圆柱电芯反光金属壳面检测：用计算成像压住眩光

圆柱电芯作为新能源电池的重要组成部分，其质量直接影响电池的性能和安全性。而镀镍钢壳作为圆柱电芯的关键部件，其外观缺陷检测至关重要。微链道爱凭借先进的多光源计算成像技术，为圆柱电芯镀镍钢壳的外观检测提供了高效、精准的解决方案。

在新能源电池行业蓬勃发展的当下，圆柱电芯凭借其能量密度高、结构紧凑等优势，广泛应用于电动汽车、电动工具、储能设备等领域。而圆柱电芯的镀镍钢壳作为保护电芯内部结构和防止电池漏液的重要部件，其外观质量直接关系到电池的性能和安全性。因此，对圆柱电芯镀镍钢壳进行全面、精准的外观检测，是确保电池质量的关键环节。然而，由于镀镍钢壳表面具有高反光性和强曲率的特点，使得传统的视觉检测方法在实际应用中面临诸多挑战。

痛点：为什么难

从量化维度来看，传统单光源视觉方案在圆柱电芯镀镍钢壳外观检测中存在严重的局限性。在检测准确率方面，其判定准确率往往低于 80%，这意味着大量的缺陷可能被漏检或误判。在缺陷检出率方面，传统方法的缺陷检出率不足 90%，尤其是在壳体的高光区域，缺陷信号极易被眩光淹没，导致漏检情况频繁发生。此外，在检测效率方面，传统方法需要人工进行复检，不仅效率低下，而且难以保证检测结果的一致性。

那么，为什么圆柱电芯镀镍钢壳的外观检测如此困难呢？其根本原因在于镀镍钢壳的表面特性。一方面，镀镍钢壳表面具有镜面反光强的特点，当光线照射到壳体表面时，会产生强烈的反射光，使得缺陷信号被掩盖。另一方面，圆柱电芯的曲率使得光照角度随位置连续变化，这进一步增加了缺陷信号的检测难度。在不同的光照角度下，缺陷的表现形式可能会发生变化，导致传统的单光源视觉方案无法准确识别缺陷。此外，人工复检由于受到主观因素的影响，难以保证检测结果的一致性，容易出现漏检和误判的情况。

技术原理

微链道爱（DaoAI）采用的多光源计算成像方案，是一种基于先进算法和硬件机制的创新检测技术。该方案通过多个方向、多种角度的可控光照分别采集图像，利用缺陷在不同光照下的响应差异，将表面缺陷信号从镜面反光背景中分离出来。具体来说，多光源计算成像系统会在不同的光照条件下对圆柱电芯镀镍钢壳进行多次图像采集，然后通过算法对这些图像进行分析和处理，提取出缺陷的特征信息。

与传统的单光源视觉方案相比，多光源计算成像方案具有明显的优势。传统方案往往只能在单一的光照条件下进行检测，无法有效分离缺陷信号和镜面反光，导致检测准确率和缺陷检出率较低。而多光源计算成像方案通过多个方向、多种角度的光照，可以全面地捕捉缺陷的特征信息，提高检测的准确性和可靠性。此外，该方案还配合 AI-AOI 模型对划伤、凹坑、污渍等缺陷进行分类，并以 APDT 正样本学习适配不同壳体批次的表面状态，对曲面全周向实现覆盖检测。

