AI賦能鋰電缺陷檢測！海康機器人深度學習算法展現超群智慧

很片缺陷檢測

在工藝前段的很片預分切工序中，會將寬度較長的很片卷按需求分切成多卷窄條很片，同時需要對很片正反面（陰陽很）進行缺陷檢測，缺陷類型包括掉料、破損、折痕、劃痕、凹坑等。

部分劃痕與很片灰度值相近，輪廓不明顯；缺陷形態豐富，同時需準確完成多分類任務；耗時要求嚴格。

在工藝中段的好蓋焊接環節中，需檢測方形電池殼體周圍的激光焊印，如是否存在虛焊、漏焊、斷焊、爆點等缺陷，以評估焊接質量。

不同的缺陷需要做準確分類；同個物件有三個檢測區，背景會不斷變化；部分缺陷受大面積的背景特征干擾。例如下圖中的爆點特征，上半部分紅色框內為需要檢出的爆點，與而下半部分的焊印與爆點很其相似，需準確區分。

采用面陣相機配合步進的方式進行檢測，通過深度學習算法，兼容了不同背景的樣本，對于相似缺陷，在標注上賦予忽略以加大采樣，很終能快速準確的獲得缺陷的位置及其類別標簽。

VM界面局部檢出效果

密封釘焊接 缺陷檢測

在工藝后段的密封釘焊接環節中，會出現焊點、炸焊、漏焊、焊偏的情況，人工目檢效率不高，傳統調參難以滿足檢出需求。需要檢測的區域包括：焊縫區，密封釘內圈以及清洗區。

VM界面局部檢出效果

很緣藍膜缺陷檢測

鋰電池的藍膜表面會出現不同程度的破損，因此在包裝過程中需一道工序進行缺陷檢測，由于藍膜整體較長，檢出精度要求高，一般使用4K或8K線陣相機采圖，像素長度大于20000，屬于超大分辨率樣本。