摘要

產業的創新，亟待新技術的導入，在制造環節，智能化、大數據的導入也可能更好地賦能電池的生產制造。

如何借助人工智能與深度學習技術,賦能現有的動力電池制造，這正在成為頭部動力電池企業探索的重要方向。

高工鋰電獲悉，寧德時代聯合了百度飛槳開源深度學習開源平臺，優化升級其原有的電池缺陷質量檢測產線，為動力電池質量保障筑起智能防線。

動力電池的質量極為關鍵，一旦出現瑕疵，極有可能帶來安全問題。寧德時代董事長曾毓群在多個場合提出，其對于動力電池的產品缺陷率正在由PPm級（百萬分之一）做到PPb級（十億分之一），提升了三個量級。

在電池生產環節，金屬焊接產生的顆粒是否掉在表面、有沒有漏涂、焊接工藝是否一致等，直接影響產品最終質量，因此是每個工序之后必需要檢測的細節，檢測總監控參數超過3000個。

業界傳統檢測方式基本是人工用明眼去看，不同產線各個方面要求也不一致，每個標準都需要人工一一確認，整體流程極其復雜、低效。

面對十億分之一的要求挑戰，寧德時代一方面應用了傳統機器視覺的策略，同時，也在探索開發基于深度學習的更智能的檢測策略。

一個比較現實的問題在于，在新的應用當中大量運用遷移學習、監督學習等AI相關技術，將各條線上的人工經驗快速應用以敏捷判定檢測是否合格。但實際的業務上線，對人工智能算法的模型精度和速度十分苛刻，這也引發了寧德時代在AI與產業融合道路上更深層次的思考。

寧德時代的產品質量穩定性與其嚴格的品控技術不無關系：電池在產線上缺陷漏檢率小于1DPPB；生產流水線上，對檢測速度的要求也是幾近極限，單張產品圖像缺陷檢測的平均時長要低于2毫秒。

為了達到以上標準，寧德時代的算法工程師和百度飛槳的工程師投入了大量的努力，通過仔細分析數據特征并優化模型，針對產線環境進行優化，以及和原有產線流程打通。

同時，寧德時代通過百度飛槳深度優化過的PP-YOLO和ResNet系列算法提升算法精度，調整預測batch，采用多線程數據預處理，優化預處理后數據內存拷貝實踐等策略，最終提升檢測精度及預測效率達到實際生產需求。

相較于業界傳統檢測算法，寧德時代動力電池高精度質量檢測過殺率優化了1倍，且算法在多產線上進行遷移部署的效率也得到了全面優化提升，不僅為寧德時代的動力電池質量的保障進一步保駕護航，也在一定程度上降低了產線研發的成本。

除了寧德時代，另一家動力電池企業蜂巢能源也在考慮通過AI技術為制造環節進行賦能。

2020年底的蜂巢電池日活動上，其對外介紹了利用AI技術提升動力電池品質的方法。

一是AI+容量預測。傳統的動力電池生產工藝的最后一個環節，是分容。其邏輯是，由于生產一致性并不可能絕對地高，因此要通過化成，測量出準確容量，將容量一致的產品挑選出來。在此過程中，電池要反復充放電，既需要大量的化成設備，又要浪費電量。

AI+容量預測的目標是取消分容。這項技術由蜂巢和西門子聯合開發。他們通過讀取生產過程中的數據，建立預測模型，對電池容量進行測算。

目前，這一容量模型預測的準確度已經達到了98%以上。蜂巢還將繼續提升容量預測的準確度，計劃明年3月份先上線運行。并預計在2023年直接取消分容。

二是AI智能焊接技術，分為激光焊接技術和超聲波焊接技術。這項技術的目的是，實現在線不破壞性100%的全檢。

在激光焊接環節，AI技術會監控不同的零部件在各工序的參數，從而達到焊接數據實時采集，自動標定數據，實時預測焊接位置；在線檢測+自學習+焊接參數矯正；在超聲波焊接環節，可以通過AI技術實時監控，及時反饋及告警；不良率降低50%；

按計劃，AI激光焊接技術在2022年導入；智能超聲波焊接技術在2021年下半年進行量產驗證。

三是AI自放電檢出。該技術既能檢測電壓，同時也檢測漏電流，而且使用大數據做AI分析，動態地預測電池狀態。這項技術的應用，有望縮短電池靜置時間50%；庫位數量減少50%；廠建面積降低50%，運營費用降低200萬元。預計在2021年進行量產驗證。

對于寧德時代、蜂巢能源等企業的技術探索，高工鋰電認為，動力電池的進一步發展要注重與AI智能、大數據、云計算等的深度融合。產業的創新，亟待新技術的導入，在制造環節，智能化、大數據的導入也可能更好的賦能電池的生產制造，在提升生產效率的同時，更大程度提升動力電池的品質及安全性能。

同時，動力電池涉及到材料、裝備、工藝多個環節，只有基于不同環節的整合創新和開放式融合，打破現有的產業壁壘和創新邊界，建立新的產業生態，才有可能更大程度上推動電池的顛覆性創新。

責任編輯：xj

原文標題：CATL/蜂巢探路 看AI如何賦能動力電池智造

文章出處：【微信公眾號：高工鋰電】歡迎添加關注！文章轉載請注明出處。