锂电视觉专栏｜奥普特“视觉检测＋深度学习”技法

机器视觉在锂电领域价值涌现，开启成长“新周期”。高工锂电特别开设“锂电视觉专栏”，持续跟踪国内外机器视觉产业链企业在锂电领域的市场动态、技术跃迁、应用案例及战略打法。

机器视觉的导入可有效提升生产品质、产能、效率，并大大提高缺陷的检出率和降低缺陷的漏检率。动力电池规模化制造下，生产制造自动化、智能化需求迫切，加速了机器视觉在电池生产各环节导入及规模应用。

紧抓细分赛道机遇，奥普特发力征战锂电市场。

作为机器视觉检测的领军企业，奥普特建立了成像和视觉分析两大技术平台，产品线覆盖视觉系统、光源、工业相机、镜头、3D激光传感器、工业读码器等，并通过下游客户提供专业的机器视觉解决方案带动产品销售。

目前，奥普特已在电芯段各工序拥有成熟的视觉应用案例，并在软件与硬件两大维度不断技术创新与产品优化。

奥普特董事长卢盛林博士指出，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。

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。

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%。

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。

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。

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。