鋰電池極耳區域的缺陷類型復雜多樣，位置隨機而且一些微小缺陷與tab的背景顏色差別不大，很難準確提取缺陷特征因此，其目測成為行業難點之一

依托OPT兩大技術平臺，光學成像和視覺分析，從硬件源頭提升圖像采集的質量和速度結合自主研發的AI算法，對耳片細微或復雜缺陷進行精準分類判斷，涵蓋耳片切割，纏繞，焊接等過程，全面解決耳片缺陷檢測難題

視力

成像

高分辨率光學設計，獲得清晰圖像。

伴隨著動力電池生產規模的擴大和效率的提高，電池企業對極耳缺陷檢測的需求越來越大，相應地，對視覺成像的質量和速度也提出了更高的要求。

OPT開發了一系列適用于焊片缺陷檢測的硬件產品，具有采集速度快，成像清晰等優點，能夠滿足焊片在各工序的檢測要求。

OPT視覺成像方案在極耳切折一體機中的應用

比如在切耳繞線機的過程中，OPT采用前光后光的方式檢測高速切耳過程中造成的纏繞耳毛刺或折疊狀缺陷，其中，與OPT視覺成像方案匹配的線掃描鏡頭采用高分辨率光學設計，通過消色差，無漸暈，容差靈敏度優化和自動分辨率檢測技術，可以保證從源頭獲得清晰的圖像，也為后續的算法分析提供了良好的基礎條件。

最優公差靈敏度優化技術

此外，OPT充分利用FPGA edge技術加速線性攝像頭的升級，可以實時進行二值化，形態學運算和blob分析，并將運算結果連同圖像一起傳輸到上位機，大大降低了工控機的CPU運算負荷，極大地滿足了凸耳高速切割和纏繞的檢測需求。

OPT視覺成像方案在極耳繞線機中的應用

對于焊片焊接工藝，OPT采用球面整體同軸光源進行均勻照射，匹配的面陣透鏡還具有高分辨率性能，成像清晰，圖像邊緣銳利，可以精確檢測或定位焊接印刷，焊片泄漏，黃原膠位置及缺失等，涵蓋吊耳各工位的缺陷檢測

OPT凸耳焊接缺陷檢測成像方案

視力

分析

深度學習，準確提取缺陷特征

除了高精度的視覺成像，視覺分析軟件也是處理極耳區復雜缺損的關鍵OPT充分利用深度學習和傳統算法的結合，對耳片的缺陷特征進行精確提取和分類，可以避免誤判，漏檢等，解決了吊耳多工序缺陷檢測問題

OPT算法過程的可視化

OPT，一種用于人耳缺陷檢測的深度學習技術，是訓練一定數量的缺陷樣本，生成AI模型，具有三大創新優勢一方面，基于小樣本深度學習的檢測框架可以將缺陷樣本數量減少到個位數，解決以往缺陷樣本收集困難，標注成本高等問題，提高檢測精度和魯棒性，另一方面，利用數據樣本自適應擴展訓練技術，推薦最具代表性的樣本進行人工標注，縮短了模型的訓練時間，提高了10%的檢測準確率，實現了極耳檢測的零虛警

OPT深度學習在人耳缺陷檢測中的應用

此外，為了更好地滿足頻繁更換電池產品的測試需求，OPT引入了自適應轉移學習技術，縮短了AI模型的訓練周期，一鍵轉移大小相近，流程相似的tab缺陷檢測對于不同大小的標簽檢測，只需要補充少量的訓練數據，并在轉移后對AI模型進行微調

基于深度學習的自適應遷移技術

目前，OPT深度學習算法已在鋰電池多工序視覺檢測中推廣應用，包括極片涂層，激光切割極耳，鋁塑膜卷繞包裝等缺陷檢測。

鄭重聲明：此文內容為本網站轉載企業宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。