A dataset of over one thousand computed tomography scans of battery cells

本数据集由Glimpse机构创建，包含1015个商用电池的CT扫描图像，涵盖锂离子和钠离子电池，以及圆柱形、袋装和棱柱形等多种形态。数据集通过工业X射线计算机断层扫描系统采集，旨在通过非破坏性3D检测技术，观察电池制造过程中的变异和缺陷。该数据集适用于电池技术、计算机视觉领域的科学家和工程师，用于研究电池质量控制和开发新的电池检测算法。

This dataset was created by Glimpse, consisting of 1,015 computed tomography (CT) scan images of commercial batteries, covering lithium-ion and sodium-ion batteries as well as diverse battery configurations including cylindrical, pouch, and prismatic forms. It was acquired via industrial X-ray CT systems, with the objective of observing manufacturing variations and defects in batteries through non-destructive 3D inspection technologies. This dataset is tailored for scientists and engineers in the fields of battery technology and computer vision, supporting research on battery quality control and the development of novel battery inspection algorithms.

搜集汇总

数据集介绍

构建方式

在电池制造质量控制领域，计算机断层扫描（CT）技术因其非破坏性三维检测能力而备受关注。本数据集构建过程始于从多个商业渠道采购1015个市售电池样本，涵盖锂离子与钠离子两种化学体系，以及圆柱形、软包和方形三种主流形态。数据采集采用专为工业X射线CT设计的尼康XT H 225 ST 2x系统，配备旋转靶钨阳极源，通过Inspect-X软件控制扫描流程。原始投影数据经CTPro软件重建为三维体数据后，由Glimpse专有后处理流水线进行强度调整、裁剪与降噪等标准化处理，最终将三维体数据按径向、轴向或平面方向切片，以无损PNG格式保存二维图像，形成层次化的目录存储结构。

特点

该数据集在电池工业检测领域展现出显著的多维特征。其规模空前，包含逾千个电池CT扫描，是目前公开数据中规模最大的电池制造质量与工业CT扫描集合。样本多样性突出，覆盖七种电池型号，囊括锂离子与钠离子化学体系，以及18650、2170、4680等圆柱规格与软包、方形形态，为研究电化学体系与结构设计的交互影响提供了丰富素材。数据质量方面，采用优化的硬件配置使单次扫描时间缩短至约两分钟，并通过标准化后处理确保图像一致性；PNG格式既保证无损存储又便于直接调用。尤为重要的是，针对EVE与三星两款电池型号，数据集提供了分别包含400与500个同型号电池的大批量样本，为量化制造批次内变异提供了独特视角。

使用方法

该数据集为电池技术与计算机视觉研究提供了多模态分析基础。研究者可通过解析其层级目录结构，按电池型号、扫描序列、切片方向与位置索引调用特定PNG格式切片图像，进行二维特征分析。对于三维结构研究，用户可依据切片序列重建局部或完整体积数据，以探究电极层叠、集流体对齐等内部几何特征。在制造质量评估方面，可利用大批量同型号样本统计电极对齐度、壳体厚度或卷芯形态等参数的分布规律，量化工艺变异。计算机视觉领域可借此开发自动缺陷检测算法，如识别阳极-阴极悬垂违规或金属伪影，并利用其多样本特性进行模型训练与验证。数据集通过Figshare平台以CC-BY-NC-SA 4.0许可公开，用户需注意其数百GB的总数据规模，并避免将结论过度推广至未涵盖的电池设计。

背景与挑战

背景概述

随着全球电气化进程的加速，电池技术的重要性日益凸显。然而，电池制造过程中的微小变异可能导致可靠性或安全隐患，因此质量控制成为关键挑战。计算机断层扫描（CT）作为一种非破坏性三维检测技术，在临床与工业领域广泛应用，但其在大规模制造中的应用受限于低吞吐量及庞大文件处理难度。2024年，Glimpse机构的研究团队发布了包含一千余个电池CT扫描的数据集，涵盖锂离子与钠离子化学体系及圆柱、软包、方形等多种形态。该数据集旨在通过优化硬件与后处理技术，实现快速采集与分析，为电池制造质量评估与计算机视觉算法开发提供宝贵资源，推动了电池检测技术向高通量方向发展。

当前挑战

该数据集致力于解决电池制造质量检测领域的核心挑战，即如何高效识别由制造变异引发的缺陷，确保电池安全性与一致性。传统CT扫描因耗时久、文件大、分析工具效率低，难以适应大规模生产场景。构建过程中，团队面临多重挑战：一是需平衡扫描速度与图像质量，在分钟级时间内完成高分辨率数据采集；二是处理海量数据（数百GB）的存储与传输问题，涉及专用硬件与软件流水线开发；三是确保数据多样性，涵盖不同化学体系与形态，同时应对部分电池存在伪劣品混入的质量控制难题；四是克服CT图像中常见的射线硬化与金属伪影干扰，保证数据可解释性。

常用场景

经典使用场景

在电池制造与质量控制领域，计算机断层扫描（CT）技术因其非破坏性三维成像能力而备受青睐。该数据集汇集了超过一千个商用电池的CT扫描图像，涵盖了锂离子和钠离子电池的多种化学体系及圆柱、软包、方形等不同形态。其经典应用场景在于为研究人员提供了一个大规模、标准化的视觉数据平台，用于深入探究电池内部结构的细微变化。通过分析这些高分辨率图像，学者能够系统评估制造过程中的一致性，识别如电极对齐偏差、卷芯变形或异物侵入等潜在缺陷，从而为优化生产工艺提供实证依据。

实际应用

在工业实践中，该数据集为开发自动化电池质量检测系统奠定了坚实基础。电池制造商可借助这些标注清晰的CT图像，训练基于计算机视觉的智能诊断算法，实现对生产线电池的快速、无损筛查。例如，算法可自动检测电极片的对齐度、隔膜的完整性或集流体的焊接质量，从而替代部分依赖人工的抽检环节，提升检测效率与一致性。此外，数据集涵盖的多种电池形态与化学体系，有助于相关技术适配于电动汽车、消费电子及储能系统等多元化应用场景，加速高质量电池的规模化生产与安全保障。

衍生相关工作

基于此数据集，已催生了一系列聚焦于电池视觉分析与质量预测的创新研究。学者们利用其大规模样本优势，开发了先进的图像分割算法，以精确提取电池内部组件（如卷芯、外壳、极耳）的三维模型。这些模型进一步用于数字体积相关分析，量化电池在循环过程中的机械应变。同时，结合机器学习技术，研究工作致力于建立CT图像特征与电池电性能参数（如容量衰减、内阻增长）之间的预测模型。这些衍生成果不仅深化了对电池制造缺陷的理解，也为实现电池全生命周期的智能监控与健康管理提供了新的方法论支撑。