随着新能源车需求的持续增长,锂电池在新能源汽车行业的应用前景广阔。目前锂电池包括硬壳和软包电池,硬壳则可分为圆柱电池和方形电池。其中方形电池凭借其充放电倍率、循环寿命、安全性等方面的优势,成为一种主流的电池封装应用。
锂电池工艺链分为前、中、后三段,以方形电池为例,其工艺链中存在大量的质检需求,传统视觉检测可满足各工艺环节的定位和纠偏应用。
而在极片、焊缝、绝缘隔膜等需要检测表面缺陷的工序中,传统视觉检测的精度受缺陷形态影响,通过针对性调参后,易消耗过多的内部资源,效果可能仍无法达到预期。因此,对锂电行业内的缺陷检测引入深度学习算法,使用一定量缺陷样本来训练生成AI模型,让AI来判断缺陷和位置,可达到较好的检测效果。
在工艺中段的顶盖焊接环节中,需检测方形电池壳体周围的激光焊印,如是否存在虚焊、漏焊、断焊、爆点等缺陷,以评估焊接质量。
不同的缺陷需要做准确分类;同个物件有三个检测区,背景会不断变化;部分缺陷受大面积的背景特征干扰。例如下图中的爆点特征,上半部分红色框内为需要检出的爆点,与而下半部分的焊印与爆点极其相似,需准确区分。
通过深度学习图像分割算法,可兼容不同背景的样本,对于相似缺陷,在标注上赋予忽略以加大采样,最终能快速精准的获得缺陷的位置及其类别标签。