医疗器械网(120med.com)欢迎您!

| 登录 注册
网站首页-资讯-专题- 微头条-话题-产品库- 品牌库-搜索-供应商- 展会-招标-采购- 社区-知识-技术-资料库-直播- 视频-课程

资讯中心

当前位置:医疗器械网> 资讯中心>镁伽AOI新品 | 电芯毛刺检测

镁伽AOI新品 | 电芯毛刺检测

来源:苏州镁伽科技有限公司      分类:前瞻 2023-11-30 15:55:47 9阅读次数

2023年7月,工信部、国家发改委、商务部共同印发《轻工业稳增长工作方案(2023—2024年)》,其中提出大力发展高安全性锂离子电池等电池产品,扩大在新能源汽车、储能、通信等领域应用。全球新能源浪潮袭来,锂电池市场空间加速扩大。


随着锂电池制造智能化、自动化程度的提升,机器视觉产品开始广泛应用于锂电芯生产的各个工段。从前段制片环节、中段组装环节、后段测试环节及模组 PACK 段,机器视觉应用渗透率在逐步提升。但随着锂电高速发展的同时,频频发生的事故值得警惕,对锂电产品的安全要求也更严苛。


镁伽科技基于当前整个锂电市场对于视觉检测保证产品的绝对安全的刚性需求,在深耕锂电新能源生产多年的基础上,打造镁伽锂电视觉检测的AOI团队,拥有大批量服务头部电池企业的实际应用案例,在当前PACK模组段视觉引导、毛刺检测、密封钉检测、漏液检测和极耳撕裂检测等产品检测的基础上,逐步覆盖锂电电芯全工序检测。


依托自研的机器视觉+人工智能平台,镁伽科技在锂电全工序中深入核心工艺段,打造成软硬一体的优质新能源锂电行业视觉检测方案提供商,助力锂电产业客户缩短项目落地周期,实现高安全、高质量的降本增效。


01

依托平台,助力生产


镁伽锂电智能质检解决方案,融合了完善的智能硬件、先进的视觉算法、丰富的行业经验,涉及包括感知层、平台层、应用层等领域。通过完整的技术架构,将锂电行业检测需求,沉淀为范式化的视觉检测方案,可灵活应用于多类场景。


平台层以镁伽InteVega AI视觉为核心,快速实现视觉模型训练、软件集成和产线部署全流程。InteVega作为新一代AI视觉技术平台,根据数十年机器视觉行业项目经验总结,基于数据流引擎和500多个自主研发的2D/3D视觉+AI算子,以流程图的方式搭建视觉流程,实现对锂电行业的机器视觉需求进行零代码、全覆盖开发。并且随着产线运行,视觉模型将不断学习、升级,实现更精准、高效的检测。


应用层则包括软硬一体的质检系统、工业AI套件、可视化终端等,可以很好地嵌入到客户生产系统,实现质检产线的智能化升级。结合迁移学习、AIGC等技术,将小样本学习场景算法精度提升30%以上。

MEGA AI技术架构


面对锂电行业各类新产线的检测需求,镁伽解决方案凭借过硬的缺陷理解+算法应用迁移能力,实现了在缺陷样本数据极少的情况下,完成新检测需求的迅速迭代调优,帮助企业解决生产难题,抢得更多市场。


目前,镁伽锂电行业质检解决方案已获得业内认可,并在多家国内头部锂电客户得到了规模化复制。



案例:镁伽科技为某头部客户打造的电芯极片分切机在线毛刺检测系统。检测速度高达120m/min,检测内容涵盖正极、负极的极片缺陷,如毛刺、脱碳和开裂等。


正极算法采用InteVega平台集成的目标检测AI模型,该算法通过多尺度特征融合,兼容不同视野范围的图像,并对其中小毛刺进行有效检出。同步采用平台的高精度语义分割AI模型,克服复杂的背景和图像明暗,在铝屑、脱碳等干扰下,分割出真正的毛刺区域,最后再通过EdgeTrend亚像素边缘计算获取碳层边缘,箔材边缘等基准,大幅度提高毛刺检测精度。


