企业动态明治传感器智能新能源AI超级平台守护制造的安康之手
为了实现碳达峰、碳中和的宏伟目标，能源转型不仅是关键，也是最紧迫的任务之一。随着新能源汽车需求的爆炸性增长，电池产量面临前所未有的挑战。行业普遍遭遇人手不足、高成本以及生产效率低下的困境，自动化生产效率提升变得越发迫切。在此背景下，机器视觉技术以其强大的实力，在工业领域迅速崛起，并成为企业智能制造不可或缺的一部分。
明治深度学习meiji AIV智能制造解决方案，以其独特的定制光学系统、机器人控制系统及深度学习算法，为客户提供了快速迭代缺陷检测模型和全流程物料ID追溯能力，无需编程即可部署模型，全工艺段检测无一遗漏。
在今天，小明将分享两款深度学习方案如何应用于电池质检中的成功案例。
第一案例：新型电池外观缺陷检测
某知名新能源车头部品牌面临着实验产线上一种新型汽车电池（供货给客户）的外壳可能因质量问题或加工过程中损伤而出现不同程度外观缺陷。现行的人工质检方式受限于产能和良品率，因此寻求引入自动化设备取代人工进行质检。
客户需求包括对色差、气泡、脏污、划痕等缺陷进行OK/NG二分类，以及单个样品检测时间不得超过1分钟，不漏检且过检率控制在1%之内。此外，还需要适配不同尺寸的电池并对各面进行全面检查。
明治解决方案通过整体机构设计与ViMo AI视觉检测软硬件一体化方案打造了高精度图像成像平台。这项项目不仅帮助客户建立了严格、一致且稳定的质检标准，还替换掉15名质检人员，从而节省了近百万人民币的人力成本每年，同时提高了产线良品率。
第二案例：电芯极片切叠一体机配套
在锂电池生产过程中，极片裁切及极片叠片是两个关键步骤，但现有技术存在低自动化水平、高劳动强度和易损坏极片的问题。因此，该公司希望在其专用的电芯极片切叠一体机内集成深度学习解决方案来改善这一状况。
主要要求包括识别并分类极片表面的缺陷，以及测量外长和宽度，并确保尺寸精准到±0.1mm。此外，每次测试应只需0.23秒完成。明治团队采用定制线扫+面阵多相机打光方案与4相机坐标系融合标定，以实现全自动上下料、检测及裁切功能。这项项目不仅能够消除15余种常见缺陷，而且具有99%以上的准确率，使得整个生产效率翻倍，并减少4名工作人员需求，从而进一步降低操作成本。
总结来说，由于机器视觉技术带来的显著优势，如高精度、高准确性、高重复性以及综合成本更低，它正逐渐成为推动工业数字化升级与柔性制造变革的重要力量。不论是在新的能源转型领域还是广泛范围内的事业，这项技术都将持续激励企业向前发展，加速智造时代的到来。
