机器视觉+AI | 凌云光创新方案攻克锂电池毛刺检测难题

哈喽！今天心血来潮给大家带来了《机器视觉+AI | 凌云光创新方案攻克锂电池毛刺检测难题》，想必大家应该对科技周边都不陌生吧，那么阅读本文就都不会很困难，以下内容主要涉及到，若是你正在学习科技周边，千万别错过这篇文章~希望能帮助到你！

近年来，电动车、储能领域频发的起火事故引发大规模召回，责任主体波及电池企业。同时，在整个行业产能过剩压力大、价格战愈演愈烈的情况下，电池企业对生产环节的高品质管控及安全要求越来越严苛。

图片来源于网络

小问题，大风险

根据IEEE1725电芯安全性能审核及检测标准的规定，毛刺是以箔材(即无涂层的区域)为基准线，从箔材向上或向下延伸至极片外的方向的金属凸起;或者是有涂层的区域，从涂层向上或向下延伸至极片外的方向的金属凸起;测毛刺尺寸则是测量毛刺垂直方向的高度。

需要被改写的内容是：毛刺示意图（注：示意图来源于网络）

毛刺过大容易刺穿隔膜，进而正负极接触引发短路。如果电池处于满电状态时发生短路，内部会立即释放出大量热量造成爆炸，严重危及消费者的生命财产安全。

虽然毛刺很小，但是隐患却很大

需求众多，检测变得困难

在实际生产中，为了制成不同尺寸的电池，经过涂布、辊压之后的极片还需要经过分切、冲裁等工序。以分切工序为例，极片本身的物理力学性能、成对刀具重叠量、刃口磨损状态等都会对毛刺的产生及大小造成影响。

从检测需求来看，要想全面管控产品品质，不仅要检测出是否有毛刺，还要根据毛刺的大小做出不同判定。从检测方法来看，极片毛刺检测多利用目视显微镜进行离线检测，但即使使用大景深显微镜仍存在景深不够、倍率不足的问题。同时，为了补全测量功能，需要多系统同时作业，操作繁琐，成本增加。

电池企业的毛刺检测环节对现有的检测方案要求严苛，且无法实现高效制造的目标

创新方案“机器视觉+人工智能”，解决难题

凌云光作为国内较早进入机器视觉领域的企业之一，始终秉持自主创新的研发理念，相继攻克了计算成像、精准成像等诸多难题，将前沿研发成果不断转化为生产力，也转化为解决客户实际问题的落地方案。面对毛刺检测难题，凌云光推出锂电池毛刺在线全检系统，用“机器视觉+AI”的解决方案破解行业难题。

创新的光学方案：在追求速度和精度时，要兼顾两者的平衡

既要完成缺陷检测，又不能影响整体产能，在线全检无疑是最佳解决方案。要在高速生产高振动环境下稳定检测出微米级的毛刺缺陷，还要综合考量空间、投入等因素，困难重重。

以高速相机为核心的高速成像可以将高速运动变化过程中的空间和时间信息紧密地联系在一起进行图像记录，因此可以有效地在瞬变或高速运动的情况下持续进行记录，并能快速将信号传输到图像处理设备处进行相应操作，在工业、军事、交通、医学等领域有着广泛的应用。

凌云光将这一技术迁移应用到了极片毛刺检测领域。同时，结合自主研发的光学系统，实现自适应追焦，提升系统景深，实现高分辨、大视场、大景深高速成像，实现150m/min速度下稳定、清晰成像，完成极片边缘毛刺全检，检测分辨率2μm。

自适应追焦动画演示

此外，我们还可以在对极片进行质量分析和工艺溯源等工艺质检流程中，离线完成高精度全检，分辨率达到1μm

深度学习：提高检测准确率

F.Brain是凌云光针对工业质检场景自主研发的深度学习平台，并已广泛应用到锂电池检测领域。在毛刺检测场景中，先由传统算法对缺陷进行初筛分类，对检出缺陷进行切分后送入分类算法。针对高速低成本场景，F.Brain拓展出自研多尺度轻量化模型，相比市面通用模型，推理时间减少35%。检测速度可达150m/min，误报率低于十万分之一，满足客户严苛要求。

软件互通：无缝连接

对电池企业来说，检出缺陷、处理缺陷只是第一步。全产线管理、全工序管理才是进一步提升产品品质、保证产品安全的发展方向。

毛刺在线全检系统还有贴标联动、报警防呆等功能，并能与企业自有MES联动，与数据中心、终端存储交互，满足企业缺陷信息保存年限要求，实现数据可追溯、可溯源。

面对锂电池行业未来的新变化、新需求，凌云光将保持技术底色，深入挖掘客户需求，以创新的产品和解决方案助力客户向每一处细节要品质，在每一个环节严管理，实现零投诉目标!

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于科技周边的相关知识，也可关注golang学习网公众号。