鋰電市場爆火，機器視覺技術(shù)如何保駕護航？

機器視覺賦能鋰電制造

但實際生產(chǎn)過程中相當復(fù)雜且敏感。電極的涂層厚度對電池的性能甚至穩(wěn)定性都有著很大的影響。尤其在大規(guī)模生產(chǎn)模式下，電池材料、電芯及PACK封裝等各個環(huán)節(jié)產(chǎn)生中產(chǎn)生的任何劃痕、露箔、氣泡、褶皺、暗斑、亮斑、掉料等缺陷，都將嚴重影響鋰電池產(chǎn)品的性能和品質(zhì)。

如何快速對鋰電池的各段生產(chǎn)工序進行層層的質(zhì)檢，成為了鋰電高效生產(chǎn)的關(guān)鍵環(huán)節(jié)。對此，機器視覺以極高的檢測效率、檢測精度和超強穩(wěn)定性，改變了鋰電池的生產(chǎn)方式，已成為鋰電池生產(chǎn)裝配中的標準配置。

目前，針對鋰電生產(chǎn)過程中的隔膜、涂布、輥壓、分切、模切、卷繞、疊片等工序，各大機器視覺供應(yīng)商分別給到了尺寸檢測、對齊度檢測、外觀缺陷檢測、位置歸正和糾偏閉環(huán)控制等解決方案。不同的是，在各檢測環(huán)節(jié)中，有的企業(yè)采用了最新技術(shù)，有的采用了最新算法。各有巧妙不同，但歸根結(jié)底，還是離不開機器視覺的四大核心——識別、測量、定位、檢測。

舉個例子，在極片涂布后烘烤前，對涂布寬度進行在線實時檢測，及時提供測量數(shù)據(jù)，實時糾正涂布寬度；在分切前，對極片外觀進行瑕疵檢測。切片后進行尺寸在線檢測；在模切后，機器視覺會識別極片外觀和尺寸進行檢測，及時剔除不合格產(chǎn)品；卷繞過程中需要實時檢測裸電芯同一圈內(nèi)和相鄰圈間陰陽極片、AT9、上下隔膜間邊緣的對齊度，在線計算極片、隔膜與基準位置的偏差量，反饋糾偏信號實現(xiàn)入料位置閉環(huán)糾偏控制。

3D視覺技術(shù)突破傳統(tǒng)機器視覺局限

目前市場上主流的有四種3D視覺技術(shù)：雙目視覺、TOF、3D結(jié)構(gòu)光和激光三角測量。

雙目視覺：是目前較為廣泛的3D視覺系統(tǒng)，通過兩臺以上攝像頭同時工作，獲取在不同視角下的感知圖像，通過三角測量原理計算圖像的視差來獲取景物的三維信息。具有響應(yīng)快、軟件簡單、識別距離遠的特點，且不需要進行灰度圖像的獲取與分析，因此不受外界光源物體表面性質(zhì)影響。雙目技術(shù)原理簡單，不需要使用特殊的發(fā)射器和接收器，所以具有實現(xiàn)靈活和成本低的優(yōu)點，適合于制造現(xiàn)場的在線、產(chǎn)品檢測和質(zhì)量控制。但雙目技術(shù)的劣勢是算法復(fù)雜，計算量大，不適合在光線較差的環(huán)境中使用。

TOF飛行時間法成像技術(shù)：其原理通過給目標物連續(xù)發(fā)送光脈沖，用傳感器接收從物體返回的光，計算光脈沖的飛行時間來得到目標物距離。由于TOF是根據(jù)公式直接輸出深度信息，所以具有響應(yīng)快、軟件簡單、識別距離遠的特點，且不需要進行灰度圖像的獲取與分析，因此不受外界光源物體表面性質(zhì)影響。不過TOF技術(shù)也有缺點：分辨率低、不能精密成像、而且成本高。

3D結(jié)構(gòu)光：用一個光源投射出一束結(jié)構(gòu)光（具備一定結(jié)構(gòu)的光線，比如黑白相間）。待測物體表面的條紋、斑點、形狀會對不同的光譜產(chǎn)生不同的反射效果，通過算法可以計算出距離、形狀、尺寸等信息，從而獲得物體的三維圖像。3D結(jié)構(gòu)光技術(shù)既不需要用很精準的時間延時來測量，又解決雙目中匹配算法的復(fù)雜度問題，具有計算簡單、測量精度較高的優(yōu)勢。且弱光環(huán)境、無明顯紋理和形狀變化的表面，同樣都可進行精密測量。

激光三角測量：與3D結(jié)構(gòu)光技術(shù)類似，不同的是通常用激光作為光源，用CCD（電荷耦合器件）相機作為檢測器，具有精準、快速、成本低的優(yōu)點。不過由于激光的集束性，激光三角測量更適合在近距離下進行測量。

以鋰電焊縫缺陷檢測為例。將一束激光通過一組透鏡放大拉伸形成一條激光線，投射到被測物表面上。光學系統(tǒng)利用沙姆定律，將該激光線的漫反射投射到傳感器上，再根據(jù)不同的投射位置，利用三角測量原理計算出物體輪廓表面的長寬高。通過對三維輪廓圖進行處理來檢測焊縫缺陷及缺陷大小、深度。

類似的，在鋰電池極片面密度、厚度的無損檢測中，激光三角測量同樣有著廣泛的應(yīng)用前景。通過兩個激光位移傳感器組合（以上下對射的方式），分別測量、計算得到被測物體、材料的厚度，可以應(yīng)用于鋰電輥壓工序；在壓制輥后、收卷前采用激光三角測量法，測得壓制后的極片厚度；在涂布工序時，測量于涂布后、烘箱前，獲得涂布濕膜的厚度；更可以放置在烘箱后、收卷前，測量烘干極片的厚度。其優(yōu)點在于采用非接觸式測量（結(jié)果更精準），相對超聲波測厚儀精度更高、相對X射線測厚儀沒有輻射污染。

TOF飛行時間法成像技術(shù)也早與其它技術(shù)配合，如聚焦離子束雙束掃描電鏡-飛行時間二次離子質(zhì)譜一體化技術(shù)（FIB-SEM-TOF-SIMS），應(yīng)用于電子顯微鏡中，實現(xiàn)了原位二維、三維的高分辨形貌結(jié)構(gòu)觀測、微量輕元素分析和化學結(jié)構(gòu)分析等，是鋰電池行業(yè)微分析檢測的優(yōu)異工具。

當然，3D機器視覺的崛起并不意味著傳統(tǒng)機器視覺在鋰電池檢測的應(yīng)用中失去地位。相反，老牌機器視覺供應(yīng)商不斷推出更高精度、更高分辨率、更快響應(yīng)速度的2D解決方案。在鋰電膜面缺陷識別、極片材料的高清采集等應(yīng)用上，仍具有一定的性價比優(yōu)勢。畢竟，選擇貴的，不如選擇更適合的。

當然，擺在機器視覺面前最大的挑戰(zhàn)并非“看得更清”，而是“認得更準”。傳統(tǒng)機器視覺的算法主要以基礎(chǔ)模式匹配算法為主，難以解決復(fù)雜場景下的復(fù)雜缺陷檢測，且需要積累大量缺陷圖片庫（即深度學習能力較差），漏檢誤檢率高，同時還存在部分軟硬件設(shè)備不兼容的情況。即便到了3D機器視覺時代，這一問題仍然普遍存在。雖然各大供應(yīng)商都在布局自己的深度學習算法平臺，但面對復(fù)雜多變的檢測樣品及測試需求，兼顧檢測速度和精度的算法還是慢一拍。