卷绕式锂电池具有空间利用率高、生产效率高和安全性好等特点,是目前主流的技术路线之一。但在组装涂布的过程当中容易产生隔膜起皱、电极错位的现象,导致容量低、循环性差等问题。锂电池通过X射线成像系统生成X射线影像,对X射线影像进行分析能够有效地检测电极缺陷以保证电池质量。针对锂电池电极缺陷在X射线影像中的特点,提出了一种以卷积神经网络为核心的锂电池电极缺陷检测方法。将锂电池X射线成像中最主要的电极区域提取出来并裁剪成小尺寸的图像作为数据集,完成神经网络的训练;再将完整的图片通过卷积神经网络后提取到的特征送入支持向量机,完成最终的分类预测。通过实验验证,该方法缺陷检测的成功率可达以上99%,且具有较高的检测速度。具体研究内容如下:(1)对锂电池的X射线影像进行处理,分割出独立的电极有效区域图像,再对电极图像进行裁剪,制作出训练网络的数据集。数据集中每张图片大小为95×95像素。数据分为两类,包含缺陷区域的图片为负例,不包含缺陷区域的为正例。(2)利用卷积神经网络对数据集进行训练,以学习分析图像特征的能力。网络中加入了改进批归一化算法和去均值的卷积核来完善网络性能,并使用了dropout和学习率衰减等措施提升网络泛化能力及抑制过拟合。反复训练网络模型,并根据训练情况不断调节相关参数,最终保存训练结果最好的一组模型与参数,用于提取图像特征。(3)使用卷积神经网络对完整的锂电池图像进行特征提取,输出明显标注图中缺陷分布情况的特征图,即预测分类的置信度结果图。利用这些特征图作为输入来训练支持向量机,并以支持向量机输出的分类结果作为电池缺陷检测的最终结果。