在新能源電池生產中，圓柱電芯反光金屬殼面的缺陷檢測至關重要。微鏈道愛憑借先進的 AI 視覺技術，為行業提供了高效的解決方案。
用戶場景：某頭部新能源電池廠商在圓柱電芯生產工序中，需要對電芯的反光金屬殼面進行嚴格檢測。其生產的圓柱電芯广泛應用於各類新能源汽車及儲能設備中，檢測對象為金屬殼面的劃痕、凹坑、裂紋等表面缺陷，這些缺陷可能影響電池的安全性和使用寿命。
痛點：傳統的檢測方法面臨诸多量化困境。一方面，漏檢率較高，約為 3%，這意味着部分有缺陷的產品可能流入市場，帶來安全隱患。另一方面，誤報率高達 20%，大量的誤報不僅增加了人工複檢的工作量，還降低了生產效率。同時，由於金屬殼面反光特性，傳統算法難以準確識別缺陷，導致檢測精度不足。此外，換型時間較長，每次換型需要約 30 分鐘，影響了產線的靈活性。而且，面對不同類型的伪缺陷，傳統方法缺乏有效的過濾機製，進一步加劇了誤報問題。
技術原理
微鏈道愛采用先進的視覺基礎模型結合深度學習算法來解決這些問題。視覺基礎模型具備強大的特征認知能力，能夠從大量的樣本數據中學習到金屬殼面的正常特征和各種缺陷特征。通過語義理解技術，模型可以區分真實缺陷和伪缺陷。例如，對於因反光造成的視覺幹擾，模型能夠識別其非缺陷本質，從而過濾掉這些伪缺陷，降低誤報率。在成像方面，采用特殊的打光技術，結合自研的 3D 相機，能夠清晰地捕捉金屬殼面的三維形貌信息，對於微小的劃痕、凹坑等缺陷也能精準成像。硬件上，高性能的計算設備保證了數據處理的速度和準確性，使得模型能夠實時對圖像進行分析和判斷。
- 視覺基礎模型的特征認知能力，通過對大量樣本的學習，準確識別缺陷和正常特征。
- 語義理解技術過濾伪缺陷，減少因反光等幹擾造成的誤報。
- 特殊打光技術與自研 3D 相機結合，清晰呈現三維形貌，提高缺陷檢出能力。
- 高性能計算硬件保障實時數據處理和精準判斷。
微鏈道愛解決方案與產品介紹
微鏈道愛提供了 DaoAI AI AOI 軟件系統和 DaoAI 2D / 3D AI AOI 設備。DaoAI AI AOI 軟件系統利用其視覺基礎模型的特征認知能力，能夠在一塊良品 5 分鐘內完成 0 代碼自動編程，通過 APDT 正樣本/少樣本學習（僅需 1-20 張良品），快速建立準確的檢測模型。同時，其語義誤報過濾功能可以有效識別並過濾伪缺陷，降低誤報率。DaoAI 2D / 3D AI AOI 設備采用自研 3D 相機進行三維形貌重建，能夠檢測隱藏焊點、共面度以及微米級的形貌，對於圓柱電芯金屬殼面的微小缺陷也能精準檢測。在落地做法上，將設備安裝在產線合適位置，采集金屬殼面圖像數據，軟件系統對數據進行實時分析和處理，實現高效的缺陷檢測。
微鏈道愛的 AI 視覺方案，以先進技術和產品，為新能源電池生產的質量檢測提供了可靠保障。
量化成效：通過采用微鏈道愛的解決方案，該廠商的缺陷檢出率從原來的 97% 提升到了 99.2%，漏檢率降低到了 < 0.8%，大大提高了產品質量。誤報率降低了 -65%，減少了人工複檢的工作量，提高了生產效率。換型時間從原來的 30 分鐘縮短到了 5 分鐘，增強了產線的靈活性，能夠更快地適應不同產品的生產需求。