★研祥智能科技股份有限公司
1 背景
随着全球对清洁能源需求的增加和技术的进步,锂电池在电动车、储能系统和消费电子产品中的应用越来越广泛,在制造过程中,通过赋码和扫码实现流程可追溯,不遗漏读码、不读错码是确保锂电池品质的重要一环。然而,某锂电池企业经常因为读码设备常受条码大小、位置、环境要求等突发状况的影响,例如每个锂电池读码时间极短只有500ms、设备内有环境光干扰会在锂电池上出现杂散光、设备内空间有限等因素,从而导致生产线停滞、效率下降、产品质量不稳定等问题。为了解决该锂电池企业这一痛点,研祥金码研发系列智能读码器产品,帮助锂电池制造过程中实现信息采集和传输的自动化和数字化,从而提高了制造过程中质量控制和效率,降低了人工成本和错误率,增强了锂电池制造的竞争力和可靠性,帮助该企业实现生产过程的可追溯性、生产计划的准确性、产品质量控制的有效性等方面的目标。
2 案例实施
某锂电池厂家对产品的溯源信息二维码跟踪管理,采用的是Data Matrix二维条码作为载体。由于DataMatrix二维条码(以下简称DM码)只需要读取资料的20%即可精确辨读,因此很适合应用在条码容易受损的工业场所,一般印在暴露于高热、化学清洁剂、机械剥蚀等特殊环境的零件上,同时,DM码的尺寸可任意调整,最大可到35CM左右,最小可到0.000508CM,DM码其密度大、尺寸小、信息存储量大等特点,被广泛应用在工业产品的质量回溯和产品跟踪管理等环节。目前,智能读码器应用在锂电池行业工作过程中,场景覆盖锂电池制程的中后段工序,包括卷绕、冷压整形、裸电芯、超声波焊接、注液、密封钉焊、打包、下仓等,能满足各种复杂场景的读码需求。如图2所示,其工作原理是电源模块给智能读码器各个模块供电,通过光源控制电路把光源打开,光线照射到目标锂电池检测物体上,部分反射光线被镜头收集,并在感光芯片上成像,感光芯片则把在自身成像的光信号转化电信号,图像数据采集电路把电信号做A/D转换,以数字信号格式输出给后端的图像处理单元进行简单的图像预处理,然后加载到智能图像处理模块上,结合深度学习算法,把预处理过的图像信号进行运算处理,得到最终目标锂电池检测物体的DM读码结果。
图1 智能读码器在自动化锂电检测的应用
在锂电池原材料入库时,智能读码器可以快速扫描原材料的DM条形码或二维码,获取生产制造流水线上物料的二维码或条形码信息。在电池组装过程中,智能读码器可以对每个锂电池单体进行扫描,记录其电压、容量、内阻等参数,以及其所属的模组和包组,实现锂电池单体的自动化分选和匹配。在电池成品出库时,智能读码器可以对每个锂电池包进行扫描,获取其DM条形码或二维码中的信息,如生产日期、序列号、规格型号等,实现锂电池包的自动化标识和追溯。但是由于锂电池曲面DM码的形状是圆柱形的,因此读取它们的智能读码器必须能够识别圆柱形的码,而不是平面的码,并且在高速运动、低光或无光、远距离读码的特殊应用环境中选取的条码经常存在模糊、分辨率低、褶皱、光照不均、弯曲畸变等问题。因此,研祥金码针对以上问题,进行如下改进:
图2 智能读码器工作原理
(1)增强缺陷条码与弱成像条码的解码功能
由于锂电池曲面DM码的特殊性,它们的编码方式和普通的二维码编码有很大的不同,因此读取它们的读码器必须具有能够识别特殊编码的功能,金码智能读码器采用全卷积自编码(FCAE)的方式减少冗余计算,加速算法。同时在FCAE特征上引入特征聚类模块,增强特征的判别性,以此抑制缺陷生成,提升纹理背景重构精度。并且融合多个尺度检测结果,对不同大小的缺陷都稳健。最后,设计了结果融合模块,融合不同尺度的检测结果,同时保证算法的召回率和准度。基于多尺度特征聚类的全卷积缺陷条码识别结构如图3所示。
图3 基于多尺度特征聚类的全巻积缺陷条码识别结构
该方法能够同时检测多种类型的纹理表面缺陷,只需要少量无缺陷纹理样本进行训练。所提出的方法利用不同尺度级别的全卷积自编码(FCAE)子网重构纹理背景图像。通过从输入图像中减去纹理背景图像,获得残差图像,最后被融合成一个缺陷图像。为了实现高效率,避免滑窗操作,每个FCAE子网利用全卷积神经网络直接从输入图像中提取特征。此外,每个FCAE子网使用特征聚类模块改善编码特征的判别性,提升纹理背景重构精度。该方法已高效率实现了最高的检测精度,满足了锂电池在特殊DM码检测的要求。
