与镍镉(NiCd)、镍氢(NiMH)和其他更传统的电化学储能技术相比，锂离子电池具有许多优点，包括高能量和功率密度、弱记忆效应和慢自放电。这些优点使锂离子电池非常适合广泛的应用，包括便携式电子产品、混合动力和电动汽车，以及可再生能源的固定存储。然而，锂离子技术也并非没有缺点:锂离子电池的循环和日历寿命有限，温度范围较窄，运行稳定。
尽管研究人员正积极致力于解决锂离子技术的弱点，但他们的努力受到了限制，因为他们无法直接观察在运行中的锂离子电池中发生的复杂过程。现代锂离子电池是孤立的电化学系统，一旦打开进行检查，其内部状态就会发生变化。
为了解决这个问题，研究人员转向了中子断层扫描技术来创建锂离子电池[1]的三维(3D)图像。3D图像是由一系列通过中子射线照相捕获的2D图像重建而成的。中子射线照相是一种非破坏性成像技术，使用中子而不是x射线作为辐射源。在本文中，我们描述了从数百个二维射线投影组装锂离子电池的三维图像的过程。我们使用MATLAB®和Image Processing Toolbox™加载2D投影图像文件，去除噪声，计算每个投影的旋转中心，并执行逆Radon变换，从投影数据重建3D图像。
中子放射学和断层摄影基础知识
标准磁共振成像和传统x射线成像不适合锂离子电池的研究，因为这些技术要么与电池中发现的过渡金属不兼容，要么无法准确定位锂、氢和氧原子。相比之下，中子射线照相不仅能够区分元素周期表中的轻元素和邻近元素，而且能够在足够的穿透深度上区分不同的同位素。
中子束照亮电池，根据电池的形状、密度和同位素组成，部分中子束被吸收(图1)。通过电池的中子部分由2D检测器测量。
图1所示。中子射线照相图插图。
在物体的定义角位置收集足够数量的投影，使用滤波后的反投影算法计算Radon反变换，就可以重建物体中完整的中子衰减的三维分布。这种技术,中子断层扫描，使研究人员能够无创地创建锂离子电池和其他不透明物体的3D表示。
加载和预处理源图像
我们为该项目开发MATLAB算法所用的图像来自于德国慕尼黑附近Heinz Maier-Leibnitz Zentrum的ANTARES设施[2]进行的实验[1]。一个锂离子电池被多色中子束照射，当电池为每个投影旋转0.6°时，在360°角范围内收集了600个层析投影。
获得了一组2048 x 2048像素、32位分辨率的TIFF图像，标记包括旋转角度;例如:
bat_run1__359.100.fits.tif
在加载每张图像后，我们的第一步是选择电池周围的感兴趣区域(ROI)(图2)。通过这种方式缩小范围可以减少后续步骤的处理时间。
图2。选定感兴趣区域的投影TIFF。
下面的MATLAB代码读取单个文件，并使用imrect工具，它在图形窗口中提供了一个可拖动的矩形:
>> img = imread(“bat_run1__000.000.fits.tif”）;> > imshow (img);>> h = imdirect >> ROI = wait(h) ROI = 750 450 650 1600
接下来，我们编写MATLAB代码自动分配内存和读取每个图像文件的过程。我们从每个文件名中提取电池的旋转角度(theta):
%确定所有可用的图像文件文件= dir (“bat_run1__ * .tif”）;% Preallocate记忆ImageData = 0 (roi (2), roi(1)元素个数(文件);%开始循环加载图像到MATLAB为N1 = 1:numel(file) img = imread(file(N1).name)，“PixelRegion”, {[roi (2) roi (2) + roi (4)] [roi (1) roi (1) + roi (3)]});ImageData (:,:, N1) = img;θ(N1) = sscanf(文件(N1) . name,“bat_run1__ % g”);结束
纠正的噪音
