在能源技术变革以及新兴科技的带动下，锂电池凭借其高能量密度、长循环使用寿命、零污染和体积小等优点率先在手机、笔记本电脑等3C数码领域得到广泛应用。近年来，电动汽车和电子产品构成全球锂电池市场主要部分。

锂电池在飞速发展的同时，市场和用户对电池的性能及安全等方面的要求也在不断提高。尤其是锂电池的安全隐患问题一直都存在，从手机、笔记本到电动汽车，均有锂电池发热甚至起火事件的发生，这也为各企业敲响了警钟，在锂电池生产过程中或出厂前必须要进行一系列严格的检测。

极耳焊接工艺是锂电芯整个生产工艺链中较为关键的一部分，其焊接质量和焊接精度会影响整个锂电芯的性能和使用寿命，严重者可直接导致产品报废。常规的软包电芯的极耳是片状、柔软的多层结构，常用的焊接方式有激光焊接、超声波焊接等，在焊接过程中容易因装夹、压刀收拢等工序而产生褶皱、破损及翻折等缺陷。

目前，国内对极耳焊后产生的的缺陷检测主要是依靠人工经验肉眼检测判断，缺乏相应的、比较系统的缺陷检测规程作指导，而且受人为主观因素的影响很大，很难保证检测的准确度和效率。随着计算机技术、图像处理技术的快速发展，近年来，许多企业开始聚焦于机器视觉，希望借助机器视觉技术快速和精准地实现锂电芯极耳焊后的缺陷检测。

机器视觉检测技术是一种非接触式的全新高效检测技术，具备高精准度、高效率、对产品零损伤等优点，可有效地实现设备的生产自动化以及高效柔性化，因此，利用机器视觉技术对锂电芯焊后极耳检测必将是未来的一大趋势。

今天我们就给大家分享一些运用DLIA工业检测平台完成的“锂电池极耳”缺陷检测案例。