走進(jìn)某工廠(chǎng)的大型廠(chǎng)房，數條產(chǎn)線(xiàn)高速運轉，配料經(jīng)過(guò)投料、擠出、拉伸、萃取、定型等工序，數米寬的塑料膜從吹膜口噴涌而出，經(jīng)傳動(dòng)系統在滾筒上層層纏繞。經(jīng)過(guò)分切階段后，上百名質(zhì)檢員工正在進(jìn)行人工檢測。

這正是鋰電池的關(guān)鍵部分——隔膜?；谠谛履茉搭I(lǐng)域多年的經(jīng)驗積累，近期凌云光為某鋰電隔膜龍頭企業(yè)提供F.Brain +GMQM一站式AI質(zhì)檢解決方案，實(shí)現AI復判和自動(dòng)判等，能夠精準識別并分類(lèi)基膜、噴涂膜和涂布膜表面的數十種缺陷，將單卷判等時(shí)間從人工的2分鐘縮短至自動(dòng)判等的30秒。該方案不僅彌補了機臺傳統算法檢測不足，還取消了人工復判環(huán)節，每天能夠節省10多名質(zhì)檢人員。此外，產(chǎn)品良品率有效提升，每年可節省數百萬(wàn)成本，實(shí)現了從被動(dòng)接收不良品到主動(dòng)分析缺陷并優(yōu)化生產(chǎn)的轉變。

真瑕疵還是假缺陷？
檢測精度不足讓良率提升難上加難

隔膜，即一張厚度4-20μm的塑料膜，其表面大量的納米級微孔對電池性能至關(guān)重要。一旦孔徑過(guò)大導致兩極接觸，可能引發(fā)電芯爆炸，因此被稱(chēng)為鋰電池“第三極”。隔膜既要纖塵不染，也必須保持絕緣。一顆直徑大于0.002mm的灰塵或一個(gè)0.05mm的針孔，就足以使一整卷2000米、價(jià)值數千甚至數萬(wàn)元的薄膜報廢。

然而，制程過(guò)程任何操作不當或環(huán)境中微小雜質(zhì)都可能導致膜面出現破損、劃痕、漏涂等各類(lèi)缺陷，這也使得隔膜良率較為低下，從60%到90%不等。行業(yè)人士指出，限制新能源汽車(chē)發(fā)展的最大問(wèn)題是電池，而電池中最大的問(wèn)題就是隔膜。

“有些AOI機臺用的還是傳統算法，缺陷分類(lèi)的精度不足就算了，有時(shí)候還會(huì )把抖動(dòng)、接頭誤判成假缺陷，結果好好的隔膜就被降級了，這讓本就難提升的良率難上加難”，業(yè)內人士對此表示擔憂(yōu)，“為了提供高質(zhì)量隔膜，必須清楚定義缺陷類(lèi)型，確保能夠檢出、準確分類(lèi)和判等”。

“AI +Data”平替“稀缺老師傅”
每30秒精準分類(lèi)30余種隔膜缺陷

作為隔膜產(chǎn)業(yè)龍頭，該客戶(hù)為確保產(chǎn)品的高標準制定了嚴格的缺陷分類(lèi)標準，并組建了數百人的質(zhì)量檢測團隊。然而，單母卷人工檢測時(shí)間超過(guò)2分鐘，主觀(guān)判斷易出錯，異常分析也依賴(lài)經(jīng)驗。

“拿針孔來(lái)說(shuō)，無(wú)規律針孔可能由靜電擊穿引起，而等距針孔可能是由異物頂破導致的連續性異常，復雜缺陷處理非?？简瀱T工經(jīng)驗，老師傅30分鐘解決，新手可能需要2小時(shí)甚至更長(cháng)時(shí)間，處理不及時(shí)會(huì )導致不良品持續產(chǎn)生。這一行比較考驗吃苦耐勞的能力，有長(cháng)期積累的老師傅非常稀缺，很多人都是入行1年不到的新員工”。

為打破這些制約良率提升的瓶頸，隔膜項目團隊深入生產(chǎn)一線(xiàn)駐場(chǎng)調研，最后提出數據+AI+視覺(jué)三者融合的定制化系統方案，以實(shí)現對膜材表面缺陷的實(shí)時(shí)分類(lèi)、自動(dòng)判等和缺陷根因分析。

