康耐视电动车电池化成解决方案

在锂离子电池化成流程中，制造商需要将它们激活 和包装，并进行测试。在此过程中，将对单个电池充电，以成为电动车（EV）电池，并测试它们的电压、电流和外观。此过程完成后，将对电动车电 池进行分级，并使用代码进行追踪，然后将它们装运至电动车电池模块和电池组（M & P）制造商的生产设施。康耐视提供代码读取、软包表面检测、电池堆叠高度测量和光学字符识别（OCR）解决方案，以帮助制造商确保他们生产的锂离子电池能够满足大尺寸电池组制造商和能量存储系统开发商的要求。

● 一维条码和二维码读取：读码器在脱气、夹具化成、测试和物流阶段识别代码

脱气和夹具化成

在脱气之前和夹具化成之后，读码器可用于读取电池软包表面以及电极片上的DataMatrix码，确保它们与早期阶段的代码相匹配，并且进入工作站的材料与从该工作站出来的材料相匹配。引线接头和软包表面具有光泽性，可能会引起反光，进而对代码读取过程产生干扰。由于喷墨印刷过程中出现的速度变化，电池软包本身上面的DataMatrix 码的宽高比经常会有差异。这些印刷不均匀和变形的代码通常会表现为“无法读取”，导致生产线速度减慢。为了读取电极片和电池软包上的代码，并防止眩光影响，制造商需要使用配备超高曝光技术而非外部照明的读码器。DataMan® 150/260系列固定式读码器可满足此需求。凭借能够读取棘手代码的先进算法，DataMan 150/260 读码器还能够针对电池软包表面上的代码提供出色的读取性能。1DMax®算法结合Hotbars®技术和2DMax®算法结合PowerGrid®技术能够读取印刷不均匀的DataMatrix码，甚至包括无可见周边或静音区的DataMatrix码。

DataMan 260 图像读码器用于读取电池软包表面上被拉伸的 DataMatrix 码

测试

在测试过程中，制造商使用字母评级对电池性能进行分类，该字母评级将编码在二维DataMatrix码中。此阶段的代码读取将确认电池已经过测试并分配字母评级，表明其已做好装运准备。DataMan 150/260读码器能够在眩光条件下可靠地执行读码任务，并维持高处理量。

物流

测试完毕之后，许多电池将被置入匣盒或容器中。这些电动车电池最终将在模块和电池组系统装配阶段被装配成为电池模块。所有准备装运离开电池制造厂的匣盒都将贴上一维条码，并置入大型塑料装运箱中。体积小巧且经济实惠的DataMan 70读码器可用于快速读取基于标签的简单一维条码，以确保这些装运箱能够从工厂准确交付至最终用户手中。

● 软包表面检测：深度学习视觉算法检测软包式电池

挑战

软包式电池在脱气过程中会出现一定程度的形状不规则情况。在夹具化成之后，电池软包将被压平整，并使其表面保持光滑。至关重要的一点是，电池软包必须保持均匀、无褶皱且无弯曲。电池制造商在这些阶段之间采用自动化 检测系统来捕捉任何表面缺陷。电池软包的复杂表面纹理会造成噪音和易混淆背景，这可能会遮挡褶皱、气泡和其他缺陷。并且不同电池软包的视觉外观可能存在显著差异，这会导致明确搜索所有缺陷变得过于复杂和耗时。

解决方案

康耐视ViDiTM软件采用基于深度学习的视觉算法，通过从带附注的图像中进行学习来识别气泡、褶皱等缺陷。培训模型将学习电池软包表面的正常外观，包括并不构成缺陷的自然变化。所有偏离培训模型正常外观的特征将被表征为异常。通过这种方式，康耐视ViDi软件能够可靠且一致地检测所有异常，无需广泛的缺陷数据库。

康耐视 ViDi 深度学习图像分析软件用于识别电池软包表面上的气泡、褶皱等缺陷

● 电池堆叠高度测量：3D机器视觉测量堆叠电池片的高度

挑战

在包装阶段，制造商会将软包式电池片堆叠在棱柱形壳体内。这些电池片必须均匀堆叠，并精确对位，以确保作为电动车电池使用时能够正常运行。为了做到这一点，当铝箔软包被置入电池模块壳体内时，3D激光位移传感器必须测量各软包之间的高度差，以确认它们彼此之间保持齐平。这要求高度准确地计量关键尺寸。

解决方案

为了验证尺寸，制造商将两台康耐视DS1000 3D激光位移传感器沿着电池壳体顶部移动，生成以x轴和z轴表示的轮廓。通过测量和比较z轴尺寸，传感器将能够检测出各电池片之间的任何高度差。同时，传感器还将计算两个垂直边线之间的间隙宽度（x轴尺寸），以确保其符合既定的公差范围。用户可将精确的测量值和轮廓数据导出，用于质量管理和流程控制，以调整上游自动化设备。

两台 DS1000 3D 激光位移传感器用于测量电池模块内堆叠的电池片轮廓

● 光学字符识别：基于深度学习的视觉算法读取字母数字字符

挑战

制造商必须能够快速、准确地定位和读取电池侧面上印刷的字母数字代码。镜面反射和眩光会导致机器视觉系统难以定位和识别字符，特别是在字符变形的情况下。检测系统必须能够应对这些挑战，以确保成功读取字符。

解决方案

即使存在成像挑战，康耐视ViDi基于深度学习的定位和光学字符识别（OCR）视觉算法也能够定位和读取变形字符。ViDi蓝色-定位工具用于定位感兴趣区域，该区域标记有字母数字代码。即使被眩光遮挡或对比度较低，ViDi蓝 色-定位工具的预培训全字体功能也能够识别字符。为了培训该软件，工程师可在包含代表性代码字符集合的图像上定义感兴趣区域。在培训和验证过程中，技术人员只需对遗漏的字符重新贴标，直至该软件的模型正确识别所有字符即可。这种基于深度学习的OCR方法在培训和开发过程中可减少过度贴标，从而节省时间，并确保准确读取。

康耐视 ViDi 软件使用预培训字体库定位和读取电池上的字母数字代码