为了提高层析成像的精度，必须对采集图像中波束和探测器非线性引起的噪声进行校正。为此，我们使用了两种使用实验设置创建的特殊参考图像。第一个，我们命名为OpenBeamData它是通过对开放光束(其中没有电池)的几张图像进行平均而产生的，结果是一个几乎空白的投影。第二,命名为DarkFieldData，是通过在关闭中子束的情况下对几张图像进行平均得出的，结果是一张完全黑暗的图像(图3)。
图3:OpenBeamData(左)和形象DarkFieldData图像(右)。
在中子层析成像中，每个投影图像中的强度值代表了物体的中子吸收，它与物体的密度直接相关。中子吸收\(μd\)定义为\(μd =- ln(\frac{I}{I_0}) \)，其中\(I\)和\(I_0\)分别为每个像素处的透射光束和开放光束。为了减少噪声，在投影和开放光束图像中都减去暗帧基线。为了补偿非线性，我们使用以下MATLAB循环计算每个源图像的中子吸收值:
对于N1 = 1:numel(文件)%去除噪声ImageData(:，:，N1) = -log(ImageData(:，:，N1)- DarkFieldData)./(OpenBeamData-DarkFieldData);结束
计算旋转中心
在Radon反变换中，物体的旋转轴必须与旋转表的旋转轴重合。然而，由于很难精确地控制对象的旋转，我们决定使用一个粗略的对齐，并在随后的MATLAB代码中纠正数据中的任何偏移。
在两个角度相差180°的图像的叠加中，很容易发现电池的不对中(图4)。
图4。两个电池投影图像的叠加，分别收集180°。
为了测量对齐偏移，我们设置了一个优化问题，调整旋转中心以最小化任意两张这样的图像之间的差异:
函数抵消= DetermineRotationCentre (img1 img2);offset = fminsearch(@(x) ImageCompare(x,img1,img2)，-100);结束函数f=mean(mean(abs(img1-circshift(fliplr(img2)，[0 round(x)]))));结束
然后我们将计算得到的偏移量应用到所有采集到的图像数据中:
>> Offset = DetermineRotationCentre(ImageData(:，:，1)，ImageData(:，:，301 >> ImageData = ImageData(:，Offset:end，:);
从投影数据重建电池图像
在加载2D图像、去噪并居中后，最后一步是执行Radon反变换，根据收集到的投影重建电池内部结构的3D表示。我们使用了iradon函数来对投影数据执行此转换，并逐层重建电池(图5)。
图5。从源图像逐层重建电池的三维表示的示意图。
重建电池图像的MATLAB循环很简单:
为N1 = 1:尺寸(ImageData, 1)%使用挤压来删除单例维度，因为iradon希望一个2d数组作为输入层(:,:,N1) = iradon(挤压(ImageData (N1、::)),θ);结束
一旦我们重建了电池的图像，我们使用MATLAB来可视化单个截面的细节(图6)。
图6。重构电池的吸收截面(灰度编码)。中心图像中的红线突出显示了四个横截面的位置及其对应的左右直方图。
使用颜色地图编辑器，我们交互式地将颜色方案(灰度或假颜色)应用到32位吸收图像。手动调整配色方案可以清楚地显示出小细节，包括电池的安全通风口、中心销钉、垫圈、微电路和卷电极的堆叠(图7)。
图7。电池的彩色图像显示其内部结构的细节。左上:图像直方图。左下:假颜色选择器，使之能够为吸收图的可视化选择颜色方案。
结论
我们在MATLAB中实现的重构技术提供了一种无损的方法来观察锂电池在各种条件下(如充电速率、温度、充电状态和健康状态)的行为。所有这些使得该技术成为一种高效的诊断工具。它特别适合原位老化诊断可作为电池生产过程质量控制的一部分。我们使用的MATLAB代码可以通过实现更高级的数据过滤技术或创建重建的3D图像的额外可视化来轻松扩展。
致谢
该项目的实验部分得到了德国科学基金会(Deutsche Forschungsgem金宝appeinschaft)的支持。我们承认亨氏Maier-Leibnitz协会感谢Martin J. Mühlbauer博士在数据收集、分析和富有成果的讨论方面的帮助。
