锂电应用实例 | 海康机器人3D视觉解决方案
点击下方卡片，关注“新机器视觉”公众号
重磅干货，第一时间送达
随着新能源汽车蓬勃发展，锂电池的生产质量也备受关注，其生产工序复杂多变，从极片制造，到电芯制造，再到电池组装，都需要更高效、更智能的机器视觉检测技术。海康机器人经过长期的硬件技术积累和软件平台的突破，针对锂电行业中后段3D缺陷检测和高精度测量，推出了整套解决方案，为用户提供更优质的选择。
▍需求
电芯卷绕、叠片完成后，极耳与顶盖进行焊接，需要检测焊道凹凸、爆孔、孔洞、发黑
▍挑战
爆孔和孔洞区分难度大 缺陷类型复杂，位置随机 细微瑕疵与极耳颜色相近，难以精确提取缺陷特征
▍方案：MV-DP2060-01H+VM 3D算法平台
▍效果
相机扫描极耳焊接位置的3D点云集，通过高度阈值有效拦截焊渣、焊厚等异常
焊接缝隙狭窄，检测精度要求高 焊缝边缘有噪点干扰，为算法处理带来挑战
检测节拍要求高，四边检测2.5s以内 焊缝缺陷类型多，部分深度缺陷不易检出
检测锂电池顶盖平整度、长宽尺寸
检测正负极柱高度、平整度、共面度
检测节拍、精度要求高
锂电池表面反光，影响成像稳定性
▍需求
密封钉焊接后扫描焊痕，检测是否存在爆孔、断焊、针孔、虚焊等 检测密封圈是否存在偏位
▍挑战
密封钉焊接缺陷形态丰富，难以界定其形态边缘 密封圈中存在灰尘、脏污，干扰成像效果
▍方案：MV-DP2060-01H+VM 3D算法平台
▍效果
用图像增强模块对密封钉深度图进行预处理，再通过滤波差分有效识别密封钉焊接缺陷
▍需求
检测电池外壳直径0.3mm，高度0.1mm以上的凹坑和凸起
检测长10mm，宽1mm，深0.05mm以上的划痕
▍挑战
划痕种类繁多，细而深的划痕和针孔缺陷容易漏检
对于外壳表面的擦伤进行误判
▍方案：MV-DP2120-01H+VM 3D算法平台（AI+3D检测）
▍效果
通过VM 3D算法平台中的AI训练和3D深度检测，快速准确地的识别出壳体表面缺陷
07 方壳电池包膜后鼓包检测
电池在包蓝膜后，检测蓝膜表面形成的直径大于2mm的气泡 包膜边缘不平整/裂纹/脏污/磨破
蓝膜本身光学特性缺陷特征不明显 缺陷种类多且部分缺陷种类样本难收集
本文仅做学术分享，如有侵权，请联系删文。
评论