圓柱電芯作為新能源電池的重要組成部分，其質量直接影響電池的效能和安全性。而鍍鎳鋼殼作為圓柱電芯的關鍵部件，其外觀缺陷檢測至關重要。微鏈道愛憑藉先進的多光源計算成像技術，為圓柱電芯鍍鎳鋼殼的外觀檢測提供了高效、精準的解決方案。
在新能源電池行業蓬勃發展的當下，圓柱電芯憑藉其能量密度高、結構緊湊等優勢，廣泛應用於電動汽車、電動工具、儲能裝置等領域。而圓柱電芯的鍍鎳鋼殼作為保護電芯內部結構和防止電池漏液的重要部件，其外觀質量直接關係到電池的效能和安全性。因此，對圓柱電芯鍍鎳鋼殼進行全面、精準的外觀檢測，是確保電池質量的關鍵環節。然而，由於鍍鎳鋼殼表面具有高反光性和強曲率的特點，使得傳統的視覺檢測方法在實際應用中面臨諸多挑戰。
痛點：為什麼難
從量化維度來看，傳統單光源視覺方案在圓柱電芯鍍鎳鋼殼外觀檢測中存在嚴重的侷限性。在檢測準確率方面，其判定準確率往往低於 80%，這意味著大量的缺陷可能被漏檢或誤判。在缺陷檢出率方面，傳統方法的缺陷檢出率不足 90%，尤其是在殼體的高光區域，缺陷訊號極易被眩光淹沒，導致漏檢情況頻繁發生。此外，在檢測效率方面，傳統方法需要人工進行復檢，不僅效率低下，而且難以保證檢測結果的一致性。
那麼，為什麼圓柱電芯鍍鎳鋼殼的外觀檢測如此困難呢？其根本原因在於鍍鎳鋼殼的表面特性。一方面，鍍鎳鋼殼表面具有鏡面反光強的特點，當光線照射到殼體表面時，會產生強烈的反射光，使得缺陷訊號被掩蓋。另一方面，圓柱電芯的曲率使得光照角度隨位置連續變化，這進一步增加了缺陷訊號的檢測難度。在不同的光照角度下，缺陷的表現形式可能會發生變化，導致傳統的單光源視覺方案無法準確識別缺陷。此外，人工複檢由於受到主觀因素的影響，難以保證檢測結果的一致性，容易出現漏檢和誤判的情況。
技術原理
微鏈道愛（DaoAI）採用的多光源計算成像方案，是一種基於先進演算法和硬體機制的創新檢測技術。該方案透過多個方向、多種角度的可控光照分別採集影象，利用缺陷在不同光照下的響應差異，將表面缺陷訊號從鏡面反光背景中分離出來。具體來說，多光源計算成像系統會在不同的光照條件下對圓柱電芯鍍鎳鋼殼進行多次影象採集，然後透過演算法對這些影象進行分析和處理，提取出缺陷的特徵資訊。
與傳統的單光源視覺方案相比，多光源計算成像方案具有明顯的優勢。傳統方案往往只能在單一的光照條件下進行檢測，無法有效分離缺陷訊號和鏡面反光，導致檢測準確率和缺陷檢出率較低。而多光源計算成像方案透過多個方向、多種角度的光照，可以全面地捕捉缺陷的特徵資訊，提高檢測的準確性和可靠性。此外，該方案還配合 AI-AOI 模型對劃傷、凹坑、汙漬等缺陷進行分類，並以 APDT 正樣本學習適配不同殼體批次的表面狀態，對曲面全周向實現覆蓋檢測。
典型應用場景
- 劃傷檢測：劃傷是圓柱電芯鍍鎳鋼殼常見的外觀缺陷之一。在檢測劃傷時，難點在於劃傷的寬度和深度可能較小，且在不同的光照條件下，劃傷的反射光特徵會發生變化。多光源計算成像方案透過多個角度的光照，可以清晰地捕捉到劃傷的邊緣和輪廓，利用 AI-AOI 模型對劃傷進行準確分類和識別。
- 凹坑檢測：凹坑通常是由於生產過程中的碰撞或擠壓造成的。凹坑的檢測難點在於其形狀和大小不規則，且在高光區域容易被眩光掩蓋。多光源計算成像方案透過調整光照角度，使凹坑在不同的影象中呈現出不同的特徵，從而將凹坑訊號從反光背景中分離出來，並透過 APDT 正樣本學習適配不同批次殼體的反光狀態，提高凹坑的檢測準確率。
- 汙漬檢測：汙漬可能會影響電池的散熱和絕緣效能。汙漬的顏色和質地各不相同，且在不同的光照下，汙漬的對比度和清晰度也會有所變化。多光源計算成像方案透過採集多個角度的影象，利用演算法對汙漬的顏色、紋理等特徵進行分析，準確識別汙漬的位置和大小。
