隨著鋰離子電池在數碼產品和電動汽車等領域的廣泛普及，如何進一步提高電池性能已經成為人們關注的焦點。這其中鋰離子電池因電池顆粒裂紋引起的機械性能退化是影響電池性能的瓶頸之一，因此如何避免電池顆粒裂紋的產生成為科學家們關注的熱點。近日，北京同步輻射裝置4W1A成像實驗站與美國斯坦福同步輻射光源劉宜晉研究員課題組以及歐洲同步輻射光源Peter Cloetens研究員課題組合作，利用深度學習技術和同步輻射納米分辨CT成像技術對商用18650型電池正極材料的裂紋產生機理進行了研究。

研究人員首先通過納米分辨X射線CT成像技術對商用18650型電池正極中的數萬顆電極顆粒進行了三維成像。為了對電池的破損程度進行定量分析，研究人員提出了一種基于深度學習的圖像分割算法，該算法克服了傳統的基于圖像灰度的圖像分割算法的不足，實現了對數萬顆電池顆粒裂紋信息的自動檢測和提取(圖1)。研究人員通過對“海量”電池裂紋數據的量化統計與分析，研究了電池能量密度與顆粒碎裂之間的關系以及鋰電池中電極的碎裂程度與顆粒的堆積密度之間的相互關系(圖2)。研究結果表明為了減少電池顆粒的裂紋，應考慮不同深度顆粒堆積的自適應策略，即對于靠近隔膜的一側，可以使用較大的顆粒堆積密度來減少整體顆粒裂紋。

上述研究成果將對整個電極材料在深度方向的結構化梯度設計以及電池材料性能的改善起到重要的指導作用。相關工作發表在Advanced Functional Materials。付天宇(中科院高能所)和Federico Monaco (歐洲同步輻射光源)為論文共同第一作者。

圖1 電池正極材料中裂紋檢測結果的比較分析

(a) 實驗獲取的電池顆粒的斷層切片圖像(b)斷層切片圖像(a)中選取的三個選定區域，(c)與(d)依次為深度學習方法和傳統的基于圖像灰度的分割方法獲得的相應裂紋檢測結果

圖2電池顆粒裂紋與電池顆粒密度的關聯

(a)(d)靠近隔膜斷層的破損程度和顆粒密度圖。(b)(e)靠近集流體的破損程度和顆粒密度圖。(c) 整個電池樣品的破損程度和顆粒密度的相關圖。白色擬合線表示總體趨勢。(f) 逐層繪制了顆粒密度和損傷密度之間的關系