鋰電池極耳區(qū)域出現(xiàn)的缺陷類型復雜多樣，位置隨機，而且一些細微瑕疵與極耳背景顏色差異微乎其微，造成難以精確提取缺陷特征，其視覺檢測成為行業(yè)難點之一。
OPT依托光學成像和視覺分析兩大技術平臺，從硬件源頭上提升圖像采集的質(zhì)量和速度，并結合自研AI算法，對極耳細微或復雜的缺陷進行精準分類和判斷，覆蓋極耳裁切、卷繞、焊接等多工序，全方位破解極耳缺陷檢測難題。
視覺成像
高分辨率光學設計，獲取清晰圖像
隨著動力電池生產(chǎn)擴大規(guī)模和提高效率，電池企業(yè)對極耳缺陷檢測需求增加，相應地對視覺成像的質(zhì)量和速度也提出了更高的要求。
OPT通過不斷深入了解極耳各個工序檢測難點，有針對性地推出整套視覺成像方案，為此開發(fā)出一系列適合極耳缺陷檢測的硬件產(chǎn)品，具有采集速度快，成像清晰等優(yōu)勢，能滿足極耳各個工序的檢測需求。
OPT視覺成像方案在極耳切疊一體機的應用
如在極耳裁切、卷繞機環(huán)節(jié)，OPT采用前光和背光的方式，對高速極耳切割過程中造成的毛刺或卷繞極耳翻折形態(tài)缺陷進行檢測；其中，OPT視覺成像方案搭配的線掃鏡頭，采用了高分辨率光學設計，通過消色差、無漸暈、公差敏感度優(yōu)化及自動分辨率檢測等技術，保證能夠從源頭上獲得清晰的圖像，也為后續(xù)算法分析提供良好的基礎條件。
OPT公差敏感度優(yōu)化技術
此外，OPT充分利用FPGA邊緣技術，對線陣相機進行加速升級，能實時處理二值化、形態(tài)學運算、blob分析，將運算結果，連同圖像一并傳輸給上位機，大大減少了工控機的CPU運算負荷，極大滿足極耳高速切割和卷繞的檢測需求。
OPT視覺成像方案在極耳卷繞機的應用
針對極耳焊接工序，OPT采用球積分和同軸光源進行均勻照射，而搭配的面陣鏡頭同樣兼具高分辨率性能，成像清晰，圖像邊緣銳化，能對焊印、焊片外漏、黃膠位置及缺失等進行精準檢測或定位，覆蓋極耳各個工位的缺陷檢測。
OPT極耳焊接缺陷檢測成像方案
視覺分析
深度學習，精準提取缺陷特征
除了高精度的視覺成像，視覺分析軟件也是應對極耳區(qū)域復雜缺陷的關鍵。OPT充分利用深度學習和傳統(tǒng)算法相結合的方式，對極耳的缺陷特征進行準確提取、分類，能避免誤判、漏檢等情況出現(xiàn)，破解極耳多工序缺陷檢測難題。
OPT深度學習算法流程可視化
OPT深度學習極耳缺陷檢測技術，是通過使用一定量的缺陷樣本訓練，生成AI模型，兼具三大創(chuàng)新優(yōu)勢。一方面，基于小樣本深度學習的檢測框架，能將缺陷樣本數(shù)量降至個位數(shù)，解決過去收集缺陷樣本難、標注成本高等難題，提高檢測精度和魯棒性；另一方面，利用數(shù)據(jù)樣本自適應擴充訓練技術，推薦最具代表性的樣本進行人工標注，縮短模型訓練時間的同時，檢測準確率提升10%，實現(xiàn)對極耳檢測的零漏報。
OPT深度學習在極耳缺陷檢測的應用
此外，為更好滿足電池產(chǎn)品換型頻繁的檢測需求，OPT引入自適應遷移學習技術，縮短AI模型訓練周期，一鍵遷移相近尺寸、相似工藝的極耳缺陷檢測，而針對不同尺寸的極耳檢測，只需在遷移后，補充少量訓練數(shù)據(jù)，微調(diào)AI模型。
基于深度學習的自適應遷移技術
目前，OPT深度學習算法，已在鋰電池多工序視覺檢測推廣應用，包括極片涂布、極耳激光切、卷繞、鋁塑膜包裝等缺陷檢測。
聯(lián)系客服
