AI视觉极片涂布缺陷检测：线阵成像与误报抑制

锂电池极片涂布是典型的宽幅高速场景：幅宽500mm、线速60m/min时，单帧可用曝光不足百微秒，常规面阵相机很难同时兼顾分辨率与运动模糊。计算机视觉实验室在一台中试涂布机上做了阶段性验证，路线分三步。

一是成像先行。采用明场与暗场双线阵分时频闪，明场捕捉漏涂、划痕等反射率突变，暗场突出颗粒与边缘褶皱；两路图像按编码器脉冲做行对齐，避免配准误差污染后续判定。

二是把长尾问题交给异常检测。产线缺陷样本稀少且类别不均衡，先用正常极片训练重构式异常基线，再用数百张标注样本微调分类头，输出“是否异常—缺陷类型”两级结果。

三是误报抑制。单帧误报多来自涂层纹理与辊面反光，我们引入同位置连续帧投票、按卷长做空间聚类，并与涂布间隙、张力曲线做时序关联复核。

【阶段进展】暗斑与漏涂召回约96%，误报由每百米4.1次降至0.9次，均在单线单机型上测得。
【下一步】将缺陷坐标回传至卷绕米标，验证与分切剔除工位的联动，并补充不同浆料体系下的泛化测试。