12月12日，友思特“見微知著 喚醒視覺：為新能源電池行業(yè)聚能的視覺與光電方案”行業(yè)直播圓滿結束！三個小時四位講師的傾情演講、數百名觀眾的全程熱情提問，共同構成了這場深化鋰電行業(yè)技術交流、傳播友思特機器視覺與光電檢測優(yōu)質方案的精彩瞬間。

我們邀您共同回顧直播的精彩問答，在Q&A的思維碰撞中，探索友思特技術方案在新能源電池行業(yè)的前進方向！

直播詳情可查看：https://viewsitec.com/lithium-battery-industry-webinar/

精彩QA 一鍵速覽

第一講-外觀實時深度解析：電池貼膠與封裝膜的穿透檢測

Q1：OCT設備可以穿透鋁塑膜嗎，此外還可以穿透哪些材料呢？

A1：鋁塑膜在軟包電池中的使用也非常廣泛，其多層結構依次包括絕緣隔熱的PP層、阻隔水汽的鋁層以及尼龍層。OCT的基礎是紅外光，不能穿透金屬，但除了中間的金屬層之外，其余兩層都可以進行穿透檢測，也可以看到非金屬部分的連接和貼合情況。

此外，無論是肉眼能否看見的非金屬（陶瓷、深色塑料、透明塑料等），OCT都有很好的穿透效果，包括以下材料在內。如果您有相關材料想要進行技術測試，也歡迎大家聯系我們，我們有專屬的視覺與光電實驗室，會提供高效完整的測試服務！

Q2：上頁中有提到碳化硅(SiC)這種材料，OCT系統對它的穿透深度能到多少？

A2：我們的OCT成像系統在空氣中穿透深度最高為6mm，而碳化硅材料的折射率非常大，可以達到2.65左右。在這種材料中，需要除以折射率才能達到實際的成像深度，因此針對SiC實際可以達到2-3mm的成像深度。

Q3：鏡頭焦深是多少，如果樣品厚度超過焦深，那么橫向分辨率要怎么控制？

A3：目前OCT系統的焦深大約為1mm多，我們有很多方法去實現橫向分辨率的優(yōu)化，比如常規(guī)的光學設計帶一個液態(tài)鏡頭，可以實現動態(tài)焦深變化并適配樣品檢測需求。另外也可以加一個顯微物鏡，通過專門的光學設計支持所需放大倍率的物鏡，并集成到探頭前，以實現不同需求。

Q4：FPC柔性電路板的多層結構是否會影響OCT信號的穿透深度和分辨率？

A4：對于FPC板可以非常清晰看到點膠區(qū)域以及表面分層的絕緣膜層，但是在金屬走線區(qū)域會有比較高反射的信號，不過依然可以通過改變角度實現更清晰的檢測。

Q5：在電池行業(yè)中，OCT相對于X光有什么優(yōu)勢？

A5：一方面在形態(tài)上，X光要做對射的檢測系統即“X光-樣品-傳感器”的三明治結構，有的產線并不好部署。而OCT可以類似工業(yè)相機，是基于反射的成像，直接探頭到樣品上方即可完成。另一方面，OCT的分辨率可做到um級別，X射線一般只到百um-mm級別，不過X射線測量范圍大，穿透性也更強，但是有輻射，OCT則適合更小更精密的檢測。

Q6：OCT獲取原始數據是什么格式的？適合用來二次開發(fā)的SDK嗎

A6：原始數據是tif，raw、jpg，或者3D格式的dicom，也可以轉換成其他的圖像文件，適合結合其他算法進行二次開發(fā)或者分析。

Q7：OCT在檢測微納米級結構時有分辨率限制嗎？

A7：目前我們的OCT系統做到的分辨率為1-2um，再高的話需要采用更高帶寬的光源。

第二講-高帶寬產線護航：新能源鋰電制造中的高精度圖像處理

Q1：FPGA開發(fā)（如：ROI 濾波降噪）這部分你們能做嗎？還是要雙方一起做？

A1：在這方面我們會提供一些IP算法庫，如果只是進行簡單的如壓縮、ROI、像素或格式轉換的IP，可以直接利用標準IP算子部署到板卡FPGA中。如果要進行比較復雜的算法，我們會提供開發(fā)套件工具給用戶自行開發(fā)，我們提供相應的支持。但如果用戶完全沒有IP開發(fā)經驗，我們也可以進行這部分的合作開發(fā)。

Q2：涂布缺陷ROI提取過程中，如何處理圖像畸變？

A2：除ROI以外，我們會有圖像矯正IP，板卡上可以包含多個處理IP，能夠高效處理圖像畸變。

Q3：高速采集的幀頻最快可以到多少？在板卡級壓縮圖像，高分辨率圖像最高頻率可以達到多少？

A3：高速采集方案的幀頻并不是一個固定值，而是根據所選的接口帶寬以及傳輸的數據量、分辨率、格式等有關。由下圖可知，當您選擇不同的接口的時候，其帶寬和幀頻都有較大差別。而在帶寬固定的前提下，圖像的分辨率越小、幀率則越高。比如你選擇萬兆10GigE接口，分辨率1024×1024，那么幀率最高可以達到千幀。對于千幀的解決方案，可以在FPGA上進行分割和采圖。

