在新能源電池生產中，極耳焊接質量直接影響電芯的安全性和可靠性。DaoAI 憑藉其獨特的 AI-AOI 自動質量門技術，為解決極耳焊接檢測難題提供了有效的方案。
場景：在新能源電池行業蓬勃發展的當下，電芯作為電池的核心組成部分，其質量直接關係到電池的效能和安全性。極耳作為電芯內部電流匯出的通道，它與極片、蓋板之間的焊接質量，是決定電流密度分佈以及電池長期可靠性的關鍵因素。一旦極耳焊接出現毛刺、虛焊等問題，在電池使用過程中，這些缺陷可能會刺穿隔膜形成內短路，或者導致區域性過熱，進而誘發熱失控，給電池的使用帶來嚴重的安全隱患。
痛點：為什麼難
從量化維度來看，傳統的極耳焊接檢測方法存在諸多問題。首先是漏檢率高，據統計，傳統視覺檢測的漏檢率可達 5% -10%，這意味著每 100 個電芯中可能有 5-10 個存在焊接缺陷的電芯會流入後續生產環節。其次是誤判率高，誤判率能達到 8% -15%，大量的誤判不僅增加了人工複核的工作量，還降低了生產效率。再者，換型時間長，傳統方法在更換不同型號極耳的焊接檢測時，換型時間可能長達 30-60 分鐘，嚴重影響了生產的靈活性。
那麼，為什麼極耳焊接檢測如此困難呢？一方面，客戶不希望對既有焊接產線進行大規模改造，這就限制了檢測裝置的安裝和使用。另一方面，焊縫表面是高反光金屬，這使得傳統視覺檢測在成像時容易受到反光的干擾，導致影象模糊，難以準確識別缺陷。而且，毛刺尺寸小，通常在微米級，虛焊特徵隱蔽，傳統視覺檢測很難捕捉到這些細微的變化，從而容易出現誤判和漏檢的情況。
技術原理
DaoAI 的 AI-AOI 檢測單元採用了緊湊結構，能夠在原工位直接嵌入，無需對既有產線進行大的改動。針對高反光金屬焊縫，它設計了多角度光照與成像系統。透過不同角度的光照，可以有效抑制反光，使得焊縫表面的影象更加清晰，便於後續的缺陷識別。結合深度學習模型，該系統能夠對毛刺、錯位、虛焊等關聯熱失控的關鍵缺陷進行分類判定。深度學習模型經過大量的樣本訓練，能夠準確識別不同型別的缺陷特徵，大大提高了檢測的準確性。
與傳統方法相比，DaoAI 的技術優勢明顯。傳統視覺檢測主要依賴於預設的規則和特徵進行判斷，對於複雜的缺陷和細微的變化難以準確識別。而 DaoAI 的深度學習模型具有強大的學習能力，能夠不斷適應新的缺陷特徵和焊接形貌。此外，DaoAI 還採用了 APDT 正樣本學習技術，它可以適配不同型號極耳的焊接形貌，在換型時，能夠快速調整檢測引數，換型時間可縮短至 5 分鐘以內，大大提高了生產的靈活性和效率。
典型應用場景
- 毛刺檢測：毛刺尺寸微小，通常在 10-50 微米之間。檢測時，DaoAI 的多角度光照系統可以從不同角度照亮焊縫，使得毛刺在影象中更加明顯。深度學習模型透過對毛刺的形狀、大小、位置等特徵進行學習和分析，能夠準確識別毛刺。難點在於如何在高反光的焊縫表面清晰地捕捉到微小的毛刺，以及區分毛刺和正常的焊縫紋理。
- 虛焊檢測：虛焊的特徵比較隱蔽，很難透過肉眼直接觀察到。DaoAI 的系統透過分析焊縫區域的灰度值、紋理等特徵，利用深度學習模型判斷是否存在虛焊。難點在於虛焊的特徵不明顯，容易與正常的焊接區域混淆，需要模型具有較高的敏感度和準確性。
- 極耳錯位檢測：極耳錯位會改變電流路徑併產生區域性過熱。DaoAI 利用影象識別技術，透過對比極耳的實際位置和標準位置，判斷極耳是否發生錯位。難點在於如何準確確定極耳的標準位置，以及在不同光照條件下準確識別極耳的邊緣。
- 焊縫不均勻檢測：焊縫不均勻可能會導致電流分佈不均，影響電池的效能。DaoAI 的系統透過分析焊縫的灰度值分佈，判斷焊縫是否均勻。難點在於如何區分正常的焊縫灰度變化和不均勻的缺陷。
落地案例
某中型電芯廠，其既有焊接產線年產能約為 5000 萬顆電芯。該廠主要依賴抽檢與人工複核進行極耳焊接檢測，難以滿足客戶對零漏檢的要求。在引入 DaoAI 的 AI-AOI 自動質量門系統時，上線過程相對順利。DaoAI 團隊在原工位進行了緊湊的裝置安裝和除錯，儘量減少了對既有產線的影響。上線前，該廠的漏檢率約為 8%，誤判率約為 12%，換型時間約為 45 分鐘。上線後，漏檢率降低至 1% 以下，誤判率降低至 3% 以下，換型時間縮短至 5 分鐘以內。
質量門只問一個問題：這顆電芯，敢不敢放進電池包。
微鏈道愛解決方案與產品
微鏈道愛的 DaoAI 產品以 AI-AOI 自動質量門為核心，為極耳焊接檢測提供了全面的解決方案。該產品透過在原工位嵌入檢測單元，實現了對每一顆電芯的 100% 自動判定。針對高反光金屬焊縫最佳化光照與成像，抑制了反光導致的誤判。深度學習分類技術能夠準確識別毛刺、錯位、虛焊等關鍵缺陷。APDT 正樣本學習技術使得系統能夠快速適配多型號極耳，換型過程更加高效。不合格件能夠實時分流，確保了只有合格的電芯進入後續生產環節。
量化成效：DaoAI 系統將原本依賴人工的抽檢升級為逐件全檢的自動閘門，關鍵缺陷檢出率趨近 99% 以上，漏檢率降低至 1% 以下，誤判率降低了 -9%，換型時間從原來的 30-60 分鐘縮短至 5 分鐘以內，從源頭壓低了與熱失控相關的安全風險，大大提高了生產效率和產品質量。
常見問題
極耳焊接的毛刺和虛焊會帶來什麼後果？
極耳焊接毛刺可能刺穿隔膜形成內短路，虛焊在迴圈中逐漸惡化，極耳錯位會區域性過熱，這些都是熱失控高風險誘因。DaoAI 可透過其 AI-AOI 自動質量門系統攔截此類缺陷，保障電芯安全。
DaoAI 產品方案如何解決極耳焊接檢測難題？
DaoAI 在原工位嵌入 AI-AOI 檢測單元，針對高反光焊縫最佳化光照成像，用深度學習分類缺陷，APDT 適配多型號，實現逐件全檢與實時分流，有效解決了傳統檢測方法的誤判和漏檢問題。
DaoAI 系統對既有產線有什麼影響？
DaoAI 系統在既有產線上最小改造完成整合，將抽檢升級為逐件全檢，關鍵缺陷趨近零漏檢，從源頭降低熱失控安全風險，同時提高了生產效率和產品質量。
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。