CCS整线自动化的热度这两年大家有目共睹但真正让很多设备厂和电池厂头疼的不是产线跑不起来而是产线跑起来之后焊点质量怎么保证。以前靠几个质检员拿放大镜盯现在产线节拍20秒一件一件产品几百个焊点人根本看不过来。于是AOI视觉检测设备就成了CCS整线里绕不开的话题。这篇文章我想把这事彻底讲透CCS整线自动化为什么必须配置AOIAOI在产线里到底测什么、怎么选型、怎么布局以及落地之后会踩哪些坑。如果你正在评估CCS产线设备或者准备给现有产线加视觉检测环节这篇文章应该能帮你省下一笔不小的试错成本。1. 先厘清概念CCS整线的“CCS”到底是什么1.1 这个CCS不是你想的那个CCS在展开AOI之前得先把名字对齐。最近几年搜“CCS”能搜出好几个完全不同的东西制药行业有污染控制策略Contamination Control Strategy嵌入式圈子里有TI的Code Composer Studio开发环境。但咱们今天聊的CCS是新能源动力电池里的Cells Contact System中文叫电芯连接系统也有叫集成母排的。这个东西在电池包里干的事通俗说就是把几十上百个电芯的极柱串并联起来同时把每颗电芯的电压和温度信号采集出来送给BMS。它一端连着电芯极柱一端连着电池包的数据采集端既是能量通路也是信号通路。从结构上看一个典型CCS组件包括柔性线路板FPC或FFC、镍片/铝排、注塑隔离架或者吸塑膜、连接器等。镍片承担电流汇流FPC承担信号采集两者通过激光焊、超声焊或者电阻焊连在一起。焊点质量直接决定了接触电阻大小和长期可靠性一旦虚焊轻则发热、压差异常重则高温起火。1.2 CCS质量风险藏在细节点上很多刚入行的人有个误区觉得CCS就是个“带电路的塑料件”工艺难度不高。实际做起来完全不是那么回事。FPC和FFC本身是柔性材料受热会变形裁切后边缘会有毛刺焊盘容易氧化。镍片冲压后会有披锋表面对光线的反射特性非常复杂。激光焊接时镍片和FPC铜箔是异种材料熔池形态受功率、速度、离焦量影响很大一个参数漂移就可能出现炸点、裂纹、焊穿或者虚焊。更要命的是一个CCS成品上焊点数量可以多达几百个而动力电池又是串并联结构任何一个焊点出问题整包性能都会打折扣。在整车厂客户那边焊点虚焊属于A类缺陷抽检一旦发现整批货都要隔离复判。所以CCS产线的检测压力比绝大多数电子组装线都要大。2. 为什么CCS的质量检测不能继续靠人工2.1 电测能兜住“通断”却兜不住“虚焊”有人会问CCS组装完不是有电性能测试吗耐压、绝缘、导通都测了为什么还要加视觉检测这里面的关键区别在于电测测的是结果AOI测的是过程。耐压绝缘测试能发现FPC线路断线、绝缘层破损这类严重问题但一个焊点接触电阻稍微偏大在低电流导通测试里根本测不出来。等装到电池包上大电流一过虚焊点开始发热内阻差异化拉大这时候再出问题就是整包返修甚至安全事故。而电测的探针一般只接触连接器端无法对每个焊点逐一测电阻。视觉检测解决的是“逐点、逐面、全检”的问题。相机一拍焊点有没有偏移、有没有炸点裂纹、有没有连桥一眼就能判出来。图像数据还能存下来后续万一发生客诉可以直接调出当时的检测记录和图片这对动力电池这种安全件来说几乎是硬性要求。2.2 人工目检的三大死穴我也见过一些中小工厂觉得上AOI成本高坚持用人工目检。说实话人工目检作为抽检和复检手段没问题但作为整线唯一的把关手段有三个绕不开的死穴。第一个是疲劳。质检员看焊点需要高度专注而人眼在高亮度光源下持续工作20分钟注意力就会显著下降。产线节拍越快漏检率上升越明显。有研究表明人工目检的漏检率在4小时工作后可以翻倍这个数据在CCS这种高密度焊点产品上只会更严重。第二个是标准不一致。同样一个焊点老员工觉得“还行”新员工可能判NG上午觉得OK下午光线变了又觉得不对。这种主观性导致质量记录没有说服力客户稽核时拿不出客观依据。第三个是人机速度不匹配。整线自动化CT做到20秒以内时留给外观检测的时间可能只有三到五秒一个工位要看完几百个焊点、几十个连接器pin针人眼根本不可能完成。