比起沙漠,在河流接受堆积岸还是更容易淘到金子。一项技术想要得到广泛普及,想要得到快速商业化,找到正确的落地应用场景也是关键一步。何为正确?市场前景广阔,就已足够成为重要衡量指标。
中国汽车工业协会最新数据显示,今年 1—5 月,新能源汽车产销分别完成 300.5 万辆和 294 万辆,同比分别增长 45.1% 和 46.8%,市场占有率达到 27.7%。汽车总产销分别完成 1068.7 万辆和 1061.7 万辆,同比增长 11.1%。
现有新能源汽车动力电池主要采用锂电池体系,新能源汽车的销量猛增也带动着锂电产能需求上升。同时,在以实现双碳目标的背景下,以光伏、锂电、新能源车为代表的 “新三样” 正逐步成为支撑中国出口的主要力量,新能源行业整体市场潜力巨大,以下还有几个数字:
- 我国锂电产能将达 597GWh,市场规模 2025 年达百亿级;
- 我国光伏行业 2021 年新增装机数量达到 5488 万千瓦,占比 31.1%,市场增量最快,2025 年预计市场空间超 750 亿;
- 我国储能行业 2025 年预计市场空间约 2000 亿元。
如火如荼的百亿、千亿级市场蓝海更是为新兴技术提供了广阔的落地场景。单拿近两年的锂电行业来讲,不仅产能快速扩张,对产线良率的要求也越来越高,这给机器视觉的广泛应用带来肥沃的土壤。掘金土壤有了,接下来就看如何找到更合适的 “掘金铲” 了。
“金子” 遍地,掘金工具如何打磨得又快又准?
以电池企业为例,对于电池缺陷检测的传统方法是人工测量和判断,容易受检测人员主观意愿、情绪、视觉疲劳等人为因素的影响,使检测结果出现偏差疏漏。
机器视觉设备作为 “眼睛” 和 “大脑”,赋能电池企业及锂电原材料厂家高质、高效生产,渐成行业标配,据 GGII(高工产业研究院)数据显示,2022 年中国锂电机器视觉市场规模达 21 亿元,同比增长 60%。
机器视觉的广泛使用,是以锂电池企业为代表的新能源行业走向大规模智能制造必然要求,然而,锂电的制造工艺流程非常复杂且对场景要求不同。例如,在电芯前段工序中的涂布、辊压等环节,锂电池表面容易产生露箔、暗斑、亮斑、掉料、划痕等缺陷,机器视觉主要应用于涂布的涂覆纠偏、尺寸测量, 极片的表面瑕疵检测、尺寸测量、卷绕对齐度等环节。
但目前机器视觉在新能源落地存在诸多挑战,例如,数据量大、成本敏感、负样本数据有限等,总结来讲,当下应用需求主要集中在两大问题:
- 缺陷检测时的精度要求高,这就需要稳定的处理算法,还要根据生产需求对视觉软件进行智能化和定制化;
- 工业流程很多环节对反应速度要求快,对 CPU 的处理节拍提出要求,需要系统连续高速稳定工作。
如何从软件与硬件双重层面配置 “掘金铲”,成为 “机器视觉+边缘智能” 落地新能源行业的关键。
第 12 代英特尔® 酷睿™ 处理器混合模式:加强多线程处理能力,降低硬件成本
缺陷检测是机器视觉在锂电生产中最常见的应用类别。例如在圆柱形电池卷绕工艺模切分条场景中,需要利用机器视觉技术检测锂电正负极极片。在这一场景中,涉及的高分辨相机数量颇多,导致图片数据量大,并且这一环节对缺陷检测精度要求高 (5x5pix)。
在极端场景下,一个相机每秒要读 20 张 16000x10000 的图片,每秒检测 6-10 米极片,面临着数据量大、精度要求高双重挑战。基于第 12 代英特尔® 酷睿™ 处理器,英特尔推出优化锂电池缺陷的软硬件解决方案。第 12 代英特尔® 酷睿™ 处理器采用混合架构,具备两种内核:其中 Hybrid mode,Performance Core- 性能核(简称:P-Core),采用 Golden Cove 微架构,以高时钟高能耗方式运行,通过提供超强性能,来处理高运算高负荷的任务;Efficient Core- 能效核 (E-core),通过最佳功效比,来加强多线程处理能力,可以应对大吞吐量负载,并针对后台应用进行优化。
锂电池缺陷检测方案,充分应用了第 12 代英特尔® 酷睿™ 处理器混合模式,将原本运行在英伟达 1660s 显卡上的负载迁移至 CPU 和英特尔集成的 GPU 平台,降低硬件成本。
锂电池方案中,P-Core 运行着图像预处理、处理分析,显示和渲染等高运算高负荷子任务,而在 E-core 运行低运算力的子任务,譬如图片的读写,数据搬运等 IO 读写任务,并且尽量使用 DMA(直接内存访问)进行 IO 传输以减少 CPU 的占用,并且保证实时性。
对于图片 JPG 编码子任务,则使用 12 代处理器中集成的 GPU 来进行硬件解码以提高效率,降低 CPU 占用率,不同尺寸图片存图耗时提升 200 倍。
无需改弦更张,“黑科技” 帮助传统算法实现高精度检测
硬件层面的降本增效固然重要,算法等软件的优化在机器视觉中更是重中之重。英特尔推出 CVOI (reference implementation for computer vision optimization) 视觉算子优化实践和参考实现。提供给客户针对计算机视觉如何利用英特尔® 硬件平台、英特尔® 软件工具及英特尔® 指令集来加速自己的视觉算法,从而在运算效率及稳定性上得到提升。
在 2D 视觉领域,CVOI 提供了针对常见 OpenCV 算子的优化参考实现,如均值滤波,模板匹配等 2D 算子。在 3D 视觉领域,CVOI 提供了针对常见 PCL,Flann 算法库基于英特尔® 平台的优化,提供了 10 多种 3D 点云算法优化方案,并集成到优化的 PCL、Flann 库中。
深耕以机器视觉赋能智能制造的华睿科技,使用了英特尔 TBB 多线程库、AVX2 底层指令集,并从算法原理和底层实现逻辑上重新设计了算法,使得部分算子的性能优于对标算子,提升了算法性能和稳定性,成功优化了锂电光伏等行业的多种检测算法。
在新能源行业几乎每个生产环节、众多边缘单,机器视觉都有用武之地,也正是因为如此,机器视觉检测系统及装备成为了整条生产线上的 “把关人”,地位举足轻重。但新能源行业本身的生产技术就在迅速发展,新材料、新工艺层出不穷、迭代加速,极限智造不断进阶,千分之一的误检率、零漏检要求挑战着企业的制造能力。
如同在《英特尔赋能工业数字化升级——机器视觉特刊 2022》中提到的那般:通过技术创新与战略转型引领机器视觉发展是一个持续的过程,对企业效率的提升、供应链的稳定以产品的质量至关重要。将机器视觉应用到众多场景之中,将传统的工业流程转变为智能化流程,这同时也为企业数据资源的挖掘与利用奠定了坚实的基础。
未来英特尔将与生态伙伴继续深度合作协同,助力新能源制造行业在中国持续发展,不断打磨掘金技术。