电话咨询 +86 17768078641
+86 18020213086
随着新能源车需求的一连增添，，， ，， ，，，锂电池在新能源汽车行业的应用远景辽阔。。。 。。现在锂电池包括硬壳和软包电池，，， ，， ，，，硬壳则可分为圆柱电池和方形电池。。。 。。其中方形电池依附其充放电倍率、循环寿命、清静性等方面的优势，，， ，， ，，，成为一种主流的电池封装应用。。。 。。
方形电池工艺链
锂电池工艺链分为前、中、后三段，，， ，， ，，，以方形电池为例，，， ，， ，，，其工艺链中保存大宗的质检需求，，， ，， ，，，古板视觉检测可知足各工艺环节的定位和纠偏应用。。。 。。
而在极片、焊缝、绝缘隔膜等需要检测外貌缺陷的工序中，，， ，， ，，，古板视觉检测的精度受缺陷形态影响，，， ，， ，，，通过针对性调参后，，， ，， ，，，易消耗过多的内部资源，，， ，， ，，，效果可能仍无法抵达预期。。。 。。因此，，， ，， ，，，对锂电行业内的缺陷检测引入深度学习算法，，， ，， ，，，使用一定量缺陷样原来训练天生AI模子，，， ，， ，，，让AI来判断缺陷和位置，，， ，， ，，，可抵达较好的检测效果。。。 。。
�？？？？？？？祷等薞M算法开发平台
VM算法开发平台作为�？？？？？？？祷等说慕沟阒悄懿罚�，， ，， ，，，不但包括了定位、丈量、处置惩罚等古板视觉�？？？？？？？椋�，， ，， ，，，更集成图像支解、字符训练、图像分类、目的检测、图像检索、实例支解以及异常检测等AI算法�？？？？？？？椋�，， ，， ，，，可使用VisionTrain对需要用到的AI�？？？？？？？榫傩醒把盗贰�。。 。。别的，，， ，， ，，，�？？？？？？？祷等擞攵嗉移笠迪嘀�，， ，， ，，，基于VM算法开发平台，，， ，， ，，，构建一连、高效、开放的生态相助圈。。。 。。今天我们就为各人分享四则相助同伴运用VM图像支解完成的缺陷检测案例。。。 。。
1.极片缺陷检测
在工艺前段的极片预分切工序中，，， ，， ，，，会将宽度较长的极片卷按需求分切成多卷窄条极片，，， ，， ，，，同时需要对极片正背面（阴阳极）举行缺陷检测，，， ，， ，，，缺陷类型包括掉料、破损、折痕、划痕、凹坑等。。。 。。
挑战：部分划痕与极片灰度值相近，，， ，， ，，，轮廓不显着；；；；；；；；缺陷形态富厚，，， ，， ，，，同时需准确完成多分类使命；；；；；；；；耗时要求严酷。。。 。。
计划：对富厚缺陷形态的检出是深度学习的应用偏向，，， ，， ，，，而针对耗时与分类准确率，，， ，， ，，，通过VM内部算法性能上的优化，，， ，， ，，，使多分类使命的耗时大幅下降，，， ，， ，，，同时包管了检出精度。。。 。。
VM界面局部检出效果
2.顶盖焊接缺陷检测
在工艺中段的顶盖焊接环节中，，， ，， ，，，需检测方形电池壳体周围的激光焊印�。。 。。�，， ，， ，，，如是否保存虚焊、漏焊、断焊、爆点等缺陷，，， ，， ，，，以评估焊接质量。。。 。。
挑战：差别的缺陷需要做准确分类；；；；；；；；同个物件有三个检测区，，， ，， ，，，配景会一直转变；；；；；；；；部分缺陷受大面积的配景特征滋扰。。。 。。例如下图中的爆点特征，，， ，， ，，，上半部分红色框内为需要检出的爆点，，， ，， ，，，与而下半部分的焊印与爆点极其相似，，， ，， ，，，需准确区分。。。 。。
计划：接纳面阵相机配合步进的方法举行检测，，， ，， ，，，通过深度学习算法，，， ，， ，，，兼容了差别配景的样本，，， ，， ，，，关于相似缺陷，，， ，， ，，，在标注上付与忽略以加大采样，，， ，， ，，，最终能快速精准的获得缺陷的位置及其种别标签。。。 。。
VM界面局部检出效果
3.密封钉焊接缺陷检测
在工艺后段的密封钉焊接环节中，，， ，， ，，，会泛起焊点、炸焊、漏焊、焊偏的情形，，， ，， ，，，人工目检效率不高，，， ，， ，，，古板调参难以知足检出需求。。。 。。需要检测的区域包括：焊缝区，，， ，， ，，，密封钉内圈以及洗濯区。。。 。。
挑战：缺陷形态富厚，，， ，， ，，，难以界定其形态边沿；；；；；；；；检测区移动频仍，，， ，， ，，，缺陷位置具有随机性；；；；；；；；部分小缺陷混杂于焊灰或洗濯圈中，，， ，， ，，，需准确识别。。。 。。
计划：通过�？？？？？？？祷等松疃妊八惴ǎ�，， ，， ，，，不但战胜了难点，，， ，， ，，，准确定位缺陷的位置，，， ，， ，，，且在做产线复制时，，， ，， ，，，AI模子可快速兼容使用，，， ，， ，，，促使项目落地。。。 。。
VM界面局部检出效果
4.绝缘蓝膜缺陷检测
锂电池的蓝膜外貌会泛起差别水平的破损，，， ，， ，，，因此在包装历程中需一道工序举行缺陷检测，，， ，， ，，，由于蓝膜整体较长，，， ，， ，，，检出精度要求高，，， ，， ，，，一样平常使用4K或8K线阵相机采图，，， ，， ，，，像素长度大于20000，，， ，， ，，，属于超大区分率样本。。。 。。
挑战：需检出个位像素级别的极小缺陷；；；；；；；；缺陷与正常的灰尘、凸起反光征基本一致；；；；；；；；超大区分率样本，，， ，， ，，，对耗时与显存占用提出挑战。。。 。。
计划：针对超大区分率下的小缺陷样本，，， ，， ，，，通过内部对深度学习网络举行性能优化；；；；；；；；外部二次降采样，，， ，， ，，，或裁剪外部配景区域的要领，，， ，， ，，，在去除无效配景区滋扰的同时，，， ，， ，，，进一步提升检测精度，，， ，， ，，，降低显存占用和展望耗时。。。 。。
VM界面局部检出效果
通过深度学习算法让机械拥有“区分”能力，，， ，， ，，，团结古板算法使展望效果更具交互性。。。 。。�？？？？？？？祷等薞M算法开发平台/SC智能相机系列，，， ，， ，，，搭配VisionTrain深度学习训练平台，，， ，， ，，，多种深度学习训练模式供您无邪使用，，， ，， ，，，助您快速掌握AI能力。。。 。。
联系电话：+86 17768078641、+86 18020213086
销售联络：xiqing.yang@ksjxgy.com
地点：No. 10 Huasheng North Road, Kunshan City, Jiangsu Province, China
商务相助 
回到顶部 
苏公网安备32058302003301号