10ppm是什么概念?锂电生产管控国标给AI视觉下了硬指标

激光焊接漏检率<10ppm------每100万个焊点,最多只允许漏掉10个。

换个说法:一个标准篮球场上,只容许一粒沙子凸出地面。人眼在高速产线上做不到,传统规则视觉也做不到。但GB/T47292.4---2026把这个数字写进了国标,没有商量余地。

一个和"安全"无关的标准,却更让产线紧张

提起锂电国标,多数人先想到的是GB38031------电池安全。那个标准管的是"电池出了事能不能扛住",2025版把热失控从5分钟不起火升到了2小时。

GB/T47292.4---2026不一样。它的全称是《锂电池生产质量管理 第4部分:电池组过程管控与成品测试》。管的是"生产过程怎么控",不是终端安全,而是制造过程。

这个标准首次把视觉检测的KPI直接写进了国标条文。 作为几十年的视觉老兵,今天维视就带大家来盘一盘这些KPI,看看咱们应该怎样应对。

标准里跟视觉检测有关的硬指标

激光焊接工序:漏检率<10ppm;自动寻址CMK>1.0;首件CPK≥1.0。

极耳裁切:保留焊接区域,端面无批锋。

软包电池:100%漏液检测。

螺丝工序:100%检查,防止异物遗留。

贴胶精度:位置精度CMK≥1.33。

这里面最硬的是激光焊接的10ppm。CMK和CPK是过程能力指标,要求测量系统本身足够稳定。贴胶和螺丝的100%检查,同样不是人工抽检能覆盖的量级。

更炸裂的是实施日期:2027年4月1日。过渡期约9个月,也就是说,压力给到我们,并且时间给的不多。

已经有企业在跑了

万向一二三入选浙江省级"未来工厂"试点。AI视觉检测系统对电芯焊接缺陷识别准确率达99.5%,基于AOS系统的全流程质量管理,任务处理效率提升40%、质量缺陷率降低超50%。

睿奕新能源部署AI视觉前,焊接缺陷漏检率高达25%------每4个缺陷漏1个。部署后漏检率降至0.5%以下,识别准确率99.5%以上。单条产线日产能从5.2万只提升到7万只,增幅超34%。

一个是锂电老牌企业冲"未来工厂",一个是中型企业靠AI视觉把漏检率从25%压到0.5%。两个案例说明同一件事:AI视觉检测在锂电产线上已经跑通了。

维视在锂电检测上怎么做

其实,GB/T47292.4里的几项核心要求,VisionBank AI平台都有直接对应的方案,咱们随便拿几个落地案例拆开看一下。

激光焊接检测

采用2D+3D融合成像。2D工业相机拍焊缝表面形貌,3D激光轮廓仪测焊缝高度和宽度的截面数据。两路数据同步采集,AI模型综合判定。能识别的缺陷类型:虚焊、爆孔、偏焊、未熔合。

10ppm怎么保障?不靠单一模型精度硬扛。维视的做法是多层级质控:每个焊点AI全量判定,可疑区域自动触发复检,检测数据实时上传MES全量追溯。效果:漏检率稳定控制在10ppm以下,满足新国标要求。

▲ VisionBank视觉检测软件界面,绿色标注为检测判定OK区域

极片检测

3D视觉传感器+多维度校验算法。检测精度±0.02mm,过检率<0.5%。比亚迪刀片电池极耳缺陷检测案例验证。

▲ VisionBank SVS软件界面,显示电池连接片缺陷检测OK/NG结果

整线覆盖

从极片分切(尺寸+缺陷)→ 电芯装配(定位+测量)→ 封装(外观检查)→ 模组入箱,每个关键工序都有对应检测模块。检测数据接入MES系统,实现全量追溯------对接新国标对过程管控的要求。

▲ 电芯宽度、电芯极耳错位、极耳左边距、极耳翻折

9个月够不够

2027年4月1日。从现在算起大约9个月。

头部企业已经跑在了前面,AI视觉检测在锂电产线上不是"要不要上"的问题,而是"多快能上线"的问题。

对于更多锂电企业来说,窗口期正在收窄。AI视觉检测在锂电产线上,已经从"提质增效的可选项"变成了"合规生产的必选项"。

关于维视智造

20年技术积淀,8200+行业用户。VisionBank AI平台在锂电激光焊接检测、极片检测场景已有成熟方案,漏检率稳定控制在10ppm以下。新国标倒计时已经开始,产线部署可以现在启动评估。

相关推荐
张--小涛涛5 分钟前
0004 - 机器学习-K近邻算法
人工智能·机器学习·近邻算法
ellenwan20266 分钟前
量化实现的难点,常在规则和流程
人工智能·python
Lethehong8 分钟前
ToDesk远程终端怎么用:手机免进桌面排查 Windows,主机名/账号/ipconfig/进程一篇讲透
人工智能
天辛大师15 分钟前
天心大师谈重新学会传统文化,AI时代的心经奥义
大数据·人工智能·随机森林·重构·启发式算法
新知图书16 分钟前
第 12 章 案例实战:多模态客服智能体
人工智能·语音识别
吴佳浩17 分钟前
企业如何把通用大模型训练成行业模型:Continued Pre-Training实战指南
人工智能·神经网络·llm
luckystar513~18 分钟前
Hermes 实战 :多渠道接入——日报推送到飞书/Telegram
人工智能·agent·智能体开发·hermes实战·智能体网关
clorinda19 分钟前
从零理解 PyTorch:用神经网络完成 MNIST 手写数字识别
人工智能·pytorch·神经网络
吴佳浩25 分钟前
大模型是怎么来的:从数据到 Foundation Model
人工智能·llm·agent
IT_陈寒26 分钟前
Redis Pipeline用错竟比不用还慢,这个坑我帮你踩过了
前端·人工智能·后端