随着新能源车需求的持续增长，锂电池在新能源行业的应用前景广阔。目前锂电池分为硬壳和软包电池，硬壳则分为圆柱和方形电池。其中方形电池凭借其放电倍率、循环寿命、安全性等方面的优势，成为主流封装。

锂电池工艺链分为前中后三段，以方形锂电为代表，其工艺链存在大量的质检需求，传统视觉可满足各工艺环节的定位和纠偏应用。而在极片、焊缝、绝缘隔膜等需要检测表面缺陷的工序中，传统视觉检测的精度受缺陷形态影响，通过针对性调参后，易消耗过多的内部资源，效果可能仍无法达到预期。因此，对锂电行业内的缺陷检测引入深度学习算法，使用一定量缺陷样本本来训练生成AI模型，让AI来判断缺陷和位置，可达到较好的检测效果。

VM算法开发平台作为海康的核心智能产品，不仅包含了定位、测量、处理等传统视觉模块，更集成图像分割、字符训练、图像分类、目标检测、图像检索、实例分割以及异常检测等AI算法模块，可使用VisionTrain对需要用到的AI模块进行学习训练。

1.在工艺前段的极片预分切工序中，会将宽度较长的极片卷按需求分切成多卷窄条极片，同时需要对极片正反面（阴阳极）进行缺陷检测，缺陷类型包括掉料、破损、折痕、划痕、凹坑等。

对丰富缺陷形态的检出是深度学习的应用方向，而针对耗时与分类准确率，通过VM内部算法性能上的优化，使多分类任务的耗时大幅下降，同时保证了检出精度。

2.在工艺中段的顶盖焊接环节中，需检测方形电池壳体周围的激光焊印，如是否存在虚焊、漏焊、断焊、爆点等缺陷，以评估焊接质量。

采用面阵相机配合步进的方式进行检测，通过深度学习算法，兼容了不同背景的样本，对于相似缺陷，在标注上赋予忽略以加大采样，最终能快速精准的获得缺陷的位置及其类别标签。

3.在工艺后段的密封钉焊接环节中，会出现焊点、炸焊、漏焊、焊偏的情况，人工目检效率不高，传统调参难以满足检出需求。需要检测的区域包括：焊缝区，密封钉内圈以及清洗区。

通过海康深度学习算法，不仅克服了难点，准确定位缺陷的位置，且在做产线复制时，AI模型可快速兼容使用，促使项目落地。

通过深度学习算法让机器拥有“辨别”能力，结合传统算法使预测结果更具交互性。海康VM算法开发平台/SC智能相机系列，搭配VisionTrain深度学习训练平台，多种深度学习训练模式供您灵活使用，快速掌握AI能力。