（EV）正在持续不断的发展的绿色能源领域中发挥着关键作用。由于技术进步、经济实惠，加上政府对绿色能源计划的支持，
根据世界资源研究所（数据摘自国际能源署）开展的研究分析，在2022年全球销售的乘用车中，10%为纯电动车，相比五年前增加了10倍。挪威的纯电动车销量占乘用车销量的80%，位居世界第一，其次是冰岛（41%）、瑞典（32%）、荷兰（24%）和中国（22%）。
中国是全球最大的汽车市场，地位不可以小看。2022年，中国的电动汽车销量超过世界别的地方的总和。中国还对电动汽车制造开展战略投资，中国消费者可选的电车类型高达300多种。
相比之下，欧盟（12%）和美国（6%）的电动汽车销量占乘用车总销量的比例较低。尽管如此，这两个市场也处在迅速增加中。在美国，市场领导者特斯拉于2023年大幅降价，这为竞争对手施加了压力，使它们也不得不考虑降低销售价格。2023年，新款电车的平均价格降幅达22%，降至50,683美元。在美国，电车与其他车型之间的平均价格差距低于3,000美元。目前，当汽车制造商正在摸索发展道路之时，美国电车的供应已超过需求。
电车成本、一次充电里程以及电池充电时间等因素都会影响电车的发展。专家预测，当电车的购买、持有和经营成本低于传统燃气汽车时，电车技术将达到临界点，并迎来迅速发展。
随着电车需求的持续增长，而电池组是电车运作的核心组件，因此对电池组的深入研究也变得势在必行。目前，锂离子电池组（LIB）是在电动汽车中普遍的使用的电池类型，具有高单位体积内的包含的能量、高电压、高稳定性、低重量和长常规使用的寿命等特征。
本文探讨了电动汽车的发展的新趋势、电池组的关键作用以及LIB制造的复杂性，同时讨论了为何机器视觉检测人工智能（AI）对行业变革起到至关重要的作用。
根据Grandview Research的研究，电动汽车的普及推动了全球LIB产量的显著增长。据估计，2023年LIB的全球市场规模为544亿美元，预计2024年至2030年的复合年均增长率（CAGR）为20.3%。
各国政府和相关行业正通过激励措施，第一先考虑向可持续和环境友好型交通工具的转变，从而为实现气候目标提供支持。在此背景下，电动汽车需求也随之增加。LIB已成为奠定这场汽车革命的基石。LIB电池为电动汽车提供动力，满足里程和性能需求，使其能够与传统内燃机汽车竞争。
电池组是每辆电动汽车的核心，这一重要组件不仅决定了汽车性能，也决定了汽车的行驶里程。每个电池组由模块组成，而模块则由与常见AA电池类似的单体电池组成。
LIB是当前电动汽车电源的黄金标准，因此这些电池的制造和检测显得很重要。正如《电动汽车电池创新专题报道》技术简报中所解释的，考虑到技术成熟且制造成本较低，大多LIB使用的是圆柱形电池。自2008年以来，电动汽车LIB电池组的平均成本下降了89%，从1,355美元/千瓦时（kWh）降至2022年的153美元/千瓦时，预计到2026年将进一步降至100美元/千瓦时。
圆柱形电池是首批大规模生产的一种锂电池类型，由阳极、隔板和阴极片夹在一起，然后卷起构成圆柱形。这种形状使电池可承受更大的内部压力而不变形，因此很适合自动化制造。
然后，电池单元被装在翻盖塑料外壳中，组成一个模块。然后将多个模块组成电池组，为电动汽车输送动力。每辆车需要数百至数千个电池单元，电池组是最终决定车辆重量和费用的关键决定因素。
Alan Eddy是系统集成商Tensor ID的首席技术官，该公司与业内顶级锂离子电池制造商和顶尖电动汽车公司合作。“检查电车电池时，检查系统一定要解决多重挑战，包括彻底检查每个电池单元是不是真的存在锈迹或凹痕等问题。只要一个电池单元受损，整个电池组的寿命就会缩短”，Alan Eddy说道。
LIB的制作的完整过程十分复杂，涵盖从采购原材料到组装电池单元和最后的电池组包装等步骤。在此过程中，详细的质量检查对确保电池的效率和安全性至关重要。
由于生产的可变性以及缺陷对性能和安全性的潜在影响，电池制造中的质量控制提出了重大挑战。识别内部缺陷（尤其是微观缺陷）是一项艰巨任务。这就是机器视觉和人工智能大显身手之处。
在电池制造背景下，机器视觉检测系统可通过无与伦比的准确性、速度和效率，分析复杂细节，从而提升电动汽车电池组的性能。优化质量检验测试可延长电池使用寿命和续航时长。
