案例速递|深度学习在动力电池中的应用【电芯蓝膜检测篇】

2022-05-12

前言:近年来,随着技术的进步和国家的大力支持,新能源汽车正以极高的速度向前发展并占领市场。而动力电池作为新能源汽车的动力来源,对其产能和质量的要求也越来越高。但现有传统视觉检测方法(包括人工目检和传统机器视觉算法检测)效率低下并且过检漏检率高,慢慢地已经无法匹配动力电池的高生产速度和质量要求。


包覆蓝膜是动力电池生产过程中的一道重要工序。蓝膜,又名隔离膜、防粘膜、保护膜等,有红、绿、蓝、白、黑等多种颜色,分为单面离型膜和双面离型膜,在动力电池中使用的通常为蓝膜。

作为一种绝缘材料,蓝膜将电芯与电芯之间分隔开来,阻隔单个电芯由于各种故障对其他电芯造成的影响,防止“一损俱损”。蓝膜的厚度小,仅在0.015mm-0.20mm间,在生产过程中容易出现划痕、破损、褶皱等缺陷,这些缺陷有的会影响产品外观,有的甚至会对产品功能造成损害。


蓝膜本身光学特性致使许多缺陷特征不明显,传统算法过漏检率极高;缺陷种类极多且部分缺陷种类样本难以收集;部分缺陷2D方法不可检,必须通过3D相机获取其深度信息,采用2D+3D方法才可有效检出;产线节拍较快,去掉机械结构动作时间后,留给软件检测时间较短,对算法效率要求高。


AI视觉检测以深度学习算法为核心,最大的不同之处在于,它不再通过精心编程的算法来搜索特定特征,而是训练深度学习系统内的神经网络,通过学习各零部件的形态特征, 建⽴包含零部件特征的深度学习模型,快速定位识别不同组件,完成检测。

阿丘科技通过2D检测方法解决诸如划痕、破损、脏污等缺陷,再融入3D检测方法,获取缺陷的深度信息,有效过滤细微凹坑缺陷。此方案很好地弥补了传统方法的不足,不仅可以对绝大多数缺陷项做到有效检出,还能够将过漏检率控制在极低的范围内,更好地解决动力电池各种视觉检测的需求。


此类项目可达到综合漏检率小于0.05%,过杀率1%,检测节拍优于生产节拍,解除了检测能力不足对产量进一步提升造成的瓶颈。

目前整体检测系统得到国内某知名动力电池生产厂商高度认同和肯定,并已经开始批量复制。


上一篇:阿丘科技荣获【投中榜】年度最佳投资案例
下一篇:重磅来袭|阿丘科技「智能缺陷生成工具-AIDG」正式发布!