基于機器視覺的表面缺陷檢測是智能制造領域最大的應用點之一，其發展程度直接關乎我國制造業質量水平。鋰電池作為新能源領域的主流動力電池，具有能量密度高、壽命長、環保等優點，成為電動汽車和儲能的首選方案。因原材料和工藝等原因，電極材料在生產過程中會出現凹坑、劃痕、孔洞等二十多種表面缺陷，容易導致起火爆炸等險情。人工質檢和傳統圖像處理方法效率低、成本高、準確率低，如何實時高精度地檢測鋰電池高速生產過程中的質量缺陷，是當前企業提升產能、保障品質、降本增效的“卡脖子”問題。

校企聯合，產研協同

工業質檢作為智能制造領域的重要環節，其實時性和準確性直接決定了工廠智能化程度。北京郵電大學楊輝華教授團隊多年來專注于將機器學習、深度學習應用于計算機視覺和光譜檢測等領域，聯合鈦瑪科（北京）工業科技有限公司協同攻克表面缺陷檢測及識別技術，創新檢測技術和識別算法，成功研發了鋰電池表面缺陷高速高精度在線檢測系統，較好地解決了鋰電智能制造行業視覺感知能力不足的問題。

需求牽引，開拓創新

2017年，團隊在楊輝華教授領導下，研發鋰電行業分切刀具的豁口檢測系統，突破快速自動對焦、附著物去除、豁口檢測等關鍵技術，實現了分切刀具全流程自動化豁口檢測。近幾年來，團隊瞄準國家智能制造的重大產業需求，與鈦瑪科等企業密切合作，先后推出了鋰電生產過程表面缺陷檢測系統、衛生用品生產過程表面缺陷檢測系統、輪胎胎側字符異常檢測系統等多型智能檢測裝備，并不斷創新方法、提升產品品質。特別是團隊將自主知識產權的混合監督特征學習技術嵌入到檢測設備中，實現了檢測準確率等關鍵技術指標行業領先。

應用推廣，效益顯著

目前團隊合作研發的表面缺陷高速高精度在線檢測系統已經在國內鋰電池生產頭部企業和衛生用品行業推廣應用，用戶包括寧德時代、ATL、BYD、贛鋒鋰電等國內鋰電池生產頭部企業，經濟效益顯著。部分應用單位近三年累計產生的新增銷售額為39億元，新增利潤3.2億元。

2023年10月，“基于混合監督特征學習的表面缺陷高速高精度在線檢測關鍵技術及應用”項目榮獲中國儀器儀表學會科技進步三等獎。