在制造极片历程，如辊压、分条、模切等工序，除了需要对正负极外貌缺陷举行检测和监控外，还需对极片边沿横向、纵向两个维度毛刺实时在线检测，目今产线主流装备速率达120米/分钟，这对机械视觉检测精度和响应速率提出了极大挑战。

OPT机械视觉在极片分条机的应用示意图

对此，OPT推出了一系列契合锂电极片检测的CXP面阵相机，并团结高角度和背光的打光方法，更能凸显偏向各异的毛刺特征。该系列的面阵相机兼具高带宽、高区分率特征，带宽速率可达20Gbps，其扫描速率可应对更快的运动系统，检测精度达7μm。

OPT极片毛刺检测示意图

在实验项目历程中，OPT累积了大宗极片毛刺样本数据，并使用深度学习软件举行训练标注，天生AI检测模子，可快速精准检测差别尺寸、差别形态的毛刺。

极耳翻折对电池质量有严重影响甚至引发清静隐患，其视觉检测作为包管电池清静和性能的主要关卡，也是行业的难点之一。

以极耳的卷绕环节为例，OPT接纳高速线阵相机和面阵相机，对电芯上的每片极耳举行检测，扫描速率抵达3米/秒，保证卷绕前的极耳无翻折缺陷。

OPT机械视觉在极耳卷绕机的应用示意图

同时，在下料环节，还需检测极耳的正面和侧面，双向检测更周全。OPT接纳液态镜头，通过多次侧面成像，审查极耳的内层是否保存翻折，对焦的速率可达毫秒级。

进入极耳焊接段，对视觉检测更为严苛，要求必需做到零漏检，避免有极耳翻折、断裂、碎屑等缺陷的裸电芯流入包装环节。

OPT极耳翻折检测示意图

OPT充分使用2D视觉算法和深度学习的组合方法举行全检，先通过定位电芯主体和极耳位置，再添加ROI框，使用深度学习目的检测功效，提取差别的缺陷形态特征 、颜色特征等；并在极耳两侧区域使用找边、Blob剖析算法检测极耳有无翻折，实现对极耳检测的零漏报。

同时，基于深度学习的锂电检测，OPT在小样本学习、迁徙学习等方面实现要害手艺立异，不但解决了太过依赖大宗缺陷样本数据，还大幅缩短训练周期，相近工艺的产品换型检测实现一键迁徙，项目安排更高效。

包覆蓝膜是锂电池生产历程的一道主要工序，能对电芯起到绝缘防护作用。受蓝膜材质和厚度影响，在覆膜历程中容易泛起划痕、气泡等重大多样的缺陷，OPT深度融合3D、2D、分频及深度学习手艺，设计电芯六面全检的视觉计划。现在，该视觉计划已在多个项目现场稳固运行，检测的速率可达30PPM。

为阻止蓝膜、顶盖金属等反光材质影响，OPT接纳的3D传感器内置了高动态算法，自动调谐激光功率与增益，州材质的成像均稳固清晰；并且团结Smart3视觉软件的3D外貌缺陷检测算法，使用基准面拟合、曲面校正，便可对缺陷举行精准定位和提取特征信息，如顶盖绝缘板的损伤、翘起、压痕；极柱外貌的污渍、溢胶；尚有蓝膜上的凹坑、凸点等，检测精准。

针对电芯顶盖电解液侵蚀的检测难题，OPT接纳低角度打光方法，稳固检测直径大于2mm的电解液结晶；同时，使用球积分光源的漫反射特征，穿透防爆阀PP膜，精准检测PP膜下的异物和电解液。

在电芯六面检解决计划里，OPT还团结了分频手艺，使光源快速频闪，一次扫描即可获得多个差别的光学成像效果，并辅以深度学习算法功效，能对瑕疵举行准确判断，阻止漏检、误判。