在鋰電制造現場，良率與效率從來不是抽象指標，而是每一臺設備、每一個工序的真實結果。
尤其是在圓柱電芯制造過程中，隔膜打皺這一問題，看似細微，卻直接影響電芯安全性與一致性。一旦漏檢，問題將被帶入后續工序，放大為更高成本的質量風險。
如何在復雜工況下，實現穩定、可靠、可復用的在線檢測能力，一直是行業中的關鍵難點。
近日，華冠科技先進制造技術研究院視覺實驗室，在這一問題上邁出了關鍵一步。
破解適配難題：
告別單一隔膜場景限制
AI打皺檢測技術主要是通過拍攝隔膜的情況去分析電芯內部有無打皺，此前，該技術已在2025年7月落地。但在初期方案運行中，AI檢測的適用范圍僅針對雙面或單面陶瓷隔膜進行了適配——這類隔膜成像均勻，易于識別。
但客戶現場常存在多隔膜交替生產的情況，除雙面陶瓷隔膜外，在生產中比較通用的還有基膜、單面陶瓷隔膜。不同隔膜的材質、透光性與表面紋路特征差異顯著，原有AI模型在面對基膜時，容易將其表面的樹狀紋路誤判為打皺，導致過檢率升高。這一問題限制了視覺識別技術在多隔膜混合生產場景下的適配性與復用性。
賦能柔性生產：
三大技術創新打通多隔膜通用
01
多隔膜通用模型架構
本次升級的核心是構建了一個能夠適配基膜、單面陶瓷隔膜、雙面陶瓷隔膜的統一檢測模型。不同于以往針對單一隔膜類型單獨訓練的方式，團隊采用多源數據融合訓練策略，在模型輸入端增強對不同材質成像特征的適應性，使客戶在多隔膜交替生產時無需頻繁調整檢測策略，真正實現“一次部署，多場景通用”。
02
引入方向維度特征
針對基膜來料表面樹狀紋路造成的誤判問題，技術創新點在于將紋路方向作為顯式特征加入AI訓練。打皺紋路與電芯走向呈一定夾角（斜向），而基膜固有的樹狀紋路垂直于電芯方向。通過在標注階段增加方向標簽，模型能夠學習區分兩類紋路的空間分布差異，從而定向剔除垂直紋路干擾，顯著降低基膜場景下的過檢率。
數據說話：
交付現場關鍵數據表現優異
該技術突破在現場落地數據中表現優異，兩臺部署設備的打皺漏檢率均穩定為 0%，可以確保皺電芯不會流入后續工序；陶瓷隔膜檢測過檢率控制在 0.5% 以內，在保證質量的同時不會大量誤殺正常電芯，影響產線效率，僅基膜受來料紋路干擾過檢率為 1%，團隊也正針對性優化。
·打皺漏檢率0%：打皺電芯未被檢出流入后續工序的情況為零。
·過檢率（合格品被誤判為打皺）：陶瓷隔膜場景≤0.5%，具備良好的現場可用性。
·基膜場景：受來料表面樹狀紋路干擾，當前過檢率約1%，團隊正在應用方向維度特征進行針對性優化。
·響應速度：毫秒級響應，不影響產線節拍。
驅動制造升級：
從單點試用邁向行業標配
華冠先進制造技術研究院從產品趨勢與制造共性出發，布局多隔膜通用AI檢測這一關鍵技術路徑。
該項目所呈現的，并不僅是一次AI技術的單點應用，而是一場由數字中臺驅動的系統級制造升級實踐。極低的漏檢率與可控的過檢率，不僅意味著打皺缺陷被精準攔截，更標志著華冠已具備將AI檢測能力沉淀為可復制、可推廣的行業解決方案。
當產品結構持續演進、制造窗口不斷收窄，這種具備自適應與閉環能力的制造技術，正成為支撐高性能電芯量產的關鍵基礎設施。