说白了CCS产线自动化程度越高视觉检测就越不是“可选项”而是“必选项”。它不是用来替代人的眼睛而是替代人眼做不到的稳定性和效率。3. AOI在CCS整线里到底负责测什么3.1 焊接后的核心检测项CCS产线里最重要的AOI工位毫无争议是焊接后检测。不管是激光焊、超声焊还是热压焊焊接完成后的第一时间就要拍照分析目的只有一个在缺陷还没有被后续工序覆盖之前把它揪出来。我做过不少CCS项目焊接后AOI重点看的缺陷可以列成一张表每个项目在调试时都要对着清单逐项确认算法和光源方案检测项目典型缺陷形态主要成因风险等级焊点位置偏移、错位、脱焊来料尺寸漂移、定位夹具磨损、镍片放偏高焊核尺寸焊点过大、过小、不饱满激光功率波动、焊接速度异常、离焦量不对高熔池形貌鱼鳞纹异常、熔池塌陷焊接参数漂移、材料批次差异中裂纹与炸点细微裂纹、表面炸坑异种材料脆性相、功率突增、材料含污染物极高飞溅物焊渣、镍珠飞溅功率过高、保护气体流量异常中连桥短路相邻焊点间金属桥连焊料过多、镍片边缘毛刺极高过烧发黑表面氧化变色焊接热量过大、冷却不足中这里面最容易被忽略的是裂纹和炸点。裂纹通常非常细微宽度可能只有几十微米普通光源下对比度极低。很多工厂一开始只检测偏移和焊点有无结果客诉回来才发现是裂纹漏检。我的经验是裂纹检测必须靠专门的打光方式不能指望一套光源通吃所有缺陷。3.2 后工序与装配阶段的外观检测焊接之后的工序比如折弯、贴胶、热压、装连接器同样需要AOI介入。这个阶段的检测逻辑和焊接后不一样重点从“焊点质量”转向“装配质量”。连接器是最需要关注的部件之一。BTB连接器的pin针细小来料拆封、人工取放、翻板动作都可能导致歪针、缩针、浮高。这些缺陷连机器人都可能看不出来更别说人工。装配后的AOI专门拍连接器区域检查pin针间距均匀度、方向一致性、针尖高度是否一致。这里由于部件小、细节多一般建议用高倍率镜头单独工位检测。胶路检测也是后工序的重点。CCS上用的结构胶、热熔胶如果断胶或者溢胶会导致绝缘膜贴合力不够或者胶溢出到焊盘区域影响导电。AOI通过打光让胶路形成明显的灰度差算法识别胶路的连续性、宽度和位置是否在判定框内。这道工序看起来简单实际最受制于胶的颜色和反光特性项目调试时通常要花不少时间在这个点上。3.3 关键尺寸与对位检测CCS最终要装到电芯模组上电芯极柱的位置公差通常只有正负零点几毫米。如果CCS的镍片孔位和电芯极柱对不上整线自动装配时就会卡壳或者强行装进去导致接触不良。所以产线的后段一般会加一个尺寸检测AOI测量镍片之间的间距、镍片边缘到FPC边缘的距离、绝缘膜边缘到铝排边缘的距离这里面有很多尺寸是关系到绝缘爬电距离的小了会引发高压击穿。采用的是远心镜头加背光源的方案做高精度边缘提取测量重复精度可以做到正负0.02mm以内。这个工位的价值在于它把“产品做得好不好”和“装配能不能兼容”连接起来。整线自动化最怕的其实不是单一缺陷而是尺寸批量性漂移。今天镍片间距普遍偏小0.1mm人工目检可能根本看不出来但AOI做了SPC统计之后就能及时预警把问题挡在批量事故之前。4. AOI检测方案怎么搭相机、光源与算法选型4.1 先定像素精度与相机选型很多第一次接触AOI的人见到相机就问“多少万像素”好像像素越高越厉害。实际上选相机从来不是单独看像素而是看“在多大视场内实现多高分辨率”。我一般先算像素精度。比如某CCS产品需要检测的单个焊点区域大概5mm×5mm我要识别0.1mm的裂纹那理论上需要至少3个像素覆盖这个裂纹尺寸才能保证稳定检出。按0.03mm/pixel的像素精度算焊点区域对应约167×167像素画面可接受。但对于整条长度600mm的CCS如果单个相机直接拍全幅像素精度就要做到0.03mm那分辨率就需要20000像素以上现实中不现实。所以CCS这种长条形产品常用的方案有两种。一种是线扫相机产品匀速通过相机连续扫描成像像素精度可以做到很高适合长条连续检测。另一种是分区域拍照多个面阵相机各负责一段区域做飞拍或停拍。