電極壓延時的品質保證
機器視覺系統確保精準監控與可靠的故障偵測
機器視覺系統確保精準監控與可靠的故障偵測。 在壓延過程中，雙面塗佈的銅箔或鋁箔會被精確地壓實。機器視覺技術確保了品質與效率：實現製程即時監控、及早發現錯誤，並減少材料浪費。
壓延過程中的錯誤將威脅電極塗佈的品質
壓延對塗層的均勻性、厚度與黏著力至關重要。精細且均勻的塗層能補償配合公差（fits），確保穩定的印刷條件，並將後續生產步驟中的應力影響降至最低。
關鍵製程步驟：壓延 — 塗層品質的核心關鍵
電池芯內部的塗層缺陷會導致不可預見的內阻（Resistances）、黏著力不佳以及材料分佈不均。這類缺陷不僅會干擾整個生產流程，更對最終產品的品質具有重大影響。
在壓延過程中，銅箔或鋁箔雙面的塗層會被壓實成均勻的層狀結構。此製程首先對電極箔材進行靜電消除 (Static Discharge)，以防止微粒堆積；隨後利用刷具或氣流清潔箔材表面，去除粉塵與殘留物。兩個反向旋轉的滾輪（頂滾輪與底滾輪）對材料施加特定的線壓力 (Line Pressure)，透過均勻擠壓塗層來完成壓實，而材料的厚度設定在很大程度上決定了壓實品質。
電極塗層的潛在缺陷
無論是間歇性塗佈 (Intermittent Coating) 還是連續性塗佈 (Continuous Coating)，皆可能產生瑕疵。
典型的缺陷包括下面數類：
a. 團粒
b. 塗層裂隙
c. 汙染
d. 局部微壓痕
e. 料漿乾裂
f. 針孔 / 氣孔
g. 塗層脫落 / 崩落
h. 條紋 / 劃痕
壓延過程中使用的機器視覺
影像處理技術透過提供快速且具備數據記錄的薄膜品質量測，優化了壓延過程中的品質控管。
透過影像預處理有效減輕 CPU 負擔
racer 2 線掃描相機能以完整的生產速度監控製程。壓延過程中產生的大量數據，會透過影像擷取卡上的 VisualApplets 進行預處理。 藉由設定 ROI（感興趣區域），分析範圍可限縮在相關的帶狀區域內。系統僅會針對異常區段進行後續分析 — 這大幅降低了 CPU 負載，並為實際的製程控制釋放更多運算資源。
利用 pylon vTools 偵測並應對缺陷
在後續步驟中，系統會針對壓延過程中偵測到的異常狀況，在 ROI（感興趣區域） 內進行詳細分析。搭載經典影像處理演算法的 pylon vTools 可對缺陷類型進行分類（例如：裂紋、材料脫落或表面不平整）。而 pylon AI 則能透過人工智慧分析，精確量測缺陷的大小與範圍。
系統會根據缺陷的類型與尺寸，判定材料是否仍處於規格公差範圍內，或是否需要採取進一步措施。壓延後的精確缺陷定位能提升電極品質，並有效降低報廢率。
機器視覺確保壓延品質
高解析度線陣掃描相機能即時偵測薄膜表面的刮痕、氣泡、變色、微粒或無光澤（matting）等瑕疵。
pylon AI vTools 負責執行自動化影像分析，以及瑕疵的區段化分類（根據尺寸、形狀與位置進行排序），並能偵測重複出現的缺陷影像。
微波感測器與機器視覺的結合，實現了橫跨整個薄膜寬度的連續厚度量測 — 從最初的粗略偵測到解析度極高的亞微米級精密量測，皆能涵蓋。
利用穩健的影像分析技術，系統能可靠地偵測薄膜寬度方向上的偏離與平整度偏差。
關於亞琛工業大學 (RWTH Aachen University) 電動車組件生產工程系 (PEM)
亞琛工業大學電動車組件生產工程系 (PEM) 多年來致力於鋰離子電池生產的研究。該研究小組的核心是一條涵蓋完整製程鏈的電池芯生產試驗線（Pilot Line）。在這裡，研究人員與 Basler 等工業夥伴緊密合作，不斷改進生產流程中的各個步驟。
透過參與價值鏈各階段企業的多項國內外工業專案，並在知名研究計畫中擔任關鍵職位，亞琛工業大學 PEM 提供了極其廣泛的專業技術知識。
此方案所用產品
想實施類似的方案嗎？這些產品能有所助益。
