划痕&瑕疵|电池表面AI视觉缺陷检测解决方法

  电池作为需求量极大的产品，其质量高低在生产环节中具有重要意义。但是，人工检测电池不但效率低下，而且电池表面为金属制成，反光严重，长期的人眼检测有损视力健康。因此机器视觉检测技术的研究，将有助于电池制造行业的水平提高。

  电池在生产过程中，因生产工艺不足或其他偶然因素会产生一些次品，因此希望能够研发一套电池外观检测设备，能自动将不合格电池检出。

  电量指标检测可通过设计电子装置，完成对电池电流电压进行快速检测，判断其电流电压数值及充放电性能是否存在异常。

  外观缺陷检测则复杂得多，因电池具有正负两极，则外观检测分为正极和负极两方面。

  正极外观缺陷主要包括：划痕、 锈斑、凹点、光面等，另外包装过程中，也会产生正负极颠倒、型号混淆等错装事件。

  检测原理：将电芯物料放入输送线进行排序上料到达光学检测玻璃转台区域进行实时采图。检测区域利用像素光学相机加微焦镜头呈360°角覆盖分布，从而全方位采集电芯上下表面、内外围侧面的图像数据，:并传送到检测平台进行深度学习运算，根据客户标准进行良疵判定，再利用光电分料机构将不良品分至NG区归类，i设备基于机器视觉原理结合深度学习神经网络缺陷识别算法，并支持GPU加速，高效检测聚合物电池外观缺陷。

  检测难度节节攀升

  电池视觉检测存在众多难点，传感器成像和图像处理均较为困难。

  电池外观缺陷种类繁多，主要包括：划痕、锈斑、污脏、凹点、光面等，缺陷尺寸多在毫米级。

  与纺织物品等缺陷检测不同，电池外表面为金属制成，金属表面在光源照射下反光严重。

  且电池生产工艺受限，金属表面难以保证绝对平整，微表面存在不平，又致使漫反射严重；

  同时表面字符刻制不够标准，存在位置偏移、 且深浅不一等现象，因此成像后图像字符粗细和位置将出现较大的变化，这些给光路系统设计和图像处理带来极大困难。

  为提高检测效率，生产中通常会采用多点检测，在每个检测点下实现多电池目标同时检测，因此光源难以保证均匀照射于各电池表面，给后续的处理带来难度；

  另外电池正极面的字符倾斜角度在图像上呈现为随机变化，图像校正也成为研究中的难点。