软包锂电池外观检测亟需实现自动化

软包锂电池作为新一代储能电源，性能优越、应用广泛，其产能快速增长。软包锂电池的生产设备和检测设备是速博达着力开拓的重要市场。

而软包锂电池使用的铝塑膜外壳材料质地较软，易受损伤。在生产过程中会产生一些外观缺陷，对电池的安全性构成了严重的威胁，可能会引起电池内部电解质外泄，甚至引发火灾等安全事故。

因此，相应的外观检测技术水平直接决定着电池产品的品质。目前软包锂电池厂家大多采用人工观察的方式检测其表面缺陷，检测结果受主观因素影响很大、无法较长时间持续检测，检测效率和准确率均低。

“软包电池外观检查的项目超过40多个，涵盖了产品的所有外观面和以及边角,”速博达研发工程师指出，“而且检测指标模糊，按照当前各企业使用的人工检查标准文件要求，无法直接进行指标化数字化，更多的是需要依靠配套供应商的经验，来配合客户来优化指标和更改检测标准。”

行业的主流检测方式仍是人工目检！而少数基于传统视觉方案的样机也由于调试周期长、可靠性差而达不到验收标准，更难以落地量产，软包锂电池外观自动检测存在巨大的技术空白。

VisionPro Deep Learning 解决行业痛点

作为一家致力于绿色能源智能化设备解决方案的提供商，速博达决心找到高效的检测方法来解决这一技术瓶颈。而能否找到产品稳定、技术领先、服务及时的解决方案供应商进行合作，成为本次项目的重点。

在一次展会上，速博达研发工程师与康耐视的技术工程师进行了交流。在得知速博达的需求后，康耐视的技术工程师向速博达研发工程师分享了康耐视的深度学习视觉软件VisionPro Deep Learning。

速博达研发工程师了解到康耐视是机器视觉领域全球的领导者，是基于视觉的深度学习技术工业化落地最优秀的企业之一，在各行业领域有着丰富的成功部署经验。而VisionPro Deep Learning是以优秀的机器学习算法套件制成的经过现场测试、优化且可靠的软件解决方案。它将深度学习技术与VisionPro软件相结合，能够解决复杂的应用问题，简化了高可变性视觉应用的开发流程。

于是,速博达研发工程师对VisionPro Deep Learning产生了浓厚的兴趣,并邀请康耐视技术人员来公司进行产品讲解和具体演示。在现场测试中，速博达的工程师们惊喜地发现VisionPro Deep Learning顺利解决了复杂的软包锂电池表面缺陷检测问题，而且比传统的机器视觉系统更简单高效，完全可以满足其技术需求。

VisionPro Deep Learning的出色表现，让速博达的研发工程师们称赞，“对康耐视深度学习产品的卓越性能我们确实感到意外，传统视觉技术在缺陷检测上完全无法跟深度学习相比，并且康耐视的深度学习产品的功能和性能都符合自动化工程软件的要求。”

而且在双方的不断接触了解中，速博达看到康耐视作为全球领先的视觉供应商，产品线更全，性能更稳定，服务更专业。于是，速博达决定邀请康耐视作为合作伙伴，在经过一系列培训、内测后,速博达就成功部署了VisionPro Deep Learning。

技术领先的检测设备为企业发展开拓新空间

目前,VisionPro Deep Learning在速博达已经成功应用超过2年。量产的软包电池Pack检测设备已经有40多台设备在运行中，主要技术指标行业领先:如设备单片检测时间小于4s、检测准确率大于96%、人工替代率超过70%、漏检率小于5%%、过检率小于5%。