數(shù)控機(jī)械設(shè)備 抗干擾能力強(qiáng)

數(shù)控機(jī)械設(shè)備 抗干擾能力強(qiáng)

疊片機(jī)作為動(dòng)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(duì)于提高動(dòng)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(dòng)下,，高速疊片機(jī)市場(chǎng)規(guī)模持續(xù)增長(zhǎng),。據(jù)統(tǒng)計(jì)，2021年全球疊片機(jī)市場(chǎng)銷(xiāo)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(zhǎng)率(CAGR)為8.9%。其中,，疊片機(jī)用視覺(jué)系統(tǒng)市場(chǎng)規(guī)模在2024年預(yù)計(jì)達(dá)到42億,，視覺(jué)系統(tǒng)行業(yè)年度增長(zhǎng)40%。

在熱復(fù)合高速疊片機(jī)負(fù)極隔膜外觀缺陷視覺(jué)檢測(cè)環(huán)節(jié),，也存在一些具有挑戰(zhàn)性的問(wèn)題,。傳統(tǒng)機(jī)器視覺(jué)無(wú)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(kāi)，導(dǎo)致大量合格品被過(guò)殺而造成的非必要浪費(fèi),。當(dāng)前國(guó)內(nèi)高速疊片機(jī)視覺(jué)檢測(cè)系統(tǒng)普遍需要較長(zhǎng)的部署周期,，并且仍然需要大量人工復(fù)檢，過(guò)殺率大于2%,。

針對(duì)當(dāng)前行業(yè)痛點(diǎn),，章魚(yú)博士自主研發(fā)了高速疊片機(jī)AI視覺(jué)檢測(cè)系統(tǒng)，該系統(tǒng)基于基礎(chǔ)模型,、行業(yè)模型,、場(chǎng)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(cè)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(guò)系統(tǒng)部署，不僅可以對(duì)高速疊片機(jī)的9個(gè)工位進(jìn)行檢測(cè),，也可以用于常規(guī)疊片機(jī)的視覺(jué)檢測(cè),，大大降低了產(chǎn)線過(guò)殺率和漏殺率，提高了尺寸,、定位,、對(duì)齊度的檢測(cè)精度，檢測(cè)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(shì)。在硬件方面高質(zhì)量圖片獲取的也在軟件方面系統(tǒng)建立鋰電數(shù)據(jù)集,，開(kāi)發(fā)鋰電大模型,，基于鋰電數(shù)據(jù)集訓(xùn)練模型，加之對(duì)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(cè)精度,，尤其是降低漏檢率。

終憑借小尺寸缺陷檢測(cè)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(cè),，在部署時(shí)間上節(jié)省約60%,，過(guò)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(lèi)算法，用AI分類(lèi)算法區(qū)分“氣泡”和“褶皺”缺陷,，通過(guò)現(xiàn)場(chǎng)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(lèi)速度,。

相關(guān)案例：

某鋰電動(dòng)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(cè)工位,，出現(xiàn)熱復(fù)合氣泡良品和極片褶皺不良品CCD視覺(jué)無(wú)法分檢問(wèn)題,，現(xiàn)場(chǎng)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(duì)以上問(wèn)題,，章魚(yú)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(jué)算法無(wú)法辨別的氣泡和褶皺問(wèn)題，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(guò)產(chǎn)線長(zhǎng)久驗(yàn)證，AI算法將原有過(guò)殺率降低至少2%,，單臺(tái)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,。

數(shù)控機(jī)械設(shè)備 抗干擾能力強(qiáng)