与镍镉（NiCd）、镍-金属氢化物（NiMH）和其他更传统的电化学储能技术相比，锂离子（Li离子）电池具有许多优点，包括高能量和功率密度、弱记忆效应和自放电速度慢。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储能器。然而，锂离子技术并不是没有缺点：锂离子电池的周期和日历寿命有限，并且稳定运行的温度范围较窄。
尽管研究人员正积极致力于解决锂离子技术的弱点，但由于无法直接观察运行中的锂离子电池内发生的复杂过程，他们的努力受到限制。现代锂离子电池是一个孤立的电化学系统，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，部分中子束被吸收，具体取决于电池的形状、密度和同位素组成（图1）。通过电池的中子部分由2D探测器测量。
图1中子射线照片的图示。
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,中子层析成像，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三维表示。
加载和预处理源图像
我们在为该项目开发MATLAB算法时使用的图像来自于在ANTARES设施[2]进行的实验[1]位于德国慕尼黑附近的Heinz Maier Leibnitz Zentrum。锂离子电池受多色中子束照射，同时在整个360°角范围内收集600个断层投影，每次投影电池旋转0.6°。
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_000.000.fits.tif bat_run1_000.600.fits.tif…bat_run1_359.100.fits.tif bat_run1_359.700.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_u000.000.fits.tif”)>>imshow（img）；>>h=imrect>>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file=dir(“bat_run1__ * .tif”);% Preallocate记忆ImageData=零（roi（2）、roi（1）、numel（文件））；%启动循环，将图像加载到MATLAB中对于N1=1:numel（文件）img=imread（文件（N1）.name，“像素区域”，{[roi（2）roi（2）+roi（4）][roi（1）roi（1）+roi（3）]}；图像数据（：，：，N1）=img；θ（N1）=sscanf（文件（N1）.name，“bat_run1__ % g');终止
纠正的噪音
为了提高层析成像重建的精度，我们必须对采集图像中由光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装置创建的特殊参考图像。第一个，我们称之为OpenBeamData，是通过用一个开放的光束（没有电池）平均几张图像而创建的，结果是一个几乎空白的投影。第二个，命名为暗场，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图像（左）和暗场图像(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）%消除噪音ImageData（：，：，N1）=-log（ImageData（：，：，N1）-DarkFieldData）。/（OpenBeamData-DarkFieldData）；终止
计算旋转中心
在逆Radon变换中，对象的旋转轴必须与旋转台的旋转轴一致。但是，由于很难精确控制对象的旋转，我们决定使用粗略对齐，然后使用MATLAB代码更正数据中的任何偏移。
在以相差180°的角度采集的两幅图像的叠加中，电池未对准很明显（图4）。
图4.两个电池投影图像的叠加，两个图像相距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何两个此类图像之间的差异：
作用偏移量=确定定位中心（img1，img2）；偏移量=fminsearch（@（x）图像比较（x，img1，img2），-100）；终止作用f=图像比较（x，img1，img2）f=平均值（平均值（绝对绝对绝对值（绝对绝对绝对绝对值）（绝对绝对绝对绝对绝对值）（绝对绝对绝对绝对值）（绝对绝对绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值）（绝对值；终止
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:
>>偏移量=确定位置中心（ImageData（：，：，1），ImageData（：，：，301>>ImageData=ImageData（：，偏移量：结束，：）；
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来自图像处理工具箱的函数，用于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:
对于N1=1：大小（图像数据，1）%使用“挤压”删除单例维度，因为iradon需要一个二维数组作为输入层（：，：，N1）=iradon（挤压（图像数据（N1，：，：）），θ）；终止
一旦我们重建了电池图像，我们就使用MATLAB对各个横截面进行详细可视化（图6）。
图6.重建电池的吸收截面（灰度编码）。中间图像中的红线突出显示了四个截面的位置及其左右对应的直方图。
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.显示电池内部结构细节的彩色图像。左上角：图像直方图。左下角：假颜色选择器，可选择颜色方案以显示吸收图。
结论
我们在MATLAB中实现的重建技术提供了一种非破坏性的方法，可以观察在各种条件下，如充电率、温度、充电状态和健康状态下，锂在电池上的行为。所有这些都使该技术成为一种高效的诊断工具。它特别适合于原位老化诊断，可作为电池制造过程中质量控制的一部分。我们使用的MATLAB代码可以通过实施更先进的数据过滤技术或创建重建三维图像的附加可视化来轻松扩展。
致谢
该项目的实验部分得到了德意志银行的支持。我们承认万博1manbetx海因茨·梅尔·莱布尼茨·岑特鲁姆感谢Martin J.Mühlbauer博士在数据收集、分析和富有成效的讨论方面提供的帮助。
