成果简介

面向镍氢电池极片缺陷检测需求，针对当前产线上人工检测严重漏检、成像环境复杂多变、缺陷尺度跨度大、缺陷样本少、标注困难等痛点，开发缺陷自主检测系统与装置，构建适应复杂工况的自主成像增强系统，解决小样本和弱监督问题，实现复杂不确定环境下外观缺陷的自主感知建模以及类人机器自主学习，完成高精度缺陷检测。

核心技术与优势

本项目成果与人工目检及现有检测装备相比，可提高检测效率，降低低误检率，显著降低成本，并极大地提升缺陷的检测召回率，降低电池安全风险，核心技术如下：

1、多传感器协同的电池极片外观缺陷自主成像及增强方法；

2、缺陷认知空间表达模型与缺陷甄别知识自主增长方法。

应用场景

1、该项目成果可直接应用于锂电池行业的质量控制场景，可推广至大量与卷材相关的工业质检场景；

2、团队技术能力可服务于工业制造领域的机器视觉应用场景。

拟转化合作方式

1、横向项目（技术服务）；

2、技术转移（技术入股已有企业）；

3、创业孵化（合资创办新企业）。

合作联系人

成果转化部：

韩笑：15142080931

邮箱：hanxiao@gml.ac.cn