基于机器视觉的表面缺陷检测是智能制造领域最大的应用点之一，其发展程度直接关乎我国制造业质量水平。锂电池作为新能源领域的主流动力电池，具有能量密度高、寿命长、环保等优点，成为电动汽车和储能的首选方案。因原材料和工艺等原因，电极材料在生产过程中会出现凹坑、划痕、孔洞等二十多种表面缺陷，容易导致起火爆炸等险情。人工质检和传统图像处理方法效率低、成本高、准确率低，如何实时高精度地检测锂电池高速生产过程中的质量缺陷，是当前企业提升产能、保障品质、降本增效的“卡脖子”问题。

校企联合，产研协同

工业质检作为智能制造领域的重要环节，其实时性和准确性直接决定了工厂智能化程度。北京邮电大学杨辉华教授团队多年来专注于将机器学习、深度学习应用于计算机视觉和光谱检测等领域，联合钛玛科（北京）工业科技有限公司协同攻克表面缺陷检测及识别技术，创新检测技术和识别算法，成功研发了锂电池表面缺陷高速高精度在线检测系统，较好地解决了锂电智能制造行业视觉感知能力不足的问题。

需求牵引，开拓创新

2017年，团队在杨辉华教授领导下，研发锂电行业分切刀具的豁口检测系统，突破快速自动对焦、附着物去除、豁口检测等关键技术，实现了分切刀具全流程自动化豁口检测。近几年来，团队瞄准国家智能制造的重大产业需求，与钛玛科等企业密切合作，先后推出了锂电生产过程表面缺陷检测系统、卫生用品生产过程表面缺陷检测系统、轮胎胎侧字符异常检测系统等多型智能检测装备，并不断创新方法、提升产品品质。特别是团队将自主知识产权的混合监督特征学习技术嵌入到检测设备中，实现了检测准确率等关键技术指标行业领先。

应用推广，效益显著

目前团队合作研发的表面缺陷高速高精度在线检测系统已经在国内锂电池生产头部企业和卫生用品行业推广应用，用户包括宁德时代、ATL、BYD、赣锋锂电等国内锂电池生产头部企业，经济效益显著。部分应用单位近三年累计产生的新增销售额为39亿元，新增利润3.2亿元。

2023年10月，“基于混合监督特征学习的表面缺陷高速高精度在线检测关键技术及应用”项目荣获中国仪器仪表学会科技进步三等奖。