一粒微小异物，ZEISS INRADIA在线X射线检测设备如何做到既看得见，又判得准？

微小缺陷，为什么总是最难发现？

在现代制造业中，真正危险的缺陷往往不是肉眼可见的大问题，而是隐藏在内部的微小异常。以动力电池为例，几十到上百微米级的金属异物、细微的极片对齐偏差、极耳缺陷等，都可能影响产品的一致性与可靠性。但问题在于：这些缺陷往往信号非常微弱。

为了让图像更干净，很多检测流程会先进行降噪、滤波等图像预处理；而在降噪的同时，那些真正关键的微弱信号也可能被一起削弱。于是，在线X射线检测面临一个经典难题： 既要抑制噪声，又要保留微小缺陷。 如何看得清、判得准、跑得快成为在线X射线检测需要跨过的三道关。

第一关：看得清

高保真X射线成像架构

随着生产节拍的持续提升，在线X射线检测正从传统的人工判定逐步迈向AI辅助判定。AI判断得准不准，首先取决于它看到的图像。

ZEISS INRADIA系列在线X射线检测设备采用高端微焦点X射线源与高灵敏度平板探测器组合，从物理层面提升原始透射信号质量。通过优化焦斑尺寸、成像几何和曝光参数，在满足产线节拍要求的同时获取高信噪比图像。只有看得清，AI才有可能判断得准。

对于在线检测来说，这意味着：

对齐度检测所需的精细灰度边缘能够被完整保留；

微小异物形成的局部高衰减信号能够被清晰呈现，有效避免系统漏杀情况；

后续分析拥有更加可靠的数据基础。

第二关：判得准

原始图像直接输入

在部分传统检测流程中， 图像会先经过滤波、增强、特征提取等处理，再发送给AI。 这些预处理虽然有助于降低噪声，却也可能损失一些关键灰度信息。尤其是那些用于对齐度检测的边缘特征，或异物检测所依赖的微弱高衰减信号。

与此不同， ZEISS INRADIA系列在线X射线检测设备配套软件采用原始图像直接输入AI模型的工作流， 减少传统图像处理中的人工加工环节，让AI直接从X射线原图中学习和判断。有助于提升模型面对复杂结构、缺陷形态变化以及实际生产波动时的适应潜力。

第三关：跑得快

高速产线下的稳定检测

在线检测最大的特点是：不能影响生产。 再好的图像质量，如果无法匹配产线节拍，也难以真正落地。因此，ZEISS INRADIA系列在设计之初就面向在线检测场景开发了灵活的多任务成像架构。

目前产品组合包括：

ZEISS INRADIA 2D PC

方壳电池高速在线检测

l 针对方壳及软包电池的极耳、异物、芯包与壳体间隙和对齐度检测

l 可检测的最大电池尺寸(长x宽x厚)：600x150x50 mm

l 可检测的最大电池重量：10kg

l 检测节拍高达每分钟27件

l 采用自动化AI算法评估，确保检测结果可靠稳定

ZEISS INRADIA 2D CC

圆柱电池高速在线检测

l 针对圆柱电池的对齐度、负极汇流盘到正极片间隙测量和异物检测

l 可检测的最大电池直径x高度：46x150 mm

l 可检测的最大电池重量：1kg

l 超高速圆柱电池检测方案，节拍高达每分钟110件

l 超高吞吐量确保生产线全速运转时保持稳定如一

l 采用自动化AI算法评估，确保检测结果可靠稳定

ZEISS INRADIA 3D

高速检测节拍与出色成像结果

l 针对叠片电池电芯的对齐度检测

l 可检测的最大电池尺寸(长x宽x厚)：

l 600x180x65 mm

l 可检测的最大电池重量：2.8kg

l 检测节拍可高达每分钟10件，覆盖两个对角区域

l 360°完整CT扫描配合双机械臂，同时实现高效和精准测量

通过统一的软件平台ZEISS INSPECT X-Ray能够完成从数据采集、重建到分析的一体化流程。针对特定应用场景，可结合预训练AI模型进行自动异常识别和分析。

DeepVision AI专业训练平台

高质量AI检测不仅依赖模型，还依赖训练体系。为此，蔡司构建了面向工业图像检测的AI训练平台DeepVision。 该平台提供针对工业检测场景的训练与优化工具，帮助企业围绕实际产品结构、缺陷形态和质量标准进行模型迭代。把企业积累的缺陷知识和质量经验，逐渐沉淀为可复制、可优化的检测能力。

通过统一的软件平台ZEISS INSPECT X-Ray能够完成从数据采集、重建到分析的一体化流程。针对特定应用场景，可结合预训练AI模型进行自动异常识别和分析。

DeepVision AI专业训练平台

高质量AI检测不仅依赖模型，还依赖训练体系。为此，蔡司构建了面向工业图像检测的AI训练平台DeepVision。 该平台提供针对工业检测场景的训练与优化工具，帮助企业围绕实际产品结构、缺陷形态和质量标准进行模型迭代。把企业积累的缺陷知识和质量经验，逐渐沉淀为可复制、可优化的检测能力。