使用一種高效地檢測方法檢測涂層PP隔膜表面缺陷顯得尤為必要。目前在鋰電池隔膜行業(yè)內(nèi)，普遍采用邏輯語言編寫的程序調(diào)控缺陷檢測裝置來識別隔膜表面缺陷。通過編寫含有寬度、高度、寬高比、最大光亮度、平均光亮度等特征值的邏輯語言，可對如沙眼、亮點、亮線等規(guī)則形狀的缺陷進行高效的識別。但是，對于漏涂、纏絲、黑點異物等形狀極其不規(guī)則的表面缺陷而言，難以通過編寫匯編語言以控制缺陷檢測裝置來識別區(qū)分。技術實現(xiàn)要素：本申請的目的是提供一種檢測電池隔膜涂層表面缺陷的新方法，以及檢測電池隔膜涂層表面缺陷的外觀圖像檢測系統(tǒng)。為了實現(xiàn)上述目的，本申請采用了以下技術方案：本申請的一方面公開了一種檢測電池隔膜涂層表面缺陷的方法，包括采用電池隔膜在線外觀圖像檢測系統(tǒng)，對具有已知表面缺陷類型的電池隔膜進行檢測，統(tǒng)計分析已知表面缺陷類型的幾何形狀、亮度等特征值，將各個表面缺陷類型的特征值匯集為樣本檔案，通過將樣本檔案與待測樣品的檢測值進行比較，判斷待測樣品的表面缺陷類型；表面缺陷類型包括漏涂、纏絲和黑點異物。需要說明的是，現(xiàn)有的在線外觀圖像檢測系統(tǒng)中，可以通過編寫程序，對沙眼、亮點、針孔等規(guī)則形狀的缺陷進行識別，例如對一個點的寬度、高度、寬高比、亮度等進行判斷，以確定是否為沙眼、亮點、亮線。但是，對于漏涂、纏絲、黑點異物這樣形狀極其不規(guī)則的表面缺陷則無法簡單的通過寬度、高度、寬高比、亮度等進行判斷，因此，無法通過編程語言實現(xiàn)其判斷。但是，經(jīng)過大量的試驗和研究發(fā)現(xiàn)，對于某一個生產(chǎn)線而言，其出現(xiàn)的漏涂、纏絲、黑點異物等缺陷是可以統(tǒng)計分析的；也就是說，對于某一個固定的生產(chǎn)線，由于其各個步驟的工藝都是確定的，因此，出現(xiàn)的漏涂、纏絲、黑點異物并非完全沒有規(guī)律?；谠摪l(fā)現(xiàn)，本申請?zhí)岢?，對現(xiàn)有出現(xiàn)的，帶有漏涂、纏絲或黑點異物缺陷的隔膜進行統(tǒng)計分析，將這些漏涂、纏絲或黑點異物缺陷的形狀、亮度等特征值，匯集為樣本檔案，通過比較待測樣品是否具有這樣的或類似的特征值，判斷待測樣品是否具有相應的表面缺陷類型?？梢岳斫猓鳛闃颖緳n案，其統(tǒng)計的特征值越多，越全面，則其對于漏涂、纏絲或黑點異物的檢測就越準確。并且，對于不同的生產(chǎn)線，其漏涂、纏絲或黑點異物的特征值可能會有所不同；只要按照本申請的發(fā)明思路重新建立樣本檔案即可。優(yōu)選的，外觀圖像檢測系統(tǒng)的硬件設備包括LED光源、收集光信號的攝像機和缺陷檢測機箱；LED光源設置于電池隔膜正下方，攝像機設置于電池隔膜正上方與LED光源對應，缺陷檢測機箱與攝像機信號連接，用于接收、存儲并判斷攝像機收集到的光信號。優(yōu)選的，缺陷檢測機箱包括實時檢測模塊、參數(shù)設置模塊和智能分類模塊；實時檢測模塊接收攝像機收集到的光信號，并調(diào)用參數(shù)設置模塊中的樣本檔案，將接收的光信號與樣本檔案進行比較，判斷待測樣品的表面缺陷類型；智能分類模塊提取實時檢測模塊的光信號和表面缺陷類型判斷結果，對表面缺陷類型的幾何形狀、亮度等特征值進行統(tǒng)計分析，匯集到樣本檔案中，并將樣本檔案導入?yún)?shù)設置模塊；參數(shù)設置模塊接收并存儲樣本檔案，以供實時檢測模塊調(diào)用，并且，參數(shù)設置模塊接收用戶指令進行光信號參數(shù)設置或表面缺陷類型定義。