MVTec HALCON 深度学习助力 Panasonic Energy 推动汽车电池生产

Panasonic Energy (以下称松下能源) 在日本和北美的多个工厂生产汽车电池，全球对此类电池的需求正在不断增长。该公司最近在其位于美国堪萨斯州的工厂大规模应用了 MVTec HALCON 的深度学习技术，以提升圆柱形锂离子电池制造过程中的良率和质量。

HALCON 深度学习用于先进电池检测

圆柱形锂离子电池的生产流程如下图所示。第一步是将金属薄膜涂覆浆料，随后对涂覆后的电极片进行压延、分切、卷绕、电芯组装，最后进行目视检测和包装。
 

在堪萨斯工厂，自分切工序之后的每个步骤中均引入了深度学习图像处理。结合基于规则的机器视觉方法，该方案能够以极高的准确率防止不良品流出。

在将过度检测数量减少一半的同时，实现零不良品流出

检测内容涵盖范围广泛，其中一个示例是在组装过程中对电极引片激光焊接痕迹的检测（如图所示）。

左侧的“细微纵向划痕”和“夹具造成的横向划痕”属于良品，而右侧的“纤维残留附着”和“焊接飞溅”则为不良品。虽然人工通过目视检查图像可以识别这些缺陷，但依靠传统的基于规则的检测设备却难以准确判别，往往会出现过度检测的情况。

这一问题的解决方案由 MVTec 提供

这一问题的解决方案由 MVTec 提供：借助其机器视觉软件 HALCON，建立了一套结合传统规则检测与深度学习判别功能的验证系统。该系统首先在日本国内工厂进行了测试，结果使过度检测的数量减少了 57.3%。验证结果证明了基于 HALCON 的深度学习检测具有高度可靠性，因此最终决定在堪萨斯工厂全面导入该系统。

本成功案例由松下能源株式会社提供，所有图片均由松下能源株式会社授权使用。