两种方案各有适用场景如果产线节拍紧、产品又要全幅高精度成像线扫是优选如果只是几个关键点位检测面阵分区的性价比更高。4.2 光源选型决定缺陷能不能被“看见”做AOI这么久我最深的体会是算法再牛光源没打对一切白搭。CCS的材质反光特性极其复杂FPC表面有铜箔反光镍片是金属拉丝纹理绝缘膜半透明单一光源永远无法满足所有检测需求。实际项目里缺陷不同光源方案完全不同。检测焊点轮廓和偏移用高角度环形光让焊点和基材之间形成轮廓灰度差检测鱼鳞纹、塌陷这类表面高低起伏要用低角度环形光让微小的凹凸形成阴影检测裂纹需要同轴光或者平行光打到镜面反射区让裂纹在暗背景下变成亮线。现在主流方案是采用模块化光源控制器多路光源分时频闪一个工位拍多张图每张图对应不同的光源组合。有一个细节特别重要激光焊区域的残留物和氧化发黑区域在普通白光下会混成一片很难区分是缺陷还是正常焊接痕迹。这种情况下多光谱或彩色光源能明显拉开差异。我做过一个项目怎么调灰度都区分不开裂纹和鱼鳞纹换成蓝光加偏振片之后对比度瞬间上来了。这种东西靠理论推不出来必须在现场拿真实样品慢慢试。4.3 算法与判定逻辑怎么落地CCS焊点检测的算法目前主流是“传统图像处理深度学习”混合方案两个都不冲突相反是互补关系。传统算法适合稳定可控的场景比如焊点位置偏移、焊核尺寸、间距测量这些用模板匹配、Blob分析、边缘提取就能稳定解决速度快可解释性强调试也方便。但遇到裂纹、皱褶、异物这些形态不规则的缺陷传统算法很难把所有形态归纳清楚这时候就要上深度学习。深度学习的落地最难的不是模型训练而是缺陷样本收集。正常产品拍一万张容易带缺陷的产品拍一万张很难。我的做法是项目前期先上传统算法兜底确保基础缺陷不漏检同时把产线上每天的NG图片自动归档积累一段时间后再训练分割模型替换部分人工规则。这样既不至于一上线就抓瞎又能在运行中持续提升检出率。无论用哪种算法判定逻辑一定要设计成“可追溯”。每一个NG结果要能回溯到具体是哪张图、哪个ROI、哪个算法触发的判定这样复检工位才能快速确认不会让操作员对着一个莫名其妙的NG框发呆。5. AOI工位在整线中的布局与节拍匹配5.1 产线工艺流程与AOI工位布置CCS整线的工艺布局不同设备厂的做法会有差异但大体流程一致FPC/FFC来料上料、镍片贴装、焊接激光/超声/热压、焊后检测、翻转折弯、装配连接器、电测、外观终检、贴标下料。AOI工位怎么放核心原则只有一个在缺陷成本最低的位置把它拦下来。焊后AOI一定要紧跟焊接工位不要等折弯之后才检测因为折弯之后产品变形焊点区域的成像条件会变差返修也麻烦。外观与尺寸AOI放在电测之后、贴标之前确保流入下工序的产品是合格的。我遇到过有些工厂为了省设备投入只在产线末端放一台AOI。这样看起来是省钱了但一旦焊接参数漂移等末端发现不良中间可能已经积累了上百片不良品。如果是批量性缺陷返工成本远超一台AOI的价格。所以从项目总成本角度看分点布控比单点终检划算得多。5.2 节拍计算与多相机并行方案整线自动化对AOI最硬性的要求是节拍匹配。产线CT如果是20秒AOI就必须在20秒内完成拍照、图像传输、算法分析、结果输出否则它就是整条线的瓶颈。我做一个节拍估算的实例。假设一个CCS产品有400个焊点分成4个区域每个区域由一台1200万像素相机负责。每台相机拍照加传输图像按1.5秒算4台相机并行拍照拍照阶段总耗时就是1.5秒。算法分析阶段100个焊点的传统检测加局部AI推理按单焊点20ms算大约2秒。加上产品进出料、定位夹紧、复检分流动作单工位总节拍可以控制在6秒以内留出足够的冗余。这里有个大家容易忽略的点图像传输带宽。千兆网相机传输一张1200万像素8bit灰度图约12MB理论带宽120MB/s实际有效带宽90MB/s左右一张图传输就要0.15秒以上。如果4台相机同时传图交换机带宽不够传输时间会成倍增加。所以我在设计时一般要求相机支持触发联动和图像压缩传输或者直接上万兆网/10GE接口别让数据传输拖了节拍后腿。