案例|深度學習在動力電池中的應用:電池藍膜檢測

2022-08-31

近年來,隨著技術進步和國家大力支持,新能源汽車正以飛躍的速度發展並占領市場。而對於新能源汽車的動力電池,其產能與品質的要求也日益日高。然而,現有的傳統視覺檢測方法 (包括人工目視檢測和傳統機器視覺演算檢測) 效率低下且漏檢率高,已經無法滿足動力電池的生產速度和品質要求。 包覆藍膜是動力電池生產過程中的一道重要工序。藍膜又稱隔離膜、防粘膜、保護膜等,具有紅、綠、藍、白、黑等多種顏色,分為單面離型膜和雙面離型膜。在動力電池中通常使用藍膜。 藍膜是作為電芯之間隔離的絕緣材料,杜絕單個電芯故障而對其他電芯產生影響,防止損壞擴大。藍膜厚度小,僅在0.015mm-0.20mm之間,在生產過程中容易出現刮痕、破損、褶皺等瑕疵,導致影響產品外觀或損壞產品功能。 由於藍膜本身的光學特性無法突顯各種瑕疵特徵,傳統演算的漏檢率極高;瑕疵種類繁多且難以收集某些瑕疵樣本;部分瑕疵無法僅藉由2D檢測,而必須結合3D相機以獲取詳細資訊;產線節奏快,去除硬體機械結構的動作時間後,所剩餘的軟體檢測時間短,故對於演算的效率要求較高。 AI視覺檢測是以深度學習演算法為核心。與傳統間最大的差異在於非依賴程式編寫,而是訓練深度學習系統的神經網路。藉由學習來掌握各零部件的形態與特徵,從而建立模型,並快速定位和識別不同組件來完成檢測。 阿丘科技藉由2D檢測方法解決劃傷,破損,髒污等瑕疵,並納入3D 檢測方法,取得瑕疵的詳細資訊,有效過濾細微凹陷瑕疵。該方案有效補償傳統方法的不足,不僅可以有效檢測絕大多數瑕疵,還能將過檢率控制在極低的範圍內,切實解決動力電池的各種視覺檢測要求。 該方案的綜合漏檢率低於0.05%,誤檢率低於1%,檢測速度高於生產速度,突破檢測能力對產量所造成的瓶頸。 目前整體檢測系統獲得業界知名動力電池生產廠商的高度肯定,並已大規模量產。

上一篇:阿丘科技臺灣分公司即將成立,多個職缺開放招募中!
下一篇:心要大、腳要實、腿要快