解决方案 | 聚焦智能新能源，AI超级平台让制造无忧
为达成碳达峰、碳中和的目标，能源转型首当其冲，然而，随着新能源车辆的需求呈指数模式暴增，电池的产量要求压力非常大，行业普遍面临人力流失严重、人力成本高昂、生产速率远超人工质检等困境，实现自动化生产效率跃升迫在眉睫。
机器视觉顺势在工业生产中成为实力派企业的选择， 常用于遍布整个生产环节的四类业务应用：目标检测、语义分割、工业字符提取、物品分类等。
明治深度学习meiji AIV智能制造解决方案，通过综合定制光学系统、机器人控制系统、深度学习算法等能力，可快速迭代缺陷检测模型，实现全流程物料ID追溯，无编程模型部署和全工艺段检测。
今天小明来给大家分享两个深度学习方案在电池质检中的应用案例。
01 新型电池外观缺陷检测
某新能源车头部品牌的一条实验产线负责生产一种新型汽车电池（对外供货）。电池所用的电池外壳在生产过程中因某些原因（包括来料质量不合格、某道工序引入损伤等）可能出现不同程度的外观缺陷。客户目前主要通过人工在各主要工序后对外壳进行质检。在产能受限、产线良率不高的困扰下，他们希望引入自动化检测设备替代人工。
客户主要需求
1、需要检测电池外壳外观中出现的色差、气泡、脏污、划痕、凹陷、突起等缺陷，进行OK/NG二分类。
2、单个样品检测CT < 1min，关键缺陷无漏检，过检率控制在1%。
3、需要能够适配不同电池型号的不同尺寸，并且对外壳各个面均要检测到。
需求实现难点
1、汽车电池外壳尺寸大，最长可达960mm，将近一米。
2、检测精度高，且同时涉及2d和3d量测需求，如划痕宽度和深度的检测精度为1µm级。
3、良品自身也存在大量的轻微划伤、刮伤，表面起伏不平整，为检测和区分出严重划痕、凹陷等缺陷带来干扰。
明治解决方案
整体机构设计与ViMo AI视觉检测软硬一体化方案
打光方式
检测图像成像
项目价值反馈
① 帮助客户建立了自动化设备严格、稳定、统一的电池外壳质检标准，克服人工质检的不一致性和高成本，提高了产线良率。
② 为产线替换15名质检人员，节省人力成本近百万/年。
02电芯极片切叠一体机配套
在锂电池生产过程中，极片裁切及极片叠片是两个非常重要的生产工序，需要采用相对应的裁切及叠片设备完成该加工工序。现有技术存在自动化程度低、生产效率低下、人工成本高、劳动强度高、容易损伤极片等技术缺陷，严重限制了设备进一步向前发展和推广应用。
有鉴于此，客户希望在电芯极片切叠一体机内配套深度学习解决方案。
客户主要需求
1、极片上、下表面缺陷识别和分类
2、检测极片、极耳的外长、外宽
3、工艺尺寸精度：±0.1mm
4、系统CT：0.23s
明治解决方案
1、定制线扫+面阵多相机打光方案
2、4相机坐标系融合标定
3、全自动上下料、检测、裁切一体化整机设备
检测图像成像
项目价值反馈
1、解决15+项缺陷全检
2、检测准确率达到99%+
3、提高整体生产效率2倍
4、替代4+人力需求
相比人工目检和传统视觉，机器视觉具有高精度、高准确度、高重复性、高效率、综合成本低等显著优点。不仅是新能源制造产业链在积极引入机器视觉解决方案，更广泛的工业领域也在积极寻求借助该技术实现数字化升级、柔性制造的变革。未来，工业机器视觉将是驱动未来工业数字化、智能化的重要动能。