(2)增加光照不均条件下条码精准识别
由于锂电池曲面DM码的形状是圆柱形的,读取它们的工业读码器必须能够识别圆柱形的码,而不是平面的码并且高速运动、低光或无光、远距离读码等特殊应用环境中选取的条码经常存在模糊、分辨率低、褶皱、光照不均、弯曲畸变等问题,提出基于全局优化与深度学习的弱成像条码识别。如图4所示,该方法可以分为4个主要部分:①空间变换网络(Spatial Transformer Network,STN),主要用于对输入图像进行预处理;②卷积神经网络,用于从经过STN矫正后的图像中提取出空间特征;③循环神经网络,用于在前述空间特征的基础上进行序列处理,初步建模各字元之间的上下文相关性,得出对字元分类的概率结果;④全局优化算法用于在各字元独立概率的基础上进一步获取字符与串的全概率,并以损失函数的形式强化对网络输出概率的约束。
图4 基于全局优化与深度学习的弱成像条码识别结构
通过将深度学习网络模型引入到条码识别任务中,它更能依据上下文的DM条码信息来进行识别,而不单单只将条码看作是独立的个体,并且根据条码编码设计的结构特点,进一步提出在网络中结合全局优化的算法,能够有效提高弱成像条码识别的接收率与准确度。
(3)远距离大视野多重码融合识别
针对之前传统读码器需要人工在产线上手动多次调节镜头焦距、设备内空间有限,读码器需要离锂电池60mm以上,DM码距焦点发生变化还需重新手动调整等问题,从而提出液态镜头自动对焦技术。以弹性聚合物薄膜密封光学流体,通过电流驱动施压,改变曲率,实现读码器快速对焦,响应速度达毫秒级。同时还能解决因不同工作距离造成的读码难题,减少读码器移动和调试的时间,能快速且准确地采集到清晰的图像,如图5所示。
图5 液态镜头自动对焦设计
通过采用电控方式来改变曲率半径,从而改变焦距,实现读码器毫秒级高速灵活自动对焦,相对于传统机械对焦技术,采样速度得到百倍提升,满足企业实现超远距离、超广视野、自适应大景深、超高速快读码、高精度解小码等多项需求。研祥金码智能读码器内嵌AI芯片,算力高达6Tops。在此基础上,搭载自研的深度学习算法,能快速实现图形矫正,支持识别各种污损码、曲面码、彩色码、渐变码等。内置智能视频分析引擎,性能比CPU提升5倍以上,效率更高,同时支持硬化20种以上的常用OpenCV算子,如图像二值化、边缘检测、均值滤波、阈值分割等;采用多级功耗控制手段,芯片功耗更低,快速启动时间比市面上主流方案快30%以上。研祥金码智能读码器如图6所示。
图6 研祥金码智能读码器
3 项目效益
经过智能读码器在锂电池的物流过程中的改进和应用,帮助该企业实现了货物的实时追踪和管理,通过扫描锂电池上的二维码或条形码,可以实时获取货物的位置和状态信息,使解码正确率高达98%以上,提高生产物流效率和准确性。读码器离锂电池60mm以上,DM码距焦点发生变化不需重新手动调整,实现自动化读码和数据采集。这不仅可以减少人工干预和错误率,而且提高了生产效率。在锂电池的生产过程中,每个电池都会被打上独特的标识符,通过这些标识符可以追踪到每个电池的生产批次、生产日期等信息,当出现问题时,可以通过追溯迅速找到问题根源,避免问题扩大化,减少20%维护成本,同时,可以在生产过程中对原材料、半成品和成品等进行有效跟踪和监控,实现原材料库存的精准控制,降低了库存成本、提高产品质量和减少废品率降低生产成本。通过获取的二维码或条形码信息用于数据分析,通过对这些数据的统计和分析,可以与自动化生产线相结合,根据采集信息为客户制定更加科学合理的决策提供数据支持,提升了该企业产品品质和客户满意度。
未来,锂电池作为一种对环境友好的新型绿色能源,在电动汽车、太阳能光伏、智能电网储能系统、电力、化工等领域将得到广泛的应用,因此,锂电池的质量控制和溯源等涉及行业安全问题不容忽视。研祥金码智能读码器获取锂电池上的二维码或条形码信息,从而对产品的身份标识、生产日期、生产批次号等信息进行核实,当出现问题时,可以通过追溯迅速找到问题根源,避免问题扩大化。通过对数据的统计和分析,深入了解产品的生产情况、销售情况等,为企业制定更加科学合理的决策提供数据支持,从而减少人工操作失误,提高生产效率,实现产品线各个生产环节降本增效,助力企业实现数字化、智能化转型。
摘自《自动化博览》2024年11月刊