典型应用场景

• 划伤检测：划伤是圆柱电芯镀镍钢壳常见的外观缺陷之一。在检测划伤时，难点在于划伤的宽度和深度可能较小，且在不同的光照条件下，划伤的反射光特征会发生变化。多光源计算成像方案通过多个角度的光照，可以清晰地捕捉到划伤的边缘和轮廓，利用 AI-AOI 模型对划伤进行准确分类和识别。
• 凹坑检测：凹坑通常是由于生产过程中的碰撞或挤压造成的。凹坑的检测难点在于其形状和大小不规则，且在高光区域容易被眩光掩盖。多光源计算成像方案通过调整光照角度，使凹坑在不同的图像中呈现出不同的特征，从而将凹坑信号从反光背景中分离出来，并通过 APDT 正样本学习适配不同批次壳体的反光状态，提高凹坑的检测准确率。
• 污渍检测：污渍可能会影响电池的散热和绝缘性能。污渍的颜色和质地各不相同，且在不同的光照下，污渍的对比度和清晰度也会有所变化。多光源计算成像方案通过采集多个角度的图像，利用算法对污渍的颜色、纹理等特征进行分析，准确识别污渍的位置和大小。
• 压痕检测：压痕通常是在生产过程中由于模具或外力作用产生的。压痕的深度和宽度可能较小，且在曲面壳体上，压痕的特征容易被曲率和反光所影响。多光源计算成像方案通过多个方向的光照，增强压痕的对比度，利用 AI-AOI 模型对压痕进行分类和检测。

落地案例

某大型电池生产企业，拥有多条圆柱电芯生产线，每天的产量可达数万件。该企业此前采用传统的单光源视觉方案进行圆柱电芯镀镍钢壳的外观检测，在实际生产中遇到了诸多问题。检测准确率低，漏检情况频繁发生，尤其是在壳体的高光区域和曲面两侧，漏检率高达 20%以上。人工复检不仅效率低下，而且难以保证检测结果的一致性，导致大量的合格品被误抛，造成了不必要的损失。

不是把光打亮，而是让缺陷在光里现形。

为了解决这些问题，该企业引入了微链道爱（DaoAI）的多光源计算成像方案。在上线过程中，微链道爱技术团队对生产线进行了全面的评估和调试，确保方案能够与企业的生产流程相匹配。经过一段时间的试运行和优化，方案正式上线。上线后，检测效果得到了显著提升。微链道爱使判定准确率从之前的不足 80%提高到了 98%以上，缺陷检出率从不足 90%提高到了 99%以上，曲面两侧的漏检率显著收敛，从 20%以上降低到了 1%以下。误判得到了有效控制，合格品的误抛率明显下降，外观检测从人工依赖转为稳定的在线自动判定。

微链道爱解决方案与产品

微链道爱（DaoAI）的多光源计算成像方案主要由多光源成像系统、AI-AOI 模型和 APDT 正样本学习模块组成。多光源成像系统通过多个方向、多种角度的可控光照采集图像，为后续的缺陷检测提供丰富的信息。AI-AOI 模型则对采集到的图像进行分析和处理，对划伤、凹坑、污渍、压痕等表面缺陷进行分类和识别。APDT 正样本学习模块可以根据不同壳体批次的表面状态进行自适应调整，提高检测的准确性和可靠性。

该方案具有全周向曲面覆盖检测的能力，可以对圆柱电芯镀镍钢壳的整个表面进行全面检测。同时，方案还具有高效、稳定的特点，能够在不牺牲节拍的前提下，实现快速、准确的缺陷检测。此外，微链道爱还提供专业的技术支持和售后服务，确保客户能够顺利使用该方案。

量化成效

通过引入微链道爱（DaoAI）的多光源计算成像方案，圆柱电芯镀镍钢壳外观检测取得了显著的量化成效。微链道爱使判定准确率达到了 98%以上，相比传统方案提高了 20%以上，大大减少了误判的情况。微链道爱使缺陷检出率达到了 99%以上，相比传统方案提高了 10%以上，有效降低了漏检率。同时，误判得到了有效控制，合格品的误抛率下降了 90%以上，为企业节省了大量的生产成本。外观检测从人工依赖转为稳定的在线自动判定，提高了检测效率和一致性，为企业的生产质量提供了有力保障。

本文由人工智能生成。文中客户案例为基于产品真实能力的模拟场景，成效数字为示例性质；官方标定口径以产品页为准。