随着科学技术的发展，锂电池已经广泛应用于电动交通工具、军事装备、航空航天等多个领域。近年来，政府又相继出台了《促进汽车动力电池产业发展行动方案》《关于促进储能技术与产业发展的指导意见》《新能源汽车产业发展规划(2021-2035年)》等相关政策文件支持锂电行业发展。

市场需求叠加利好政策，为中国锂电产业的发展营造了良好的发展环境。中国已连续五年成为全球最大的锂电池消费市场。2021年，全球锂离子电池市场规模达到545GWh，其中，中国锂离子电池市场规模约324GWh，约占全球市场的59.4%，而中国锂电企业销量合计达382GWh，中国企业在全球市场的占有率达到70%。

锂电池是一类由锂金属或锂合金为正/负极材料、使用非水电解质溶液的电池。由于锂金属的化学特性非常活泼，使得锂金属的加工、保存、使用，对环境要求非常高。锂电行业对产线良品率的要求越来越高，这给机器视觉等智能化产品带来良好的落地条件。根据高工机器人产业研究所（GGII）最新发布的《2022年机器视觉产业发展蓝皮书》显示，锂电行业未来5-10年将成机器视觉主要增长的拉动“引擎”之一。

锂电池制造常见缺陷

一、极片缺陷

极片作为锂电池的要件直接决定其电化学性能及安全性，但是极片在涂覆、辊压等生产环节可能会产生各种缺陷。

1.涂布缺陷

极片作为锂电池的重要组成部分，在对其进行涂布操作时，受涂布工艺影响，涂布过程会不可避免的产生褶皱、漏金属、亮点、粘料、波浪纹等十多种缺陷，这些缺陷会严重降低锂电池的质量与安全性。因此实现锂电池极片涂布缺陷的准确检测，对提高锂电池质量具有重要意义。

2.正负极冗余度缺陷

为了防止锂枝晶的出现，要求锂电池的负极比正极有一定长度的冗余，并且电极要排列整齐，不能出现较大程度的弯曲和变形。锂电池的制造工艺是影响电池性能的主要因素。制造锂电池的工艺流程主要有以下几道工序：混料、涂布、干燥、辊压、卷绕或叠片、注液、封口、化成和成型等。在卷绕或叠片的过程中，电池正负极片的相对位置会产生一定波动，使正负极片的边界距离发生变化，可能会有负极冗余度过大或无冗余度等质量问题的发生。

3.超声波焊接

超声波焊接技术被广泛应用于电芯、模组、ＰＡＣＫ生产中集流体、电芯极耳、母排等之间的焊接串并联。焊接品质的好坏直接关系到锂电池的安全性能以及消费者的生命财产安全。如何更好地对超声波焊接过程中品质异常波动进行有效监控，提升超声波焊接品质能力，一直以来是超声波焊接行业一大难题。

二、圆柱电芯缺陷

圆柱锂电池的制造过程中，底部金属表面受到碰撞而形成的凹坑缺陷，可能会导致电池内部短路，甚至发生自燃爆炸，因此凹坑是圆柱锂电池缺陷检测的重要指标之一。

1.端面缺陷

在生产和运输过程中会造成电池表面产生不可逆的破坏，其中在电池端面形成的缺陷有金属面氧化，金属面麻点，金属面焊穿。金属面变形、金属面压痕、正极漏液、正极位置偏移、覆膜褶皱和覆膜破损等。

2.端面凹坑缺陷

圆柱锂电池底部金属表面受到挤压而形成凹坑缺陷， 凹坑形状多样、尺寸不一、深浅不同。凹坑严重影响锂电池的使用性能和寿命，因此凹坑是圆柱锂电池缺陷检测的重要指标之一。

三、软包电芯

常规的软包电芯的极耳是片状、柔软的多层结构，常用的焊接方式有激光焊接、超声波焊接等，在焊接过程中容易因装夹、压刀收拢等工序而产生褶皱、破损及翻折等缺陷。

目前，国内对极耳焊后产生的的缺陷检测主要是依靠人工经验肉眼检测判断，缺乏相应的、比较系统的缺陷检测规程作指导，而且受人为主观因素的影响很大，很难保证检测的准确度和效率。而借助机器视觉技术快速和精准地实现锂电芯极耳焊后的缺陷检测。

AI视觉系统把关锂电池质检提升质量

机器视觉的技术核心在于图像识别和信息处理，可以广泛应用在工业制造、农业、交通等多行业的智能化过程中，尤其是在工业制造领域，凭借优秀的质量检测能力获得众多生产厂家的青睐。在锂电池高品质、高安全性的要求不断提高以及企业生产提出降本增效的背景下，在锂电池生产环节引入机器视觉设备成为行业热潮。

“客户的核心诉求是降本增效，机器必须在成本账上算过人工。相较于传统检测方法，机器视觉对锂电池的检测效率可提升2倍以上，在降低人工成本的基础上，检测效率大幅提升，真正帮助企业实现了降本增效。”专注于机器视觉领域的深眸科技技术总监说道。

锂电行业大规模扩张伴随着生产多元化。当前，锂电池行业在我国还处于高速发展期，大规模扩大生产的同时伴随着生产标准的多元化，不同规格、不同场景对锂电池检测环境、检测速度、检测精度以及检测参数都有不同的要求。面对复杂的下游市场，深眸科技深入调研锂电池的生产流程工艺，不断加大投入，促进技术迭代升级，以适应不同规格的锂电池缺陷检测。

相较于其他行业，锂电下游应用事关消费者人身安全，因此锂电产业对缺陷率的追求正在从百万分之一级别向十亿分之一提升。传统检测方式无法完成任务，但机器视觉以相机、传动、环境光抑制、算法降噪等多技术的相互配合能够发挥出超常的检测能力，将每一份安全隐患扼杀在出厂前。

机器视觉在锂电池中的应用规模随着智能化程度的提升在快速增长，但从目前来看渗透率仍然偏低，锂电池产业在提高智能化检测水平上还有较大空间。