隨著新能源車需求的持續(xù)增長，鋰電池在新能源汽車行業(yè)的應(yīng)用前景廣闊。目前鋰電池包括硬殼和軟包電池，硬殼則可分為圓柱電池和方形電池。其中方形電池憑借其充放電倍率、循環(huán)壽命、安全性等方面的優(yōu)勢，成為一種主流的電池封裝應(yīng)用。

方形電池工藝鏈

鋰電池工藝鏈分為前、中、后三段，以方形電池為例，其工藝鏈中存在大量的質(zhì)檢需求，傳統(tǒng)視覺檢測可滿足各工藝環(huán)節(jié)的定位和糾偏應(yīng)用。

       而在極片、焊縫、絕緣隔膜等需要檢測表面缺陷的工序中，傳統(tǒng)視覺檢測的精度受缺陷形態(tài)影響，通過針對性調(diào)參后，易消耗過多的內(nèi)部資源，效果可能仍無法達到預(yù)期。因此，對鋰電行業(yè)內(nèi)的缺陷檢測引入深度學(xué)習(xí)算法，使用一定量缺陷樣本來訓(xùn)練生成AI模型，讓AI來判斷缺陷和位置，可達到較不不檢測效果。

海康機器人VM算法開發(fā)平臺

       VM算法開發(fā)平臺作為海康機器人的核心智能產(chǎn)品，不僅包含了定位、測量、處理等傳統(tǒng)視覺模塊，更集成圖像分割、字符訓(xùn)練、圖像分類、目標檢測、圖像檢索、實例分割以及異常檢測等AI算法模塊，可使用VisionTrain對需要用到的AI模塊進行學(xué)習(xí)訓(xùn)練。此外，海康機器人與多家企業(yè)合作，基于VM算法開發(fā)平臺，構(gòu)建持續(xù)、高效、開放的生態(tài)合作圈。今天我們就為大家分享四則合作伙伴運用VM圖像分割完成的缺陷檢測案例。

       在工藝前段的極片預(yù)分切工序中，會將寬度較長的極片卷按需求分切成多卷窄條極片，同時需要對極片正反面（陰陽極）進行缺陷檢測，缺陷類型包括掉料、破損、折痕、劃痕、凹坑等。