十佳案例-锂电行业-方壳电池激光焊缺陷检测
对锂电行业内的缺陷检测引入深度学习算法,使用一定量缺陷样本来训练生成AI模型,让AI来判断缺陷和位置,可达到较好的检测效果。

锂电行业-方壳电池激光焊缺陷检测

投稿人:深度学习好学家

项目背景

随着新能源车需求的持续增长,锂电池在新能源汽车行业的应用前景广阔。目前锂电池包括硬壳和软包电池,硬壳则可分为圆柱电池和方形电池。其中方形电池凭借其充放电倍率、循环寿命、安全性等方面的优势,成为一种主流的电池封装应用。



锂电池工艺链分为前、中、后三段,以方形电池为例,其工艺链中存在大量的质检需求,传统视觉检测可满足各工艺环节的定位和纠偏应用。



而在极片、焊缝、绝缘隔膜等需要检测表面缺陷的工序中,传统视觉检测的精度受缺陷形态影响,通过针对性调参后,易消耗过多的内部资源,效果可能仍无法达到预期。因此,对锂电行业内的缺陷检测引入深度学习算法,使用一定量缺陷样本来训练生成AI模型,让AI来判断缺陷和位置,可达到较好的检测效果。


项目难点

在工艺中段的顶盖焊接环节中,需检测方形电池壳体周围的激光焊印,如是否存在虚焊、漏焊、断焊、爆点等缺陷,以评估焊接质量。



不同的缺陷需要做准确分类;同个物件有三个检测区,背景会不断变化;部分缺陷受大面积的背景特征干扰。例如下图中的爆点特征,上半部分红色框内为需要检出的爆点,与而下半部分的焊印与爆点极其相似,需准确区分。



方案描述

采用面阵相机配合步进的方式进行检测。



通过深度学习图像分割算法,可兼容不同背景的样本,对于相似缺陷,在标注上赋予忽略以加大采样,最终能快速精准的获得缺陷的位置及其类别标签。


VM结果展示

版权声明:本文为V社区用户原创内容,转载时必须标注文章的来源(V社区),文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:v-club@hikrobotics.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
上一篇

十佳案例-锂电行业-极耳读码项目

下一篇

十佳案例-3C行业-富士康PB金属加工件缺陷检测管控

评论请先登录 登录
全部评论 0
技术交流版主,分享新技术,为用户解答机器视觉领域相关的专业性问题
30
创作
63
粉丝
92
获赞
相关阅读
  • 浅谈visionMaster应用感受及优缺点。
    2022-06-13
  • 海康机器人“悉灵杯”课题研究活动-入围公布
    2022-05-31
  • 浅谈visionMaster 通讯的应用(非常好用)
    2022-06-16
  • VM4.2二次开发环境配置方法(入门必看)
    2022-05-23
  • IDP5104 PDA产品开箱体验和使用分享
    2022-05-30

请升级浏览器版本

您正在使用的浏览器版本过低,请升级最新版本以获得更好的体验。

推荐使用以下浏览器