需要說明的是，在對已知表面缺陷類型的幾何形狀、亮度等特征值進行統(tǒng)計分析，建立樣本檔案時，表面缺陷類型是用戶直接在參數(shù)設置模塊中定義的，實時檢測模塊將光信號和用戶定義的表面缺陷類型傳輸給智能分類模塊，智能分類模塊完成表面缺陷類型的幾何形狀、亮度等特征值進行統(tǒng)計分析，并匯集成樣本檔案，存儲到參數(shù)設置模塊。本申請的另一方面公開了一種檢測電池隔膜涂層表面缺陷的外觀圖像檢測系統(tǒng)，外觀圖像檢測系統(tǒng)的硬件設備包括LED光源、攝像機和缺陷檢測機箱；LED光源設置于電池隔膜正下方，攝像機設置于電池隔膜正上方與LED光源對應，用于收集光信號；缺陷檢測機箱包括實時檢測模塊、參數(shù)設置模塊和智能分類模塊；實時檢測模塊與攝像機信號連接，用于接收攝像機收集到的光信號，并調(diào)用參數(shù)設置模塊中的樣本檔案，將接收的光信號與樣本檔案進行比較，判斷待測樣品的表面缺陷類型；智能分類模塊提取實時檢測模塊的光信號和表面缺陷類型判斷結果，對表面缺陷類型的幾何形狀、亮度等特征值進行統(tǒng)計分析，匯集到樣本檔案中，并將樣本檔案導入?yún)?shù)設置模塊；參數(shù)設置模塊接收并存儲樣本檔案，以供實時檢測模塊調(diào)用，并且，參數(shù)設置模塊接收用戶指令進行光信號參數(shù)設置或表面缺陷類型定義。需要說明的是，本申請的外觀圖像檢測系統(tǒng)，與現(xiàn)有的圖像檢測系統(tǒng)相比，其中一個改進點就是，增加了智能分類模塊，用于建立樣本檔案，并將樣本檔案導入?yún)?shù)設置模塊中；并且，在檢測過程中，可以將漏涂、纏絲和黑點異物等表面缺陷的特征值儲存入系統(tǒng)，用于下一次的檢測判斷；因此，本申請的外觀圖像檢測系統(tǒng)可以認為是一個實時學習更新的系統(tǒng)。由于采用以上技術方案，本申請的有益效果在于：本申請的電池隔膜涂層表面缺陷檢測的方法，針對無法編程檢測的漏涂、纏絲和黑點異物等表面缺陷，特別提供了一個含有這些表面缺陷特征值的樣本庫，通過將待測樣品與樣本庫進行比較，就可以有效的檢測出待測樣品中相應的漏涂、纏絲和黑點異物等表面缺陷。附圖說明圖1是本申請實施例中電池隔膜表面缺陷檢測方法的流程框圖；圖2是本申請實施例中電池隔膜漏涂的部分檢測結果圖；圖3是本申請實施例中電池隔膜纏絲的部分檢測結果圖；圖4是本申請實施例中電池隔膜黑點異物的部分檢測結果圖。具體實施方式下面通過具體實施例和附圖對本申請作進一步詳細說明。以下實施例僅對本申請進行進一步說明，不應理解為對本申請的限制。實施例本例采用電池隔膜在線外觀圖像檢測系統(tǒng)進行缺陷檢測。對2卷隔膜表面缺陷樣品進行了統(tǒng)計分析，其中包括220個漏涂缺陷、11個纏絲缺陷和96個黑點異物缺陷。本例的外觀圖像檢測系統(tǒng)的硬件設備包括LED光源、收集光信號的攝像機和缺陷檢測機箱；LED光源設置于電池隔膜正下方，攝像機設置于電池隔膜正上方與LED光源對應，缺陷檢測機箱與攝像機信號連接，用于接收、存儲并判斷攝像機收集到的光信號。本例的缺陷檢測機箱由實時檢測模塊、參數(shù)設置模塊和智能分類模塊組成；其中，實時檢測模塊接收攝像機收集到的光信號，并調(diào)用參數(shù)設置模塊中的樣本檔案，將接收的光信號與樣本檔案進行比較，判斷待測樣品的表面缺陷類型；智能分類模塊提取實時檢測模塊的光信號和表面缺陷類型判斷結果，對表面缺陷類型的幾何形狀、亮度等特征值進行統(tǒng)計分析，匯集到樣本檔案中，并將樣本檔案導入?yún)?shù)設置模塊；參數(shù)設置模塊接收并存儲所述樣本檔案，以供實時檢測模塊調(diào)用，并且，參數(shù)設置模塊接收用戶指令進行光信號參數(shù)設置或表面缺陷類型定義。