如果只是進行圖像數據量的壓縮，本身不改變數據的幀頻，僅改變數據量的大小。

Q4：鋰電池極片壓縮前后的數據量變化對檢測精度有影響嗎？

A4：采用無損壓縮對圖像質量是沒有影響的，也可以支持無損解壓縮，不會影響檢測精度。

Q5：你們的邊緣計算機最多可以連接多少相機，采集端是怎么處理的？

A5：這個取決于用戶選用的型號。比如下圖中我們選用的是FantoVision 20系列的邊緣計算機，包含2個萬兆口，最多可以連接2臺萬兆相機，或4臺5GigE相機，或16臺千兆以太網相機。CameraLink接口的邊緣計算機也可以連接單臺全模式相機、或2臺CameraLink的Base模式相機。

工作模式：在處理端基于NVIDIA Jetson來做，前端采集軟件采集到數據流并輸入到設備、接入Jetson，利用專門的算法進行數據處理，例如可以直接使用Jetson的CUDA進行AI算法的編程。此外，英偉達的算法庫也可以直接集成到我們的設備上。

第三講-瞬時糾錯的智慧算法：多類型視覺檢測助力高質高效產線生產

Q1：這個AI視覺軟件訓練一般需要多少張圖像？訓練時間大概會是多長？可以免費試用嗎？

A1：AI視覺軟件的訓練時間和模型、電腦配置（GPU、CPU性能）有較大關系。普通的比較簡單的需求，大約幾十張即可完成訓練，稍微復雜一些可能需要200張，更復雜則可能需要500張左右。至于訓練時間，分類模型幾分鐘就能完成，目標檢測、分割或者多種模型組合使用的話，所需訓練時間更長，幾小時到十幾小時不等。實際應用中，我們會根據需求為客戶提供免費試用的支持。

Q2：你們現在方案可以覆蓋的視野有多大？可以用到大視野場景嗎？有沒有軟件支持？

A2：目前我們的3D視覺方案在高精度的要求下可以支持300mm的視野，如果精度要求沒那么高，那么視野就可以達到3m左右。如果在大視野場景想實現高精度檢測，我們可以做多3D設備的標定，而后融合多視野，這種方式也提供配套硬件的軟件支持。

Q3：視覺識別的視野可以進行精準控制嗎？

A3：視覺識別的視野可以由軟件直接設定ROI，或通過控制工作距離來調整，比如用3D設備檢測不同區(qū)域的螺絲裝配時，采用的就是ROI的不同設置，實現不同區(qū)域的掃描，也可以在同一區(qū)域進行重復掃描，以提升該區(qū)域的檢測精度。

Q4：電池外觀和內部多類型缺陷AI視覺檢測方案需要哪些硬件支持？

A4：常見的場景中，硬件支持主要是的成像采集設備，比如2D/3D、近紅外或高光譜等其他類型相機，根據具體應用場景和參數需求決定。圖像采集后即可傳輸到計算機上，通過部署的軟件算法開始識別。此外也需鏡頭、光源、光源控制器作為成像的輔助設備。

特殊場景中，如果目標物是卷筒式形態(tài)，則需要結合線掃相機做移動式掃描，形成2D的規(guī)整圖像。

Q5：鋰電池外觀3D缺陷檢測圖像取圖和處理大概要多久？節(jié)拍這一塊最大支持做到多少PPM？

A5：這取決于對缺陷的檢測視野和精度需求，一般是在 200ms-5s之間。展開來講，在1毫米左右的精度要求下，我們能實現200毫秒呈現1張圖像（即1秒鐘處理5次圖像），但其質量肯定不如10μm的高精度圖像質量更高，后者每張的成像時間雖然需要幾秒鐘，但其點云數量更多，能夠做的后續(xù)分析也更豐富。總之，檢測難度和精度不同，所需檢測時間都不相同。

Q6：鋰電池極片涂布缺陷檢測怎么實現多傳感器數據融合？

A6：我們視覺方案的配套軟件中具有多傳感器視野融合的功能，直接通過軟件就可以實現。

Q7：OLED剝落檢測的靈敏度可以達到多少？

A7：一般檢測準確率可以達到99.9%以上，詳細的項目需求可以與我們深入溝通。

第四講-精密制程的光影貼合：半導體制造中的高功率紫外光源

Q1：這個方案覆蓋深紫外嗎？做不做深紫外曝光？

A1：我們現在的方案中暫時不覆蓋深紫外，因為UVLED在深紫外的功率較低。目前我們的光源主要覆蓋365/385/405nm這幾個UVA波段的紫外曝光。不過明年二季度或三季度，我們會推出深紫外波段的紫外曝光系統，覆蓋280-300nm左右，屆時您可以再關注我們的最新方案。

Q2：大面積的曝光機器能做嗎？300mm2的照射面積

A2：可以實現這種12寸的曝光面積。采用365nm波段的設備，大約可以實現30-40cm2的曝光密度。若面積更大（350-400mm2），就需要結合具體波長、工作距離等工藝參數來定制大面積的曝光方案，這些精密化的設計是為了確保曝光面積和曝光強度符合項目需求。

Q3：固化方案最多可以設計幾個出口呢？同時滿足多少個曝光點？

A3：固化方案現階段最多是“一出四”，也就是同時設計4個出口、曝光4個點。除此之外也包括“一出一”和“一出二”的選項。對于多極曝光，通常采用“一出二”或“一出四”即可滿足需求。

審核編輯 黃宇