负极算法通过平台2D算法模块提取极片碳层区域并获取亚像素极片的上下边缘,并通过形态学+特征分析判断碳层区域是否完整,以及是否存在掉料NG。采用InteVega算法平台中的语义分割AI模型获取铜层区域并判断是否存在露铜和大面积开裂。


算法部署方面,采用基于GPU的硬件和并行处理加速,运行速度提高50%,最终实现300万像素图像平均3ms以内的处理速度,帧率可达到400fps及以上,基于以上技术,在传统+AI算法结合的优势下,实现0漏检。


正极-NG原因:A类毛刺

毛刺伸出碳层的下边缘,伸出高度18.3μm

图中:绿色为碳层边缘,黄色为铝箔边缘


正极-NG原因:B类毛刺

毛刺未伸出碳层边缘,毛刺高度占极片半宽度的54.7%

图中:绿色为碳层边缘,黄色为铝箔边缘


负极-OK原图

算法处理效果图

图中:绿色为碳层边缘,红色区域为铜层



02

全工段覆盖,响应迅速


随着锂电市场的高速发展,工艺复杂、迭代发展极快,新材料、新工艺不断涌现,检测需求多变。为快速落地新产线,企业对视觉检测的适应性与泛化能力提出了更高要求。这就要求视觉检测解决方案,对锂电各工段拥有深厚的行业积累和技术沉淀,能对检测问题有深度理解,实现对客户需求的快速响应。


镁伽科技已在锂电行业沉淀出大量的行业Know-how,依靠自研的机器视觉与深度学习算法,基于工艺信息对锂电多个核心工段上的缺陷检测能力,能快速进行理解和快速评估,包括:锂电结构件,电芯前、后段,模组&PACK工艺段。

电芯段


模组段


03

专业团队,未来可期


基于目前锂电行业的市场需求,镁伽科技对锂电AOI团队进行了战略性的变革重组,引进多名长期致力于锂电行业和视觉领域专业的博士、硕士等高学历资深人才,重塑研发技术体系,为公司在锂电行业的发展奠定坚实的基础。


镁伽科技将与行业TOP客户们一道尽最大努力,利用自身在新能源、半导体、新型显示等行业Know-How的视觉解决方案、服务团队和交付能力等方面的先进技术和专业经验,共担使命,为推动智能制造及机器视觉产业链高质量发展而不懈努力。



镁伽科技通过与各友商的深度合作与积累,依托自研算法平台应用领域广、方案灵活、部署效益更高等优势,在锂电池生产的各工段上建立起完善的架构设计,形成了标准化的视觉方案。同时,方案可根据客户的产线问题,进行定制化的视觉方案优化,在保障锂电质检安全的前提下,实现产能的高效提升。


随着机器视觉在锂电行业的广泛应用,镁伽科技也将持续为锂电设备制造企业和终端合作伙伴提供更好的产品和服务,解决产线上面临的各种问题及挑战,高效助力锂电行业智能化发展。



参与评论

全部评论(0条)

获取验证码
我已经阅读并接受《医疗器械网服务协议》

推荐阅读

版权与免责声明

①本文由医疗器械网入驻的作者或注册的会员撰写并发布,观点仅代表作者本人,不代表医疗器械网立场。若内容侵犯到您的合法权益,请及时告诉,我们立即通知作者,并马上删除。

②凡本网注明"来源:医疗器械网"的所有作品,版权均属于医疗器械网,转载时须经本网同意,并请注明医疗器械网(www.120med.com)。

③本网转载并注明来源的作品,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品来源,并自负版权等法律责任。

④若本站内容侵犯到您的合法权益,请及时告诉,我们马上修改或删除。邮箱:hezou_yiqi

关于作者

作者简介:[详细]
最近更新:2023-09-18 16:20:36
关注 私信
更多

最新话题

最新资讯

作者榜

0.163260s