<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">EPTSM</journal-id><journal-title-group><journal-title>Electric Power Technology and Safety Management</journal-title></journal-title-group><issn>2997-3473</issn><eissn>2997-3503</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/EPTSM.2026040013</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>锂电池极耳缺陷引发的失效分析及自动化检测方法研究
—— 以 LJ 双通道检测设备为例</title><url>https://artdesignp.com/journal/EPTSM/3/4/10.61369/EPTSM.2026040013</url><author>李立</author><pub-date pub-type="publication-year"><year>2026</year></pub-date><volume>3</volume><issue>4</issue><history><date date-type="pub"><published-time>2026-04-20</published-time></date></history><abstract>锂电池作为新能源产业的核心储能部件，其安全性与可靠性直接决定终端产品性能。极耳作为锂电池内外能量传输的关键接口，其缺陷易引发电池起火、鼓包等失效问题。基于该设备的检测原理，优化自动化检测流程中的图像采集、特征提取及缺陷识别算法。实验表明，优化后的检测方法对极耳缺陷识别准确率达98.7%，检测效率较传统方法提升40%，为锂电池极耳质量管控提供高效技术支撑，对推动锂电池制造行业质量升级具有重要意义。</abstract><keywords>锂电池极耳缺陷,失效,自动化检测</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 张海峰, 芦新春, 李升, 等. 基于改进YOLOv7的锂电池极耳缺陷检测研究[J]. 今日制造与升级,2024(7):34-39.[2] 李泰民, 黄平, 岳笑含, 等. 基于神经网络的锂电池极耳焊缝微缺陷判别系统设计[J]. 无损探伤,2023,47(6):5-8.[3] 王伟, 黄平, 周家宁, 等. 航空锂电池极耳焊缝微缺陷检测系统研究[J]. 无损探伤,2023,47(2):1-4.[4] 徐俊飞, 简运琪, 吴勇华, 等. 锂电池极耳激光摆动焊接工艺研究[J]. 机械制造,2024,62(4):56-61.[5] 李浩, 夏广, 姜伟, 等. 超声扫描成像检测锂电池电解液退浸润及成因分析[J]. 分析测试学报,2025,44(2):238-245.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
