锂电池极耳区域的缺陷类型复杂多样，位置随机而且一些微小缺陷与tab的背景颜色差别不大，很难准确提取缺陷特征因此，其目测成为行业难点之一
依托OPT两大技术平台，光学成像和视觉分析，从硬件源头提升图像采集的质量和速度结合自主研发的AI算法，对耳片细微或复杂缺陷进行精准分类判断，涵盖耳片切割，缠绕，焊接等过程，全面解决耳片缺陷检测难题
视力
成像
高分辨率光学设计，获得清晰图像。
伴随着动力电池生产规模的扩大和效率的提高，电池企业对极耳缺陷检测的需求越来越大，相应地，对视觉成像的质量和速度也提出了更高的要求。
OPT开发了一系列适用于焊片缺陷检测的硬件产品，具有采集速度快，成像清晰等优点，能够满足焊片在各工序的检测要求。
OPT视觉成像方案在极耳切折一体机中的应用
比如在切耳绕线机的过程中，OPT采用前光后光的方式检测高速切耳过程中造成的缠绕耳毛刺或折叠状缺陷，其中，与OPT视觉成像方案匹配的线扫描镜头采用高分辨率光学设计，通过消色差，无渐晕，容差灵敏度优化和自动分辨率检测技术，可以保证从源头获得清晰的图像，也为后续的算法分析提供了良好的基础条件。
最优公差灵敏度优化技术
此外，OPT充分利用FPGA edge技术加速线性摄像头的升级，可以实时进行二值化，形态学运算和blob分析，并将运算结果连同图像一起传输到上位机，大大降低了工控机的CPU运算负荷，极大地满足了凸耳高速切割和缠绕的检测需求。
OPT视觉成像方案在极耳绕线机中的应用
对于焊片焊接工艺，OPT采用球面整体同轴光源进行均匀照射，匹配的面阵透镜还具有高分辨率性能，成像清晰，图像边缘锐利，可以精确检测或定位焊接印刷，焊片泄漏，黄原胶位置及缺失等，涵盖吊耳各工位的缺陷检测
OPT凸耳焊接缺陷检测成像方案
视力
分析
深度学习，准确提取缺陷特征
除了高精度的视觉成像，视觉分析软件也是处理极耳区复杂缺损的关键OPT充分利用深度学习和传统算法的结合，对耳片的缺陷特征进行精确提取和分类，可以避免误判，漏检等，解决了吊耳多工序缺陷检测问题
OPT算法过程的可视化
OPT，一种用于人耳缺陷检测的深度学习技术，是训练一定数量的缺陷样本，生成AI模型，具有三大创新优势一方面，基于小样本深度学习的检测框架可以将缺陷样本数量减少到个位数，解决以往缺陷样本收集困难，标注成本高等问题，提高检测精度和鲁棒性，另一方面，利用数据样本自适应扩展训练技术，推荐最具代表性的样本进行人工标注，缩短了模型的训练时间，提高了10%的检测准确率，实现了极耳检测的零虚警
OPT深度学习在人耳缺陷检测中的应用
此外，为了更好地满足频繁更换电池产品的测试需求，OPT引入了自适应转移学习技术，缩短了AI模型的训练周期，一键转移大小相近，流程相似的tab缺陷检测对于不同大小的标签检测，只需要补充少量的训练数据，并在转移后对AI模型进行微调
基于深度学习的自适应迁移技术
目前，OPT深度学习算法已在锂电池多工序视觉检测中推广应用，包括极片涂层，激光切割极耳，铝塑膜卷绕包装等缺陷检测。