• 數據方面，構建專(zhuān)家知識庫，收集所有缺陷數據和工藝經(jīng)驗，并根據缺陷的嚴重程度、發(fā)生頻率和影響范圍將10余種缺陷特征細分為30余種，并關(guān)聯(lián)缺陷特征、成因與工藝問(wèn)題，為模型提供堅實(shí)數據基礎。
• AI方面，基于公司自主研發(fā)的LusterLVM工業(yè)領(lǐng)域通用視覺(jué)大模型，針對基膜、噴涂膜和涂布膜定制細分場(chǎng)景模型，利用定制F.Brain算法進(jìn)行標注、模型訓練與調優(yōu)，實(shí)現更精準的缺陷識別和細分。此外，還集成了定制GMQM模塊，支持AI二次分類(lèi)和自動(dòng)判等，實(shí)現在線(xiàn)過(guò)程質(zhì)量監控。
• 視覺(jué)方面，開(kāi)發(fā)數采平臺對接模塊，獲取所有機臺缺陷成像圖片及其特征信息，包括形狀、尺寸、面積、分布坐標等，并優(yōu)化圖像一致性。

該方案將工藝經(jīng)驗、缺陷數據、算法和模型有機結合。LusterLVM相當于‘廚房’，F.Brain算法是‘菜譜’決定了缺陷檢測的上限，工藝經(jīng)驗和知識是‘燃料’，缺陷數據是‘食材’，而GMQM則是‘廚具’，共同提升隔膜的智檢能力。

方案迅速落地，試運行后成效顯著(zhù)，假缺陷剔除率≥95%，缺陷實(shí)時(shí)準確分類(lèi)率達95%~97%，自動(dòng)判等結果與人工檢測一致，并提供缺陷成因和處理建議，為車(chē)間工藝處理決策提供精準支撐。

質(zhì)量閉環(huán)有“膜”力
每年節省數百萬(wàn)

對于客戶(hù)來(lái)說(shuō)，要提高良率和挖掘盈利潛能，僅僅將AI技術(shù)導入生產(chǎn)檢測這一個(gè)環(huán)節是不夠的，還需對AI融入后整個(gè)工廠(chǎng)的業(yè)務(wù)場(chǎng)景進(jìn)行優(yōu)化，這需要通盤(pán)的考慮，更需要大量的工作。

項目團隊發(fā)現，客戶(hù)在缺陷數據采集和導入上耗費大量人力，“但更為棘手的是，這伴隨而來(lái)一系列非標情況發(fā)生，如檢量測數據未及時(shí)上報QMS，容易延誤生產(chǎn)”。

為減少對人工依賴(lài)提高生產(chǎn)效率，需要實(shí)時(shí)整合工藝流、質(zhì)量流和人流信息，也就是說(shuō)需要生產(chǎn)設備、AOI機臺、產(chǎn)品物料、生產(chǎn)系統、人等各環(huán)節都要聯(lián)動(dòng)配合。質(zhì)量管理的核心在于智能執行程度，”這些握不上手就沒(méi)有辦法高效運轉，那么設備就只是設備，質(zhì)量管理也只是空談”。

為加快項目建設，公司還成立了陣容強大的項目實(shí)施團隊，提供業(yè)務(wù)流程咨詢(xún)服務(wù)。圍繞客戶(hù)降低損耗和質(zhì)量管理的核心訴求，定制智能質(zhì)量管理系統，并開(kāi)發(fā)對接模塊將其與客戶(hù)當前MES、QMS等信息化系統深度融合，實(shí)現車(chē)間數百臺機臺與MES系統、GMQM質(zhì)量管理系統閉環(huán)，端側間數據可共享，最終實(shí)現了SPC質(zhì)量分析、質(zhì)量追溯、缺陷預警及詳細根因分析等功能。

制造業(yè)正經(jīng)歷著(zhù)從追求速度到追求精益管理的深刻變革，凌云光憑借20余年機器視覺(jué)經(jīng)驗，積累了超過(guò)1000萬(wàn)的缺陷精細標注數據，能夠高效支持從隔膜到整個(gè)工業(yè)質(zhì)檢場(chǎng)景的缺陷分類(lèi)。此外，LusterLVM大模型具備通用智能檢測能力，能夠顯著(zhù)提升質(zhì)檢效率和精度，已快速應用于鋰電、3C等10多個(gè)工業(yè)領(lǐng)域，在工業(yè)AI應用落地方面擁有10年以上落地經(jīng)驗。凌云光希望以智能工廠(chǎng)變革中推動(dòng)者、賦能者的角色，為全世界無(wú)數“夢(mèng)工廠(chǎng)”的誕生貢獻力量。