久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

★研祥智能科技股份有限公司

1　背景

隨著全球對清潔能源需求的增加和技術的進步，鋰電池在電動車、儲能系統和消費電子產品中的應用越來越廣泛，在制造過程中，通過賦碼和掃碼實現流程可追溯，不遺漏讀碼、不讀錯碼是確保鋰電池品質的重要一環。然而，某鋰電池企業經常因為讀碼設備常受條碼大小、位置、環境要求等突發狀況的影響，例如每個鋰電池讀碼時間極短只有500ms、設備內有環境光干擾會在鋰電池上出現雜散光、設備內空間有限等因素，從而導致生產線停滯、效率下降、產品質量不穩定等問題。為了解決該鋰電池企業這一痛點，研祥金碼研發系列智能讀碼器產品，幫助鋰電池制造過程中實現信息采集和傳輸的自動化和數字化，從而提高了制造過程中質量控制和效率，降低了人工成本和錯誤率，增強了鋰電池制造的競爭力和可靠性，幫助該企業實現生產過程的可追溯性、生產計劃的準確性、產品質量控制的有效性等方面的目標。

2　案例實施

某鋰電池廠家對產品的溯源信息二維碼跟蹤管理，采用的是Data Matrix二維條碼作為載體。由于DataMatrix二維條碼（以下簡稱DM碼）只需要讀取資料的20%即可精確辨讀，因此很適合應用在條碼容易受損的工業場所，一般印在暴露于高熱、化學清潔劑、機械剝蝕等特殊環境的零件上，同時，DM碼的尺寸可任意調整，最大可到35CM左右，最小可到0.000508CM，DM碼其密度大、尺寸小、信息存儲量大等特點，被廣泛應用在工業產品的質量回溯和產品跟蹤管理等環節。目前，智能讀碼器應用在鋰電池行業工作過程中，場景覆蓋鋰電池制程的中后段工序，包括卷繞、冷壓整形、裸電芯、超聲波焊接、注液、密封釘焊、打包、下倉等，能滿足各種復雜場景的讀碼需求。如圖2所示，其工作原理是電源模塊給智能讀碼器各個模塊供電，通過光源控制電路把光源打開，光線照射到目標鋰電池檢測物體上，部分反射光線被鏡頭收集，并在感光芯片上成像，感光芯片則把在自身成像的光信號轉化電信號，圖像數據采集電路把電信號做A/D轉換，以數字信號格式輸出給后端的圖像處理單元進行簡單的圖像預處理，然后加載到智能圖像處理模塊上，結合深度學習算法，把預處理過的圖像信號進行運算處理，得到最終目標鋰電池檢測物體的DM讀碼結果。

圖1 智能讀碼器在自動化鋰電檢測的應用

在鋰電池原材料入庫時，智能讀碼器可以快速掃描原材料的DM條形碼或二維碼，獲取生產制造流水線上物料的二維碼或條形碼信息。在電池組裝過程中，智能讀碼器可以對每個鋰電池單體進行掃描，記錄其電壓、容量、內阻等參數，以及其所屬的模組和包組，實現鋰電池單體的自動化分選和匹配。在電池成品出庫時，智能讀碼器可以對每個鋰電池包進行掃描，獲取其DM條形碼或二維碼中的信息，如生產日期、序列號、規格型號等，實現鋰電池包的自動化標識和追溯。但是由于鋰電池曲面DM碼的形狀是圓柱形的，因此讀取它們的智能讀碼器必須能夠識別圓柱形的碼，而不是平面的碼，并且在高速運動、低光或無光、遠距離讀碼的特殊應用環境中選取的條碼經常存在模糊、分辨率低、褶皺、光照不均、彎曲畸變等問題。因此，研祥金碼針對以上問題，進行如下改進：

圖2 智能讀碼器工作原理

（1）增強缺陷條碼與弱成像條碼的解碼功能

由于鋰電池曲面DM碼的特殊性，它們的編碼方式和普通的二維碼編碼有很大的不同，因此讀取它們的讀碼器必須具有能夠識別特殊編碼的功能，金碼智能讀碼器采用全卷積自編碼（FCAE）的方式減少冗余計算，加速算法。同時在FCAE特征上引入特征聚類模塊，增強特征的判別性，以此抑制缺陷生成，提升紋理背景重構精度。并且融合多個尺度檢測結果，對不同大小的缺陷都穩健。最后，設計了結果融合模塊，融合不同尺度的檢測結果，同時保證算法的召回率和準度。基于多尺度特征聚類的全卷積缺陷條碼識別結構如圖3所示。

圖3 基于多尺度特征聚類的全巻積缺陷條碼識別結構

該方法能夠同時檢測多種類型的紋理表面缺陷，只需要少量無缺陷紋理樣本進行訓練。所提出的方法利用不同尺度級別的全卷積自編碼（FCAE）子網重構紋理背景圖像。通過從輸入圖像中減去紋理背景圖像，獲得殘差圖像，最后被融合成一個缺陷圖像。為了實現高效率，避免滑窗操作，每個FCAE子網利用全卷積神經網絡直接從輸入圖像中提取特征。此外，每個FCAE子網使用特征聚類模塊改善編碼特征的判別性，提升紋理背景重構精度。該方法已高效率實現了最高的檢測精度，滿足了鋰電池在特殊DM碼檢測的要求。

