东莞市摩尔智能科技有限公司AI视觉检测案例

一、公司简介

东莞市摩尔智能科技有限公司（以下简称“摩尔智能”）是一家以“视觉集成+AI”为核心技术驱动的新能源行业解决方案供应商。公司依托机器视觉、人工智能、大数据等新一代信息技术，与东莞人工智能研究院深度合作，构建了“产、学、研”一体化的智能制造基地。深耕锂电、光伏等新能源领域，摩尔智能针对行业痛点，开发出多套高效、高精度的视觉检测解决方案，已成功应用于多家行业龙头企业，助力客户实现智能化升级。

核心优势：1.技术领先：融合传统算法与深度学习算法，支持高速、高精度检测；2.全场景覆盖：覆盖锂电制片、分切、模切、叠片等全流程检测需求；3.定制化服务：自研方案灵活适配客户产线，快速交付与持续优化；4.数据闭环：实时检测+纠偏联动，实现生产质量全流程闭环管理。

二、AI算法与硬件架构

1. 技术架构

摩尔智能的视觉系统采用“多算法融合+多硬件协同”的先进架构：

算法层：结合传统图像处理算法（如边缘检测、形态学分析）与深度学习模型（如CNN、YOLO），兼顾检测效率与复杂缺陷识别能力；

硬件层：搭载8K/16K高速线扫相机、高亮定制光源，支持0.05mm采样精度；计算单元采用FPGA+GPU+CPU异构架构，满足2400mm/s高速检测需求。

2. 深度学习应用

缺陷分类：通过海量缺陷样本训练模型，精准识别划痕、气泡、异物等20+类缺陷；

动态优化：系统支持在线学习，可根据客户产线数据持续优化检测参数，降低误报率至0.10%以下。

三、应用场景与解决方案

1. 涂布工艺：缺陷检测+尺寸测量+闭环纠偏

痛点：

涂布极片的对齐度偏差、涂覆区宽度波动易导致电芯性能下降。

方案：

正反面部署16K线扫相机，实时采集涂布图像；

AI算法同步检测涂布宽度、对齐度及缺陷（划痕、气泡等），精度达±0.1mm；

检测数据实时联动纠偏机构，实现“检测-调整-复检”闭环控制。

效果：

检出率100%，误报率≤0.10%；

涂布良率提升15%，年节约材料成本超200万元。

示意图：

测试图片：

2. 分切工艺：全检+尺寸纠偏

痛点：

分切后极片边缘毛刺、尺寸偏差影响后续叠片精度。

方案：

正反面8K线扫相机实时捕捉分切板片图像；

传统算法快速定位毛刺、漏箔等缺陷，深度学习模型识别微小异物；

尺寸数据实时反馈至纠偏机构，偏差超限自动报警。

效果：

检测速度2400mm/s，支持800mm幅宽产线；

分切工序效率提升30%，人工复检成本降低70%。

示意图：

测试图片：

3. 模切工艺：全检+尺寸纠偏

痛点：

模切后极片边缘毛刺、尺寸偏差影响后续叠片精度。
方案：

正面8K线扫相机实时捕捉模切板片图像；

传统算法快速定位毛刺、漏箔等缺陷，深度学习模型识别微小异物；

尺寸数据实时反馈至纠偏机构，偏差超限自动报警。

效果：

检测速度2400mm/s，支持800mm幅宽产线；

模切工序效率提升30%，人工复检成本降低70%。

示意图：

测试图片：

4. 切叠一体机：极片归正+对齐度检测

痛点：

叠片错位导致电芯内阻不均，引发安全隐患。
方案：

切片前：线扫相机检测极片表面缺陷，打标定位不良品；

叠片前：面阵相机多角度拍摄，引导机械臂精准抓取与归正；

叠片中：实时监测对齐度，精度±0.1mm。

效果：

缺角检出率100%，叠片对齐合格率提升至99.9%；

单台设备年减少电芯报废损失约150万元。

示意图：

测试图片：

5. 铜箔在线质量检测

痛点：

铜箔面密度不均、厚度波动影响电池一致性。
方案：

X射线非接触式测量，实时监控面密度与厚度；

深度学习算法分析数据，驱动横幅控制系统调节生箔机流量。

效果：

厚度测量误差≤0.4gsm，生产均匀性提升50%；

质量数据自动上传MES系统，实现全流程可追溯。

检测指标对比表：

四、效益

1.效率提升：检测速度达行业平均水平的2倍，产能提升25%-40%；

2.成本优化：全自动检测替代人工，单线年节约人力成本80万元；

3.良率增长：客户导入后综合良率从92%提升至98.5%。