“面向动力电池大规模制造时代，新工艺、新技术的“战火”，已经从核心工序设备延伸到关键部件。帮助动力电池企业提高产品品质、降低缺陷率、提升制造效率，不仅是行业共同面临的挑战，也是后来者实现弯道超车的机遇。”

面向TWh时代，锂电制造体系内外“暗流涌动”，产业链内部的大需求、快节奏与外部大环境的不确定性相互拉锯。在锂电池生产的各个环节中，

电芯是锂电池的核心部分，锂电池芯的结构分为正负电极片、膜片、电极耳、包装膜和电解液五部分。电池极耳是锂离子电池中的一种重要组件，极耳是锂电池中正极和负极的接口，连接电池芯片和外部电路，起到导电、固定芯片和防止短路的作用。在电池制造和使用过程中，需要严格控制极耳的质量和设计，以确保电池的安全性、稳定性和性能。

目前主要是依靠人工经验肉眼检测判断，视觉应用难点在于极耳焊接环节存在许多金属碎屑，可能出现于电池表面的任意位置，同时，金属碎屑颜色与极片料区背景色十分接近，极耳区域出现的翻折存在任意形状、多种尺度，表面反光等不良情况，导致翻折特征提取困难。

传统检测算法的底层逻辑在于，在指定区域找亮度、颜色差异，并据此来判断异物的大小或形状等。显然传统算法无法解决检测痛点，无法满足该领域的检测需求。

华汉伟业采用多角度成像，使得极耳翻折在不同角度光源中总能在某种打光中清晰成像，无过曝或欠曝，保证缺陷的准确识别。

同时iSense AI智能检测系统通过使用一定量的缺陷样本训练，生成AI模型。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，解决过去收集缺陷样本难、标注成本高等难题，提高检测精度和鲁棒性。

另一方面，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，而针对不同尺寸的极耳检测，只需在迁移后，补充少量训练数据，微调AI模型，实现检测精度≤0.2mm，过杀率≤0.5%，实现对极耳检测的零漏报。

电机器视觉领域客户需求，以创新的产品和解决方案助力客户实现零投诉目标，助力锂电制造柔性升级，创造更高价值。