OPT通过不绝深入了解极耳各个工序检测难点，有针对性地推出整套视觉成像计划，为此开发出一系列适合极耳缺陷检测的硬件产品，具有收罗速度快，成像清晰等优势，能满足极耳各个工序的检测需求
。

OPT视觉成像计划在极耳切叠一体机的应用

如在极耳裁切、卷绕机环节，OPT接纳前光和背光的方法，对高速极耳切割历程中造成的毛刺或卷绕极耳翻折形态缺陷进行检测；其中，OPT视觉成像计划搭配的线扫镜头，接纳了高区分率光学设计，通过消色差、无渐晕、公差敏感度优化及自动区分率检测等技术，包管能够从源头上获得清晰的图像，也为后续算法剖析提供良好的基础条件
。

OPT公差敏感度优化技术

别的，OPT充分利用FPGA边沿技术，对线阵相机进行加速升级，能实时处理二值化、形态学运算、blob剖析，将运算结果，连同图像一并传输给上位机，大大减少了工控机的CPU运算负荷，极大满足极耳高速切割和卷绕的检测需求
。

OPT视觉成像计划在极耳卷绕机的应用

针对极耳焊接工序，OPT接纳球积分和同轴光源进行均匀照射，而搭配的面阵镜头同样兼具高区分率性能，成像清晰，图像边沿锐化，能对焊印、焊片外漏、黄胶位置及缺失等进行精准检测或定位，笼罩极耳各个工位的缺陷检测
。

OPT极耳焊接缺陷检测成像计划

除了高精度的视觉成像，视觉剖析软件也是应对极耳区域庞大缺陷的要害
。OPT充分利用深度学习和古板算法相结合的方法，对极耳的缺陷特征进行准确提取、分类，能制止误判、漏检等情况泛起，破解极耳多工序缺陷检测难题
。

OPT深度学习算法流程可视化

OPT深度学习极耳缺陷检测技术，是通过使用一定量的缺陷样本训练，生成AI模型，兼具三大立异优势
。一方面，基于小样本深度学习的检测框架，能将缺陷样本数量降至个位数，解决已往收集缺陷样本难、标注本钱高等难题，提高检测精度和鲁棒性；另一方面，利用数据样本自适应扩充训练技术，推荐最具代表性的样本进行人工标注，缩短模型训练时间的同时，检测准确率提升10%，实现对极耳检测的零漏报
。

OPT深度学习在极耳缺陷检测的应用

别的，为更好满足电池产品换型频繁的检测需求，OPT 引入自适应迁移学习技术，缩短AI模型训练周期，一键迁移相近尺寸、相似工艺的极耳缺陷检测，而针对差别尺寸的极耳检测，只需在迁移后，增补少量训练数据，微调AI模型
。

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推广应用，包括极片涂布、极耳激光切、卷绕、铝塑膜包装等缺陷检测
。