如果一辆电动汽车内置95千瓦时的电池组（例如特斯拉S型），每千瓦时的总成本为150美元，仅电池耗费的生产所带来的成本就高达1.43万美元。因此，考虑保修成本、客户满意程度和品牌声誉等方方面面，电池质量都是电动汽车制造商的重要因素。
在Tensor ID，系统集成商创建了机器视觉系统，用于检测完整的电动汽车电池单元和模块，而机器视觉则可用于检测的任何阶段，包括制造和组装。Eddy说：“多年来，我们从始至终在供应条形码阅读器相机，来开展这些检测，但机器视觉检测所做的远不止这些。为实现自动化和提高效率，电池制造商需要从头到尾重新审视检验测试过程的每个环节。”
Tensor ID的视觉检测系统使用Teledyne DALSA面阵相机，逐个检测电池单元，因为在盖上翻盖外壳前电池单元就已完全组装好了。电池制造商关心的问题包括如何读取条形码、识别锈迹和凹痕以及确定极性。
人工智能改善了检测性能，并可识别锈迹。Teledyne DALSA的四台高分辨率相机用于检查电池模块。
因为每个电池单元是装在盒子里从供应商处运来，因此会部署一台机器人，每次取出一块电池进行全方位检查。在将每个单独电池单元放入翻盖模块前，必须对其进行全方位检查。为准确检查电池组，Tensor ID使用了四台Teledyne DALSA Genie Nano相机，用于捕捉从整个三英尺宽电池组中“拼接”的图像。
检查锈迹时，使用基于AI的软件平台对图像进行分类。“人工智能已变革了电池检验测试领域。由于电池单元具有会反光的光亮表面，因此锈迹特别难以识别”，Eddy说道。Tensor ID系统使用Teledyne DALSA Astrocyte AI训练工具，来训练人工智能模型，以识别锈迹和其他缺陷（如指纹或灰尘）间存在的差异。然后，该系统可识别并剔除任何存在锈迹的电池单元，这样一种材料侵蚀会损害电池的有效性。
除检查外，AI在优化电池性能方面也发挥着及其重要的作用。人工智能驱动的算法可分析大量数据，对电池管理系统（BMS）进行微调，来提升效率，延长电池使用寿命。在人工智能引领下，智能充电将对消费的人产生实质性影响，使充电过程对电车司机而言更智能、更方便。
机器视觉检测具有高准确性、高精确度，并且能为实现高品质衡量准则提供支持。传统检测的新方法可能会忽略微小缺陷，但这些缺陷可能极度影响电池性能。和AI相结合，机器视觉系统能够检测极其微小缺陷（例如130微米的凹痕），大约相当于人类的发丝宽度。这确保检验测试过程中具有高准确度和高精确度。
机器视觉不仅能提高检验测试过程的准确性，还能提高效率和速度。自动化系统可快速分析大量电池，缩短生产时间、减少相关成本。这种效率不仅有益于制造商，也有助于提升电车生产的整体可扩展性。
确保电动汽车的安全性和可靠性至关重要。机器视觉检测在实现这一目标上发挥着至关重要的作用，能够识别潜在缺陷，而这些缺陷可能会损害电池组的完整性，并影响电池的满充能力。机器视觉能够剔除劣质电池，避免其进入市场，这有助于提升电动汽车的整体安全性及电源可靠性。
随着技术的慢慢的提升，电动汽车电池的前景一片光明。固态电池发展可提高单位体积内的包含的能量和安全性，是需要我们来关注的关键趋势之一。同时还将探索下一代材料，以改善电池性能和可持续性。目前，电动汽车的平均续航能力为219英里，但无钴电池的一次充电续航里程可达500英里。新的固态电池正在测试中，充电时间仅为七分钟。
除技术进步外，电池制造的可持续发展也是行业关注的重点，包括探索创新的电池回收方法，以尽可能减少对环境的影响，并采用循环经济方法，在新电池中回收利用旧电池材料。
目前，交通运输产生的温室气体排放占全球温室气体排放量的27%；用电动发动机或混合动力发动机取代内燃机有助于减少全球污染。为成功实现向电动汽车的过渡，制造商明白他们必须专注于确保高质量的LIB，因为LIB是电动汽车中重要且昂贵的组件之一。
在电动汽车电池制造的动态发展过程中，机器视觉检测正作为一股变革力量涌现。来自Tensor ID的Alan Eddy总结说：“电动汽车电池的检查十分复杂；即使失败率仅为1%，也会导致严重的后果”。电池组不仅是电动汽车的“心脏”，而且也是供应电源的“发电站”。将AI精度与质量控制要求相结合，机器视觉可确保电池组的可靠、安全和高效运作。展望未来，人工智能整合、尖端电池技术发展以及对可持续发展的承诺有望重塑电动汽车行业，使之成为更清洁、更智能和更可靠的交通选择。