5.3 与MES的数据闭环AOI在CCS产线里不能是一个信息孤岛它必须和整线MES系统打通。每个CCS产品在来料时会打上二维码或DM码AOI检测结果要绑定到这个唯一码上。NG时判定的缺陷类别、图片、数量、发生工位全部写入数据库OK时检测数据和图像归档保存。这样做有三层价值。第一层产品追溯。客户一旦投诉能从数据库里直接调出该产品的全套检测图片几分钟内给出反馈。第二层工艺监控。焊点缺陷率突然升高MES报表能立刻关联到焊接设备的参数变化帮助工艺人员快速锁定原因。第三层设备效率。AOI的NG率和复检通过率可以作为整线设备的KPI用来衡量焊接工位和来料质量的稳定性。很多工厂直到被客户审核问“你这个焊点怎么证明100%检测过”的时候才想起来数据要留痕。与其被动补课不如在项目规划阶段就把AOI的数据接口和MES架构一起定义清楚。6. 落地之后的常见问题与排查实录6.1 误报忽高忽低怎么排查AOI上线使用一段时间后最常见的“投诉”就是误报率突然升高。操作员天天处理假NG慢慢就会对设备失去信任甚至看到NG也直接放行这是最危险的。遇到误报率波动我的排查顺序是先看环境光产线附近有没有新增的照明灯或者窗户位置变化环境光干扰是误报激增的头号原因再看光源观察光源是否有老化衰减CCD相机上有没有灰尘污染接着看产品来料FPC批次换了供应商、镍片表面处理工艺变化都会导致成像灰度发生变化最后才怀疑算法模型是否需要更新。这三个原因里前两个是硬件问题解决起来相对直接。来料变化最隐蔽也是最需要和上游供应商沟通的。我做过一个项目AOI连续两周误报率正常某一天开始突然对某一类焊点大面积报NG查半天才发现镍片换了新批次表面拉丝纹理变粗了。后来我们在AOI程序里增加了光源自适应补偿功能在每次换料时自动采集基准图才彻底解决这个问题。6.2 产品换型频繁程序切换要快CCS目前标准化程度还不高很多厂一条产线要同时生产十几种型号。产品一换AOI的检测区域、焊点位置、判定标准、光源亮度都要跟着变。如果每次换型要调一个小时产线效率会被拖垮。我的建议是在项目导入时就要求设备商做好“配方管理”功能。每种产品型号对应一套独立参数包包含拍照位置、ROI坐标、光源亮度、算法模型、判定阈值换型时一键加载三分钟内完成切换。切换后第一片产品建议先走一遍自检流程确认所有ROI都对准了再开始批量生产。换型这块还有一个小细节连接器种类经常变pin针数量和间距不一样检测板要能够换。我建议做通用的可切换检测板不同产品用快换夹具固定电气接口做成快插这样机器人或者人工换型时能节省大量时间。6.3 上线前最容易忽视的三件事说几个我见过很多次、而设备资料里基本不会写的经验希望对准备上CCS整线AOI的朋友有帮助。第一件提前准备典型缺陷样件。AOI调试验收时甲方一定要向设备商提供一批真实的不良样品包括偏移焊点、虚焊、裂纹、炸点、镍渣等让设备商在样机上反复调试到全检出来。如果现场没有缺陷样件验收就没法证明设备能力。这类样件可以从试产线的NG品里收集也可以请焊接工艺工程师专门用异常参数焊一批。第二件预留好复检工位和返修路径。AOI判NG的产品总要有地方去。有些设备方只卖一个NG排除机构却不管NG品往哪放。CCS返修要追溯到具体焊点复检人员需要高倍显微镜辅助确认这些都要提前规划工位。第三件人员培训别只培训操作要培训基础的图像理解能力。AOI操作员不应该只会按按钮至少要能看懂判定框里圈的是哪一类缺陷知道哪些NG是必须拦截的哪些可以放行到复检。这件事做得好能大幅降低产品漏检和误放行的概率。AOI在CCS整线自动化里不是花架子也不是成本包袱它是整个自动化闭环里不可或缺的质量闸门。我个人建议做CCS设备的同仁在项目立项阶段就把检测方案和工艺方案一起规划别等设备到场了再补检测。最后分享一个小细节我们后来做的第二条产线把光源控制器和整线PLC做了信号联动产品到位前200ms提前预触发光源整体拍照节拍又快了一秒多。这种细节只能在实际产线上摸出来希望这篇文章里的经验能让你少走一些弯路。