深度学习在动力电池中的应用【电芯蓝膜检测篇】

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。

但是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。

PART ONE

方案背景

包覆蓝膜是动力电池的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。（如图所示）

电芯蓝膜表面缺陷及划痕

电芯蓝膜表面凹陷及凸起

PART TWO

方案难点

● 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；

PART THREE

算法方案

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。

-蓝膜外观检测流程-

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。（如图所示）

电芯蓝膜表面缺陷检测

电芯蓝膜表面划痕检测

电芯蓝膜表面凹坑检测

电芯蓝膜表面凸起检测

优势亮点

检测精度高：部分缺陷需要对缺陷轮廓进行准确描绘才能分辨其缺陷特征。AIDI中的分割模块，可以对缺陷区域自动重采样，提升小缺陷关注度，实现对细小缺陷的精确检测；

算法优化程度高：基于深度学习算法，训练推理速度快、检测精确度高、标注工具完备，在市面上同类软件中亦独占鳌头；

3D缺陷检测：通过获取缺陷的深度信息，在普通平面图像与背景无较大差异，且不同深度的凹坑光学特性几乎一致的情况下，完美覆盖此类缺陷；

易用可靠：集标注、训练、模型调优为一体，无需编程，支持二次开发，软件性能稳定可靠。

PART FOUR

项目成果

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。

AI For Every Factory

阿丘科技成立于2017年，核心团队源自清华大学AI实验室，聚焦于将领先的人工智能、机器视觉技术应用于工业领域，赋能中国最优秀的先进制造、智慧物流客户。推出的工业AI视觉检测软件平台AIDI、质检云平台AQ Cloud、嵌入式AI系列产品EVS以及垂直行业AI解决方案，已广泛应用于消费电子、汽车、新能源、医药、半导体、物流等行业，目前部署上线AIDI超过百家工厂，其中包括数十家先进制造和智能物流领域标杆企业，已成为国内工业AI平台的领跑者。

加入通讯录

加入联盟

加入协会

企业分布地图

其它会议

参展/参观

咨询

 孙宝成

电话

15000993142（同微信）

邮箱

baocheng.sun@heliexpo.cn