高速叠片机

叠片机作为动力电池制程中的核心工段之一，其高生产效率和高精度等优点，对于提高动力电池的性能和降低成本具有重要意义。

在精益高效生产的推动下，高速叠片机市场规模持续增长。据统计，2021年全球叠片机市场销售额达到了数亿美元，预计2028年将达到近10亿美元，年复合增长率(CAGR)为8.9%。其中，叠片机用视觉系统市场规模在2024年预计达到42亿，视觉系统行业年度增长40%。

但是，在热复合高速叠片机负极隔膜外观缺陷视觉检测环节，也存在一些具有挑战性的问题。传统机器视觉无法有效将极片褶皱，隔膜褶皱，隔膜胶印，隔膜划痕和复合气泡等目标区分开，导致大量合格品被过杀而造成的非必要浪费。当前国内高速叠片机视觉检测系统普遍需要较长的部署周期，并且仍然需要大量人工复检，过杀率大于2%。

针对当前行业痛点，章鱼博士自主研发了高速叠片机AI视觉检测系统，该系统基于基础模型、行业模型、场景大模型，运用深度学习算法，整合智能硬件、数据预算、图像处理于一体，着重于解决目前高速叠片机极片缺陷检测准确率低、算法兼容性差、模型迭代难、软件SOP不统一等痛点。通过系统部署，不仅可以对高速叠片机的9个工位进行检测，也可以用于常规叠片机的视觉检测，大大降低了产线过杀率和漏杀率，提高了尺寸、定位、对齐度的检测精度，检测速度也取得了突破性的提升，目前已在头部锂电厂商多地域厂区部署。

该系统在硬件和软件算法上都具备差异化的技术优势。在硬件方面高质量图片获取的同时，也在软件方面系统建立锂电数据集，开发锂电大模型，基于锂电数据集训练模型，加之对特定极片进行AI模型训练，从而缩短部署时间和提升检测精度，尤其是降低漏检率。

最终凭借小尺寸缺陷检测算法，及多尺度的训练策略，在大数据的加持下，实现高准确率的小尺寸缺陷检测，在部署时间上节省约60%，过杀率降低为0.3%。

其中，企业自主研发的热复合叠片负极隔膜外观缺陷检AI应用技术，基于主流深度学习框架训练深度卷积神经网络的AI隔膜缺陷分类算法，用AI分类算法区分“气泡”和“褶皱”缺陷，通过现场收集真实样品图片数据，训练AI模型，终端结合GPU硬件加速推理部署，提高分类速度。

相关案例

某锂电动力电池生产商，在热复合切叠一体负极隔膜质量检测工位，出现热复合气泡良品和极片褶皱不良品CCD视觉无法分检问题，现场导致大量的良品气泡极片被错误排片，造成极大的成本浪费。

针对以上问题，章鱼博士技术人员部署了一套自主研发的AI算法，高效快速解决传统机器视觉算法无法辨别的气泡和褶皱问题，同时利用线体控制器结合GPU和加速推理软件架构，软件和硬相结合，实现快速部署加推理方案。经过产线长久验证，AI算法将原有过杀率降低至少2%，单台设备每个班次（12H）可有效减少良品排片500-1000pics,每月降低生产成本损失约1.5W。

综上所述，章鱼博士的高速叠片机AI视觉检测系统不仅成功解决了当前行业中叠片机视觉检测的一系列难题，更进一步推动了动力电池制程的精益高效生产。这一创新技术的应用，无疑为整个行业树立了一个新的标杆。未来，章鱼博士将继续积极研发和应用更多的创新技术，以推动动力电池制程的持续发展和进步。