智能深度学习机器视觉之新能源动力电池外观检测

动力电池是新能源汽车最重要的核心零部件，占到整个价值链的一半左右，随着动力锂电池的快速发展，还有政策利好，很多电池生产厂家出现供不应求，所以生产电池的厂商在自动化生产线上投入是非常有必要的，不过随着产能快速提升的同时，对锂电池的安全生产和电池的使用安全性也提出了更大的挑战。如何制造出更为安全可靠的锂电池，已经成为各大知名电池厂商的迫切需求。

目前锂电池行业检测主要包含以下几种类型

1. 极片涂布缺陷检测

2. 电芯外观缺陷检测

3. 隔膜缺陷检测极片外观检测

4. 铝塑膜外观检测

但是由于缺陷类别复杂而且多变，很多传统机器视觉算法很难完全正确的定义缺陷。例如极片涂布过程中产生的漏箔、缺料、漏涂、褶皱等缺陷类别多，形状各种各样。而深度学习的技术对不规则不定位置的目标检测能力较强，对于复杂图片也可以检测能力较强，可以将复杂的缺陷类别细分出来。

根据锂电池行业相关专家分析，动力锂电池的安全问题和一致性主要来源于以下几个方面：

1. 锂电池正负极极片的各种缺陷；

2. 极片涂布后的缺陷：

3. 隔膜缺陷
   

4. 铝塑膜缺陷

各种电池材料的缺陷种类都是复杂多变，且生产过程中出现的缺陷更是无法预估。而传统的机器学习在特征提取上主要依靠人来分析和建立逻辑，而深度学习则通过多层感知机模拟大脑工作，构建深度神经网络来学习简单特征、建立复杂特征、学习映射并输出，训练过程中所有层级都会被不断优化。

随着越来越多的基于深度学习的视觉检测项目落地实施，深度学习给工业机器视觉的赋能会越来越明显，而锂电池行业的视觉检测也将不再是难题。施努卡交付了新一代锂电池外壳全检线，机器视觉硬核新势力。

产品特点

1. 视觉控制平台：多相机并行、高速图像采集、实时图像处理、2D&3D复合设计

2. 自动化控制技术：高速理料、自动分料、精准定位、高速剔除

3. 光学架设：特殊光源设计、光照环境处理、三维成像打光

4. 视觉检测软件：图像预处理、特征提取、缺陷分析、图像分割&拼接、斑点处理、Al智能深度学习