电池健康早期诊断系统

1. 痛点问题

在我国“双碳”目标的大背景下，以新能源汽车为代表的新能源产业蓬勃发展；与此同时，随着近几年的市场的发展和积累，首批新能源汽车面临换电，动力电池的“退役潮”迫近。不论是生产端还是回收端，行业的发展对电池健康状态的检测提出了更高的要求。一方面，生产端希望能在尽可能少的检测时间和可控的检测成本内，对电池整体健康状态、寿命衰减行程等进行可靠检测和预测，从而进一步提升其可靠性、安全性和一致性；另一方面，回收端需要方法对电池剩余寿命进行评估，并对潜在的容量跳水行为进行预警，从而指导其对回收电池进行分级分流。总而言之，在早期对电池健康状态和寿命衰减行程进行评估和预测展示出愈发突出的重要性，然而目前行业尚没有成熟的技术或方案能够满足这些需求。

2. 解决方案

本项目另辟蹊径，开发出基于机器视觉的电池健康早期诊断系统。系统通过光学成像，以极高的精度和分辨率对电池表面形貌进行实时、无损测量，从而能够获取电池在充放电过程中内部化学反应引起的形变；通过将系统获取的四维（电池表面三维+时间）形变数据和电学数据相结合，系统有望实现在有限的充放电循环测试圈数内，对电池容量衰减、容量跳水等行为精确预测，从而实现对电池健康的早期诊断。

3. 竞争优势分析

对比传统电学预测方法，本项目系统从另一维度对电学数据进行了有效补充，弥补了电学数据普遍缺乏的空间分辨信息；对比其他形变测量方法，本项目系统具有高通量、非接触、无损、成本可控等诸多优势，对现有电池工业生产线和生产流程有着更好的适配性。