案例 · 2026-05-27

極片塗布在線全檢:3D AI-AOI 守住電芯一致性的起點

點雲與圖像融合,把塗布缺陷拦在卷繞之前

返回洞察

塗布是锂電池製造的第一道關鍵工序,塗層均匀性直接決定後續電芯的容量與安全。DaoAI 以 3D AI-AOI 在線全檢方案,將厚度異常與表面缺陷在源頭拦截。

50μm最小檢出
97%+綜合準確率
100%在線全檢

極片塗布是锂電池製造的開端工序,浆料以微米級厚度均匀塗覆于铜箔或鋁箔之上。塗層一旦出現暗斑、劃痕、漏箔或局部掉料,會在後續卷繞、化成環節被層層放大,最終表現為容量衰減甚至內短路。某動力電池龍頭此前依賴人工燈檢與傳統 2D 視覺,僅能發現明顯的表觀異常,對厚度方向的微弱起伏與低對比度暗斑幾乎無能為力。

塗布線車速高、幅寬大,铜箔表面又存在金屬反光,傳統 AOI 在此場景下誤報率高、漏檢並存,質檢節拍難以跟上產線。客戶需要一套既能看清表面、又能量化厚度的在線方案。

DaoAI 產品方案

DaoAI 部署 3D AI-AOI 在線全檢系統,以自研 3D 相機采集塗層表面點雲,與高分辨率 2D 圖像融合:2D 通道負責暗斑、劃痕、漏箔等表觀缺陷,3D 通道以點雲重建塗層厚度起伏與邊緣掉料。系統采用 APDT 正樣本學習,僅以合格塗層樣本即可建立判據,無需海量缺陷樣本即可上線,對新批次浆料的色差與反光具備良好適應性。

  • 自研 3D 相機重建塗層厚度,量化捕捉 50μm 級別的暗斑與掉料
  • 2D 高分辨成像識別劃痕、漏箔等表觀缺陷,點雲與圖像逐幀對齊
  • APDT 正樣本學習以合格樣本建模,縮短換型與新批次上線周期
  • 在線全檢 100% 覆蓋,節拍匹配高速塗布產線

把缺陷拦在卷繞之前,每一處暗斑都不進入下一道工序。

方案落地後,塗布工序最小可穩定檢出優于 50μm 的暗斑與掉料缺陷,綜合準確率保持在 97% 以上,誤報得到有效壓製。在線全檢替代了原有抽檢與人工燈檢,缺陷流出大幅下降,為後續卷繞與化成提供了一致性更高的極片來源。

預約 Demo / 獲取報價 查看新能源電池方案