在新能源电池生产过程中，极耳焊接质量关乎电池性能与安全，微链道爱AI视觉技术为其带来高效检测解决方案。
用户场景：某头部新能源电池厂商的极耳焊接工序产线，其产品为各类新能源电池。在极耳焊接环节，需要对焊接质量进行严格检测，检测对象主要是焊接处的毛刺和虚焊情况，以确保电池的安全性和可靠性。
痛点：在多品种小批量的生产模式下，传统检测方式面临诸多困境。一方面，人工检测存在较高的漏检率和误报率，平均漏检率达到了3%左右，误报率约为10%，这不仅增加了后续的复检工作量，还可能使存在质量问题的电池流入市场。另一方面，换型时需要耗费大量时间进行编程和调试，平均换型时间长达30分钟，严重影响了产能释放。此外，传统检测方式难以满足微米级精度的检测要求，而极耳焊接的毛刺和虚焊检测对精度要求极高。
技术原理
微链道爱采用先进的AI算法和成像技术来解决极耳焊接质量检测问题。在算法层面，运用基于视觉基础模型的特征认知算法，通过对少量正样本（1-20张良品）的学习，能够快速准确地识别焊接处的正常特征和异常特征。这是因为该算法可以对图像进行深度分析，提取出具有代表性的特征向量，从而实现对毛刺和虚焊的精准判断。在成像方面，自研的3D相机能够获取焊接处的三维形貌信息，通过三维形貌重建技术，将焊接处的真实形貌以高精度的三维模型呈现出来。这样可以清晰地检测到隐藏焊点、共面度以及微米级的形貌变化，为检测提供了更全面、准确的数据支持。
- 基于视觉基础模型的特征认知算法，正样本/少样本学习能力强。
- 自研3D相机获取三维形貌信息，三维形貌重建精度高。
- 能够全面检测隐藏焊点、共面度和微米级形貌。
微链道爱解决方案与产品
微链道爱提供了DaoAI AI AOI软件系统和DaoAI 2D / 3D AI AOI设备来解决极耳焊接质量检测问题。DaoAI AI AOI软件系统具有强大的编程和学习能力，一块良品只需5分钟即可实现0代码自动编程，并且采用APDT正样本/少样本学习（1-20张良品），还具备语义误报过滤功能，能够显著降低误报率。DaoAI 2D / 3D AI AOI设备搭载自研3D相机，通过三维形貌重建技术，可以精确检测隐藏焊点、共面度以及微米级形貌，为极耳焊接质量检测提供了高精度的硬件支持。在落地过程中，将设备安装在极耳焊接工序产线上，软件系统与设备进行无缝对接，实时对焊接处进行检测，并将检测结果及时反馈给产线控制系统。
微链道爱的AI视觉技术为新能源电池极耳焊接质量检测带来了高效、精准的解决方案。
量化成效：通过采用微链道爱的解决方案，该新能源电池厂商取得了显著的成效。在检测精度方面，检出率达到了99.2%，漏检率降低至<0.8%，大大提高了产品质量。在误报率方面，相比传统检测方式降低了 -70%，减少了大量的复检工作量。在换型时间上，实现了5分钟0代码换型，显著提高了产能，为企业带来了更高的经济效益。