具體方法如下：(1)將在線外觀圖像檢測系統(tǒng)裝置安裝在接近收卷紙筒附近，隔膜介于LED光源和收集光信號的攝像機之間；(2)對隔膜的漏涂、纏絲和黑點異物等表面缺陷的幾何值、亮度等特征值范圍進行統(tǒng)計；(3)將統(tǒng)計的涂層隔膜表面缺陷的特征值匯集為樣本檔案，存儲到系統(tǒng)中，各個表面缺陷分別對應各自的幾何值、亮度等特征值范圍。使用時，確保實時檢測模塊已經(jīng)導入本例統(tǒng)計的表面缺陷特征值樣本檔案，將待測樣品中檢測到的特征值與樣本庫的特征值進行比對，即可判斷待測樣品是否包含漏涂、纏絲、黑點異物等表面缺陷。本例的外觀圖像檢測系統(tǒng)，與現(xiàn)有的圖像檢測系統(tǒng)相比，其中一個改進點就是，允許將漏涂、纏絲和黑點異物等表面缺陷的特征值儲存于系統(tǒng)，用于下一次的檢測判斷；因此，如圖1所示，本申請的系統(tǒng)是一個實時更新的系統(tǒng)，檢測系統(tǒng)將提取到的漏涂、纏絲、黑點異物等表面缺陷特征由智能分類模塊進行統(tǒng)計分類匯集成樣本檔案，并導入?yún)?shù)設置模塊，參數(shù)設置模塊接收用戶指令進行光信號參數(shù)設置或表面缺陷類型定義，而后，實時檢測模塊調(diào)用參數(shù)設置模塊的樣本檔案和用戶定義，用于待測樣品檢測。采用本例的方法，對2個樣品進行了檢測，結果如表1所示。部分檢測結果圖如圖2至圖4所示，其中，圖2為漏涂的部分檢測結果圖，圖3為纏絲的部分檢測結果圖，圖4為黑點異物的部分檢測結果圖。表1電池隔膜樣品表面缺陷檢測漏涂纏絲黑點異物檢出數(shù)量2141196實際數(shù)量220581檢出率97.3％45.5％84.4％表1中檢出率等檢出數(shù)量占實際數(shù)量的百分比，結果顯示，本例的方法對漏涂、纏絲的檢出率達到80％以上，對黑點異物的檢出率達到40％以上，能夠有效的檢測出現(xiàn)有方法無法檢測的不規(guī)則形狀的漏涂、纏絲和黑點異物表面缺陷。其中，檢出數(shù)量指系統(tǒng)檢測出來的缺陷個數(shù)；實際數(shù)量是指人為查閱缺陷圖片，根據(jù)缺陷的幾何形狀、亮度特征歸類的缺陷數(shù)量。本系統(tǒng)中，根據(jù)收集的2199個缺陷樣本，智能分類模塊根據(jù)提取的特征參數(shù)，最大缺陷分類準確率是71.8％，漏涂檢出準確率是78.5％，黑點異物檢出準確率是68.1％，纏絲檢出準確率是51.9％。智能分類器提取的特征參數(shù)是針對缺陷樣本庫中整體缺陷分類準確率最高時的狀況，使得某類缺陷檢出率高而另外某種缺陷檢出率低。需要補充說明的是，本申請主要是對漏涂、纏絲、黑點異物三種不規(guī)則形狀的表面缺陷進行了統(tǒng)計分析，建立其表面缺陷特征值樣本庫，從而使得本申請的方法可以對這三種表面缺陷進行檢測；但是，本申請的方法并僅限于這三種缺陷的檢測，在本申請發(fā)明思路的指導下，還可以加入更多的不規(guī)則形狀的表面缺陷檢測，在此不做具體限定。以上內(nèi)容是結合具體的實施方式對本申請所作的進一步詳細說明，不能認定本申請的具體實施只局限于這些說明。對于本申請所屬
技術領域：
的普通技術人員來說，在不脫離本申請構思的前提下，還可以做出若干簡單推演或替換，都應當視為屬于本申請的保護范圍。當前第1頁1 2 3