高速叠片机AI视觉检测系统

叠片机作为动力电池制程中的核心工段之一，其高生产效率和高精度等优点，对于提高动力电池的性能和降低成本具有重要意义。

在精益高效生产的推动下，高速叠片机市场规模持续增长。据统计，2021年全球叠片机市场销售额达到了数亿美元，预计2028年将达到近10亿美元，年复合增长率(CAGR)为8.9%。其中，叠片机用视觉系统市场规模在2024年预计达到42亿，视觉系统行业年度增长40%。

但是，在热复合高速叠片机负极隔膜外观缺陷视觉检测环节，也存在一些具有挑战性的问题。传统机器视觉无法有效将极片褶皱，隔膜褶皱，隔膜胶印，隔膜划痕和复合气泡等目标区分开，导致大量合格品被过杀而造成的非必要浪费。当前国内高速叠片机视觉检测系统普遍需要较长的部署周期，并且仍然需要大量人工复检，过杀率大于2%。

针对当前行业痛点，章鱼博士自主研发了高速叠片机AI视觉检测系统，该系统基于基础模型、行业模型、场景大模型，运用深度学习算法，整合智能硬件、数据预算、图像处理于一体，着重于解决目前高速叠片机极片缺陷检测准确率低、算法兼容性差、模型迭代难、软件SOP不统一等痛点。通过系统部署，不仅可以对高速叠片机的9个工位进行检测，也可以用于常规叠片机的视觉检测，大大降低了产线过杀率和漏杀率，提高了尺寸、定位、对齐度的检测精度，检测速度也取得了突破性的提升，目前已在头部锂电厂商多地域厂区部署。

该系统在硬件和软件算法上都具备差异化的技术优势。在硬件方面高质量图片获取的同时，也在软件方面系统建立锂电数据集，开发锂电大模型，基于锂电数据集训练模型，加之对特定极片进行AI模型训练，从而缩短部署时间和提升检测精度，尤其是降低漏检率。

最终凭借小尺寸缺陷检测算法，及多尺度的训练策略，在大数据的加持下，实现高准确率的小尺寸缺陷检测，在部署时间上节省约60%，过杀率降低为0.3%。

其中，企业自主研发的热复合叠片负极隔膜外观缺陷检AI应用技术，基于PYTORCH主流深度学习框架训练深度卷积神经网络的AI隔膜缺陷分类算法，用AI分类算法区分“气泡”和“褶皱”缺陷，通过现场收集真实样品图片数据，训练AI模型，终端结合GPU硬件加速推理部署，提高分类速度。

相关案例：

某锂电动力电池生产商，在热复合切叠一体负极隔膜质量检测工位，出现热复合气泡良品和极片褶皱不良品CCD视觉无法分检问题，现场导致大量的良品气泡极片被错误排片，造成极大的成本浪费。

针对以上问题，章鱼博士技术人员部署了一套自主研发基于Resnet残差基础网络修改的AI算法，高效快速解决传统机器视觉算法无法辨别的气泡和褶皱问题，同时利用线体控制器结合GPU和加速推理软件架构,软件和硬相结合，实现快速部署加推理方案。经过产线长久验证，AI算法将原有过杀率降低至少2%，单台设备每个班次（12H）可有效减少良品排片500-1000pics,每月降低生产成本损失约1.5W。