官方微信
【原创】【高工年会】奥普特卢盛林:锂电视觉检测深度学习三大创新
奥普特| 锂电设备 文章来源自:高工锂电网
2022-01-04 09:39:46 阅读:7310
摘要卢盛林博士表示,当前,动力电池视觉检测的新需求对传统算法提出巨大挑战,而基于深度学习的检测技术能够提升瑕疵检测的准确率和鲁棒性,能够有效解决上述痛点,护航电池安全。

“缺陷检测对锂电池安全至关重要,电池企业对视觉检测提出更高要求,尤其在动力电池制造规模启动下,这种需求变得愈发强烈。”奥普特董事长卢盛林博士在2021年高工锂电年会上如此表示。

2021年12月21~23日,以“新周期、大时代”为主题的2021高工锂电年会在深圳举行。来自电池、材料、装备、整车等产业链领袖高层齐聚,共同探讨进入新周期下的中国锂电产业走向和趋势。

在22日上午的智造专场上,卢盛林博士发表了“锂电全工序视觉检测关键技术之深度学习”的主题演讲。

图片

卢盛林博士表示,当前,动力电池视觉检测的新需求对传统算法提出巨大挑战,而基于深度学习的检测技术能够提升瑕疵检测的准确率和鲁棒性,能够有效解决上述痛点,护航电池安全。

在极耳焊接环节,存在金属碎屑,可能出现于电池表面的任易位置,且金属碎屑颜色与极片料区背景色十分接近。此外,极耳区域出现的翻折存在任意形状、多种尺度,表面反光等不良情况,导致翻折特征提取困难。上述因素给视觉检测带来很大挑战。 

而传统检测算法的底层逻辑在于,在指定区域找亮度、颜色差异,并据此来判断异物的大小或形状等。显然传统算法无法解决焊接环节的检测痛点,无法满足该领域的检测需求。越来越多的工业质检技术应用到深度学习。相比于传统算法,深度学习具有准确率高、鲁棒性强、避免繁琐特征设计等优势。

2020年,奥普特已经将深度学习用于极耳检测,并取得不错的效果,实现对极耳检测的零漏报,且误报率保持在0.5%以内。

深度学习主要涉及算力、数据和算法三大维度,其底层逻辑是提供一个深度的神经网络,需要训练的参数多达百万、千万甚至上亿级别,需要大量数据和算力支撑。

图片

对部分低频率缺陷,其成千上万的样本收集可能需要耗时数月甚至数十个月,代价十分高昂。为此,工业界、学术界均在积极研究,将样本数量降至数百级,即便这样对于部分缺陷而言,该数量依然过大。 

卢盛林博士表示,奥普特投入了大量的资源研究深度学习,目前已经将其在锂电行业全面推广应用,覆盖极片检测、铝塑膜包装检测、卷绕后的极耳翻折检测等,并基于深度学习的锂电池觉检测提出三大创新。 

一是基于小样本深度学习的检测框架,将缺陷样本数量降到个位数。 

奥普特基于小样本深度学习数据扩充,解决了缺陷数据收集困难,代价大导致缺陷样本少的痛点,提高了缺陷检测精度及鲁棒性。 

具体而言,对于收集到的少量缺陷样本数据,基于GAN网络生成大量可用的样本,另外,结合奥普特丰富的成像经验以及成熟的图像处理技术,生成更多的缺陷样本,降低深度学习模型对缺陷样本的依赖。最终,奥普特实现仅个位数的样本数量即可训练网络,也就是说模型依赖数据量减少至约5张。

图片


二是数据样本自适应扩充训练技术,准确率提升10%。 

扩充训练样本能有效的提升模型检测性能。但在电芯产线上,每天产生的产品以万级计量,若对每张产品图像进行数据标注、模型训练开销十分庞大。因此,生产过程中存在大量未标注相关数据的信息未被挖掘,限制检测模型效果。 

奥普特基于主动学习熵值装袋的采样策略,推荐最具代表性的样本进行人工标注,不仅能有效的缩短模型的训练时间,而且每次花费较小代价不断地提升模型准确率。最终检测准确率提升约10%。 

图片

三是自适应迁移技术,大大缩短训练周期,甚至一键迁移。 

通过深度学习,解决锂电产品换型频繁与深度学习模型训练周期过长的矛盾,提升企业投入产出比。 

当前大都AI独角兽暂时未实现盈利,主因系投入过大。如某深度学习项目,需要大量高端人才于生产线上持续收集图片、训练模型、打标签、训练网络、提升网络性能,项目历时长且花费巨大。而且下一个项目过程中,这种繁杂且开销巨大的工序又将重复上演。 

通过深度学习,奥普特提出自适应迁移技术,即在训练A模型的过程中,提供足够的信息使得模型能学习到A型号、B型号间的区别和联系,进而将学过A型号的知识迁移至B型号中,实现训练周期的大幅缩短。 

奥普特深度学习模型能够将小电芯A型号一键迁移至小电芯B型号,同步支持中型电芯C型号的一键迁移,甚至对大电芯也适用,仅需迁移后补充少量训练数据对模型参数微调。

图片

卢盛林博士介绍,除深度学习以外,奥普特在3D激光传感器领域也有深入布局。相对传统检测手段,奥普特在锂电顶盖及密封钉焊缝焊接效果检测,有质的飞跃。

图片

如动力电池焊接环节,存在电池焊缝反光严重,且表面凹凸不平,反光方向各异等痛点,但相机成像及算法处理等常规视觉检测方案均无法满足需求。 

奥普特从3D硬件出发,自主研发出线激光3D传感器,配合相机高动态反光抑制算法,能够轻松获取清晰的,且反光压制效果好的锂电焊缝图像,很好的解决上述焊接检测痛点。 

此外,配合奥普特锂电焊缝3D检测专用算法,可实现对顶盖及密封钉爆点、针孔、断焊等各种缺陷的稳定检测,解决了传统检测技术无法检测不良深度等痛点。

此文章有价值
手机扫一扫,分享给朋友
返回顶部