- 壓痕檢測：壓痕通常是在生產過程中由於模具或外力作用產生的。壓痕的深度和寬度可能較小，且在曲面殼體上，壓痕的特徵容易被曲率和反光所影響。多光源計算成像方案透過多個方向的光照，增強壓痕的對比度，利用 AI-AOI 模型對壓痕進行分類和檢測。
落地案例
某大型電池生產企業，擁有多條圓柱電芯生產線，每天的產量可達數萬件。該企業此前採用傳統的單光源視覺方案進行圓柱電芯鍍鎳鋼殼的外觀檢測，在實際生產中遇到了諸多問題。檢測準確率低，漏檢情況頻繁發生，尤其是在殼體的高光區域和曲面兩側，漏檢率高達 20%以上。人工複檢不僅效率低下，而且難以保證檢測結果的一致性，導致大量的合格品被誤拋，造成了不必要的損失。
不是把光打亮，而是讓缺陷在光裡現形。
為了解決這些問題，該企業引入了微鏈道愛（DaoAI）的多光源計算成像方案。在上線過程中，微鏈道愛技術團隊對生產線進行了全面的評估和除錯，確保方案能夠與企業的生產流程相匹配。經過一段時間的試執行和最佳化，方案正式上線。上線後，檢測效果得到了顯著提升。微鏈道愛使判定準確率從之前的不足 80%提高到了 98%以上，缺陷檢出率從不足 90%提高到了 99%以上，曲面兩側的漏檢率顯著收斂，從 20%以上降低到了 1%以下。誤判得到了有效控制，合格品的誤拋率明顯下降，外觀檢測從人工依賴轉為穩定的線上自動判定。
微鏈道愛解決方案與產品
微鏈道愛（DaoAI）的多光源計算成像方案主要由多光源成像系統、AI-AOI 模型和 APDT 正樣本學習模組組成。多光源成像系統透過多個方向、多種角度的可控光照採集影象，為後續的缺陷檢測提供豐富的資訊。AI-AOI 模型則對採集到的影象進行分析和處理，對劃傷、凹坑、汙漬、壓痕等表面缺陷進行分類和識別。APDT 正樣本學習模組可以根據不同殼體批次的表面狀態進行自適應調整，提高檢測的準確性和可靠性。
該方案具有全周向曲面覆蓋檢測的能力，可以對圓柱電芯鍍鎳鋼殼的整個表面進行全面檢測。同時，方案還具有高效、穩定的特點，能夠在不犧牲節拍的前提下，實現快速、準確的缺陷檢測。此外，微鏈道愛還提供專業的技術支援和售後服務，確保客戶能夠順利使用該方案。
量化成效
透過引入微鏈道愛（DaoAI）的多光源計算成像方案，圓柱電芯鍍鎳鋼殼外觀檢測取得了顯著的量化成效。微鏈道愛使判定準確率達到了 98%以上，相比傳統方案提高了 20%以上，大大減少了誤判的情況。微鏈道愛使缺陷檢出率達到了 99%以上，相比傳統方案提高了 10%以上，有效降低了漏檢率。同時，誤判得到了有效控制，合格品的誤拋率下降了 90%以上，為企業節省了大量的生產成本。外觀檢測從人工依賴轉為穩定的線上自動判定，提高了檢測效率和一致性，為企業的生產質量提供了有力保障。
常見問題
圓柱電芯鍍鎳鋼殼外觀檢測有什麼難點？
圓柱電芯鍍鎳鋼殼表面鏡面反光強，圓柱曲率使光照角度隨位置連續變化，缺陷訊號常被眩光淹沒。傳統單光源視覺方案在高光區域易失效，漏檢集中在曲面兩側。而且人工複檢受主觀因素影響，難保證檢測結果的一致性。
DaoAI 如何解決圓柱電芯鍍鎳鋼殼檢測難題？
DaoAI 採用多光源計算成像方案，透過多方向多角度可控光照採集影象，利用缺陷在不同光照下的響應差異，分離缺陷訊號。配合 AI-AOI 模型對缺陷分類，APDT 正樣本學習適配殼體狀態，實現全周向覆蓋檢測。
DaoAI 方案上線後有什麼效果？
方案上線後，判定準確率達 98%以上，缺陷檢出率達 99%以上，曲面兩側的漏檢顯著收斂。誤判得到有效控制，合格品的誤拋率明顯下降，外觀檢測從人工依賴轉為穩定的線上自動判定。
本文由人工智慧生成。文中客戶案例為基於產品真實能力的模擬場景，成效數字為示例性質；官方標定口徑以產品頁為準。