随着全球能源危机和环境污染问题的日益突出，国家对于节能、环保等相关行业的发展高度重视，并大力兴起新能源行业作为国家节能减排的战略之一。

在新能源行业中，新能源电池作为该行业的重要支柱产品，行业需求量快速攀升，整体市场前景广阔，因此对于新能源电池产品质量的严格把控成为重中之重。

在智能制造的大趋势下，新能源行业新材料、新工艺涌现，同时现代社会对于产品质量检测的需求也逐渐加大，越来越多的新能源企业将创新机器视觉技术与产品应用到生产的各个环节。在新能源电池的缺陷检测、字符识别等环节中，有着良好的应用效果。

锂电池外观缺陷检测包含哪几部分？

鲤电池外观缺陷检测一般三部分：

第一、鲤电池成型前的极片尺寸动态检测: 极片尺寸检测包括膜片厚度、宽度、导电区高度&宽度绝缘区宽度等等。在流水线上生产线从0 ~100m/min的生产速度下都必须做到实时动态检测。

第二、钾电池成型前的极片缺陷动态检测；钾电池成型过程为非稳态控制，时常有膜片漏金属膜片拉丝、膜片涂膜错位、涂膜线性偏移等异常出现!若不能实时将异常检测出来而生产成鲤电池稍有不慎就会造成起火、爆炸等事故。目前针对以上两类外观检测都采用线扫相机实时检测模式!因生产速度要求、外形缺陷相异性等原因，目前已有成熟技术不能完全做到生产检测全程可控！当下兴起的深度学习技术在外观缺陷检测类上检测或许有补强的希望!

第三、鲤电池成型后模组、pack段检测！当下这方面技术比较成熟，可选择技术手段较多!在视觉焊接实时引导方面也有继续发展的空间!

机器视觉相较人眼，优势明显

机器视觉技术与人类通过眼睛获取信息的方式是一致的，光学图像的采集就好比是机器在用“眼睛”获取信息，检测算法就是机器在用“大脑”思考的过程。而光学图像定位方法又分为灰度定位和几何定位，基于灰度定位的算法是通过分析模板图像的灰度值与待测物体图像的灰度值的相关性大小来判断物体的位置。

近两年，锂电行业高歌猛进，不仅产能快速扩张，对产线良率的要求也越来越高，这给机器视觉的广泛应用带来肥沃的土壤。

机器视觉的技术核心在于图像识别和信息处理，可以广泛应用在工业制造、农业、交通等多行业的智能化过程中。相对于人眼，机器视觉在检测效率、精度、工作时间等方面均存在显著优势。均普智能机器视觉工程师何川博士介绍，仅以检测效率一项为例，其自主研发的机器视觉智能检测与人机交互技术，应用于新能源汽车、智能汽车等领域自动化生产线检测，相较传统检测方法，检测效率可提升2倍以上。

在产业链上，目前机器视觉的下游应用市场主要在汽车及其零部件、锂电池、消费电子等离散型制造业。尤其在锂电池领域的应用，高工锂电GGII信息显示，在涂覆、辊压等环节中，锂电产品表面容易产生露箔、暗斑、划痕等缺陷。这些缺陷严重影响锂电池的品质，产生安全隐患。此外，以方形卷绕电芯制造为例，在其顶盖预焊、密封钉焊接、外观检测等核心工艺流程上，必须由机器视觉来完成3D检测。在动力电池高品质、高安全性及降本增效的背景下，生产环节引入机器视觉设备已经成为主流趋势。

机器视觉赋能新能源行业生产

让产线自己“长眼睛”，从而摆脱人工劳动的低效和不稳定，机器视觉正在越来越多地应用于生产制造过程。GGII 数据显示，3C 电子行业是机器视觉最多的应用领域，连续多年应用占比第一；其次是汽车、半导体、锂电池、医药等行业。其中锂电行业需求增长明显，预计未来5-10 年将会是机器视觉主要增长的拉动引擎之一。

新能源行业产品工艺繁杂、流程较多，生产过程中，常常会产生虚焊、脱焊、集群装反、极柱变形等瑕疵，严重影响新能源电池产品的质量与稳定性。通过机器视觉能够大幅提升检测的精度、速度以及准确度，同时机器视觉系统还能适应危险环境下的使用。

随着工业4.0进程的不断推进，新能源行业的智能化发展已经迫在眉睫，行业产品对于机器视觉技术的要求不断提高，如何抓住机遇，拓宽机器视觉设备在新能源行业的应用范围，满足新能源行业的市场需求、加速适应新变化，对当前众多机器视觉厂商来说是机遇也是挑战。

面对机遇，视觉企业必须深度研究机器视觉技术，同时，分析新能源行业的客户需求，并在该领域持续发力。坚持以深度学习算法为核心的差异化发展优势，坚持技术与产品的持续创新，将AI算法、3D视觉等相关机器视觉创新技术融入智能感知的关键设备，精准解决新能源产品的生产痛点，才能实现新能源行业产品缺陷的高效检出。

文章来源： 深眸科技，光明网，eefocus，电子发烧友