在制造极片历程
，如辊压、分条、模切等工序
，除了需要对正负极外貌缺陷进行检测和监控外
，还需对极片边沿横向、纵向两个维度毛刺实时在线检测
，目今产线主流设备速度达120米/分钟
，这对机械视觉检测精度和响应速度提出了极大挑战。

OPT机械视觉在极片分条机的应用示意图

对此
，OPT推出了一系列契合锂电极片检测的CXP面阵相机
，并结合高角度和背光的打光方法
，更能凸显偏向各异的毛刺特征。该系列的面阵相机兼具高带宽、高区分率特性
，带宽速度可达20Gbps
，其扫描速度可应对更快的运动系统
，检测精度达7μm。

OPT极片毛刺检测示意图

在实施项目历程中
，OPT累积了大宗极片毛刺样本数据
，并利用深度学习软件进行训练标注
，生成AI检测模型
，可快速精准检测差别尺寸、差别形态的毛刺。

极耳翻折对电池质量有严重影响甚至引发宁静隐患
，其视觉检测作为包管电池宁静和性能的重要关卡
，也是行业的难点之一。

以极耳的卷绕环节为例
，OPT接纳高速线阵相机和面阵相机
，对电芯上的每片极耳进行检测
，扫描速度抵达3米/秒
，保证卷绕前的极耳无翻折缺陷。

OPT机械视觉在极耳卷绕机的应用示意图

同时
，在下料环节
，还需检测极耳的正面和侧面
，双向检测更全面。OPT接纳液态镜头
，通过多次侧面成像
，检察极耳的内层是否保存翻折
，对焦的速度可达毫秒级。

进入极耳焊接段
，对视觉检测更为严苛
，要求必须做到零漏检
，避免有极耳翻折、断裂、碎屑等缺陷的裸电芯流入包装环节。

OPT极耳翻折检测示意图

OPT充分利用2D视觉算法和深度学习的组合方法进行全检
，先通过定位电芯主体和极耳位置
，再添加ROI框
，利用深度学习目标检测功效
，提取差别的缺陷形态特征 、颜色特征等；并在极耳两侧区域使用找边、Blob剖析算法检测极耳有无翻折
，实现对极耳检测的零漏报。

同时
，基于深度学习的锂电检测
，OPT在小样本学习、迁移学习等方面实现要害技术立异
，不但解决了太过依赖大宗缺陷样本数据
，还大幅缩短训练周期
，相近工艺的产品换型检测实现一键迁移
，项目安排更高效。

包覆蓝膜是锂电池生产历程的一道重要工序
，能对电芯起到绝缘防护作用。受蓝膜材质和厚度影响
，在覆膜历程中容易泛起划痕、气泡等庞大多样的缺陷
，OPT深度融合3D、2D、分频及深度学习技术
，设计电芯六面全检的视觉计划。目前
，该视觉计划已在多个项目现场稳定运行
，检测的速度可达30PPM。

为制止蓝膜、顶盖金属等反光材质影响
，OPT接纳的3D传感器内置了高动态算法
，自动调谐激光功率与增益
，种种材质的成像均稳定清晰；并且结合Smart3视觉软件的3D外貌缺陷检测算法
，利用基准面拟合、曲面校正
，便可对缺陷进行精准定位和提取特征信息
，如顶盖绝缘板的损伤、翘起、压痕；极柱外貌的污渍、溢胶；另有蓝膜上的凹坑、凸点等
，检测精准。

针对电芯顶盖电解液腐化的检测难题
，OPT接纳低角度打光方法
，稳定检测直径大于2mm的电解液结晶；同时
，利用球积分光源的漫反射特性
，穿透防爆阀PP膜
，精准检测PP膜下的异物和电解液。

在电芯六面检解决计划里
，OPT还结合了分频技术
，使光源快速频闪
，一次扫描即可获得多个差别的光学成像效果
，并辅以深度学习算法功效
，能对瑕疵进行准确判断
，制止漏检、误判。