疊片機(jī)作為動力電池制程中的核心工段之一，其高生產(chǎn)效率和高精度等優(yōu)點(diǎn)，對于提高動力電池的性能和降低成本具有重要意義。

在精益高效生產(chǎn)的推動下，高速疊片機(jī)市場規(guī)模持續(xù)增長。據(jù)統(tǒng)計(jì)，2021年全球疊片機(jī)市場銷售額達(dá)到了數(shù)億美元，預(yù)計(jì)2028年將達(dá)到近10億美元，年復(fù)合增長率(CAGR)為8.9%。其中，疊片機(jī)用視覺系統(tǒng)市場規(guī)模在2024年預(yù)計(jì)達(dá)到42億，視覺系統(tǒng)行業(yè)年度增長40%。

但是，在熱復(fù)合高速疊片機(jī)負(fù)極隔膜外觀缺陷視覺檢測環(huán)節(jié)，也存在一些具有挑戰(zhàn)性的問題。傳統(tǒng)機(jī)器視覺無法有效將極片褶皺，隔膜褶皺，隔膜膠印，隔膜劃痕和復(fù)合氣泡等目標(biāo)區(qū)分開，導(dǎo)致大量合格品被過殺而造成的非必要浪費(fèi)。當(dāng)前國內(nèi)高速疊片機(jī)視覺檢測系統(tǒng)普遍需要較長的部署周期，并且仍然需要大量人工復(fù)檢，過殺率大于2%。

針對當(dāng)前行業(yè)痛點(diǎn)，章魚博士自主研發(fā)了高速疊片機(jī)AI視覺檢測系統(tǒng)，該系統(tǒng)基于基礎(chǔ)模型、行業(yè)模型、場景大模型，運(yùn)用深度學(xué)習(xí)算法，整合智能硬件、數(shù)據(jù)預(yù)算、圖像處理于一體，著重于解決目前高速疊片機(jī)極片缺陷檢測準(zhǔn)確率低、算法兼容性差、模型迭代難、軟件SOP不統(tǒng)一等痛點(diǎn)。通過系統(tǒng)部署，不僅可以對高速疊片機(jī)的9個(gè)工位進(jìn)行檢測，也可以用于常規(guī)疊片機(jī)的視覺檢測，大大降低了產(chǎn)線過殺率和漏殺率，提高了尺寸、定位、對齊度的檢測精度，檢測速度也取得了突破性的提升，目前已在頭部鋰電廠商多地域廠區(qū)部署。

該系統(tǒng)在硬件和軟件算法上都具備差異化的技術(shù)優(yōu)勢。在硬件方面高質(zhì)量圖片獲取的同時(shí)，也在軟件方面系統(tǒng)建立鋰電數(shù)據(jù)集，開發(fā)鋰電大模型，基于鋰電數(shù)據(jù)集訓(xùn)練模型，加之對特定極片進(jìn)行AI模型訓(xùn)練，從而縮短部署時(shí)間和提升檢測精度，尤其是降低漏檢率。

最終憑借小尺寸缺陷檢測算法，及多尺度的訓(xùn)練策略，在大數(shù)據(jù)的加持下，實(shí)現(xiàn)高準(zhǔn)確率的小尺寸缺陷檢測，在部署時(shí)間上節(jié)省約60%，過殺率降低為0.3%。

其中，企業(yè)自主研發(fā)的熱復(fù)合疊片負(fù)極隔膜外觀缺陷檢AI應(yīng)用技術(shù)，基于PYTORCH主流深度學(xué)習(xí)框架訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)的AI隔膜缺陷分類算法，用AI分類算法區(qū)分“氣泡”和“褶皺”缺陷，通過現(xiàn)場收集真實(shí)樣品圖片數(shù)據(jù)，訓(xùn)練AI模型，終端結(jié)合GPU硬件加速推理部署，提高分類速度。

相關(guān)案例：

某鋰電動力電池生產(chǎn)商，在熱復(fù)合切疊一體負(fù)極隔膜質(zhì)量檢測工位，出現(xiàn)熱復(fù)合氣泡良品和極片褶皺不良品CCD視覺無法分檢問題，現(xiàn)場導(dǎo)致大量的良品氣泡極片被錯(cuò)誤排片，造成極大的成本浪費(fèi)。

針對以上問題，章魚博士技術(shù)人員部署了一套自主研發(fā)基于Resnet殘差基礎(chǔ)網(wǎng)絡(luò)修改的AI算法，高效快速解決傳統(tǒng)機(jī)器視覺算法無法辨別的氣泡和褶皺問題，同時(shí)利用線體控制器結(jié)合GPU和加速推理軟件架構(gòu),軟件和硬相結(jié)合，實(shí)現(xiàn)快速部署加推理方案。經(jīng)過產(chǎn)線長久驗(yàn)證，AI算法將原有過殺率降低至少2%，單臺設(shè)備每個(gè)班次（12H）可有效減少良品排片500-1000pics,每月降低生產(chǎn)成本損失約1.5W。