（2）增加光照不均條件下條碼精準識別

由于鋰電池曲面DM碼的形狀是圓柱形的，讀取它們的工業讀碼器必須能夠識別圓柱形的碼，而不是平面的碼并且高速運動、低光或無光、遠距離讀碼等特殊應用環境中選取的條碼經常存在模糊、分辨率低、褶皺、光照不均、彎曲畸變等問題，提出基于全局優化與深度學習的弱成像條碼識別。如圖4所示，該方法可以分為4個主要部分：①空間變換網絡（Spatial Transformer Network，STN），主要用于對輸入圖像進行預處理；②卷積神經網絡，用于從經過STN矯正后的圖像中提取出空間特征；③循環神經網絡，用于在前述空間特征的基礎上進行序列處理，初步建模各字元之間的上下文相關性，得出對字元分類的概率結果；④全局優化算法用于在各字元獨立概率的基礎上進一步獲取字符與串的全概率，并以損失函數的形式強化對網絡輸出概率的約束。

圖4 基于全局優化與深度學習的弱成像條碼識別結構

通過將深度學習網絡模型引入到條碼識別任務中，它更能依據上下文的DM條碼信息來進行識別，而不單單只將條碼看作是獨立的個體，并且根據條碼編碼設計的結構特點，進一步提出在網絡中結合全局優化的算法，能夠有效提高弱成像條碼識別的接收率與準確度。

（3）遠距離大視野多重碼融合識別

針對之前傳統讀碼器需要人工在產線上手動多次調節鏡頭焦距、設備內空間有限，讀碼器需要離鋰電池60mm以上，DM碼距焦點發生變化還需重新手動調整等問題，從而提出液態鏡頭自動對焦技術。以彈性聚合物薄膜密封光學流體，通過電流驅動施壓，改變曲率，實現讀碼器快速對焦，響應速度達毫秒級。同時還能解決因不同工作距離造成的讀碼難題，減少讀碼器移動和調試的時間，能快速且準確地采集到清晰的圖像，如圖5所示。

圖5 液態鏡頭自動對焦設計

通過采用電控方式來改變曲率半徑，從而改變焦距，實現讀碼器毫秒級高速靈活自動對焦，相對于傳統機械對焦技術，采樣速度得到百倍提升，滿足企業實現超遠距離、超廣視野、自適應大景深、超高速快讀碼、高精度解小碼等多項需求。研祥金碼智能讀碼器內嵌AI芯片，算力高達6Tops。在此基礎上，搭載自研的深度學習算法，能快速實現圖形矯正，支持識別各種污損碼、曲面碼、彩色碼、漸變碼等。內置智能視頻分析引擎，性能比CPU提升5倍以上，效率更高，同時支持硬化20種以上的常用OpenCV算子，如圖像二值化、邊緣檢測、均值濾波、閾值分割等；采用多級功耗控制手段，芯片功耗更低，快速啟動時間比市面上主流方案快30%以上。研祥金碼智能讀碼器如圖6所示。

圖6 研祥金碼智能讀碼器

3　項目效益

經過智能讀碼器在鋰電池的物流過程中的改進和應用，幫助該企業實現了貨物的實時追蹤和管理，通過掃描鋰電池上的二維碼或條形碼，可以實時獲取貨物的位置和狀態信息，使解碼正確率高達98%以上，提高生產物流效率和準確性。讀碼器離鋰電池60mm以上，DM碼距焦點發生變化不需重新手動調整，實現自動化讀碼和數據采集。這不僅可以減少人工干預和錯誤率，而且提高了生產效率。在鋰電池的生產過程中，每個電池都會被打上獨特的標識符，通過這些標識符可以追蹤到每個電池的生產批次、生產日期等信息，當出現問題時，可以通過追溯迅速找到問題根源，避免問題擴大化，減少20%維護成本，同時，可以在生產過程中對原材料、半成品和成品等進行有效跟蹤和監控，實現原材料庫存的精準控制，降低了庫存成本、提高產品質量和減少廢品率降低生產成本。通過獲取的二維碼或條形碼信息用于數據分析，通過對這些數據的統計和分析，可以與自動化生產線相結合，根據采集信息為客戶制定更加科學合理的決策提供數據支持，提升了該企業產品品質和客戶滿意度。

未來，鋰電池作為一種對環境友好的新型綠色能源，在電動汽車、太陽能光伏、智能電網儲能系統、電力、化工等領域將得到廣泛的應用，因此，鋰電池的質量控制和溯源等涉及行業安全問題不容忽視。研祥金碼智能讀碼器獲取鋰電池上的二維碼或條形碼信息，從而對產品的身份標識、生產日期、生產批次號等信息進行核實，當出現問題時，可以通過追溯迅速找到問題根源，避免問題擴大化。通過對數據的統計和分析，深入了解產品的生產情況、銷售情況等，為企業制定更加科學合理的決策提供數據支持，從而減少人工操作失誤，提高生產效率，實現產品線各個生產環節降本增效，助力企業實現數字化、智能化轉型。

摘自《自動化博覽》2024年11月刊