我（wǒ）們可以做到什麽優（yōu）勢：

• 提升檢測精度（dù）

  精確的檢測算法
  確保良品率高於99.5%
  保障產線（xiàn）穩定（dìng）
  穩定提升（shēng）檢（jiǎn）測精（jīng）度（dù）

• 提高（gāo）生產效率

  助力工廠實（shí）現產線全自動化
  全天候不（bú）停機生（shēng）產
  提高生產效率
  
  

• 降低生產（chǎn）成本

  優化作業流程
  提（tí）升生產效率
  縮短投資回報周（zhōu）期
  柔性應對生（shēng）產需（xū）求

• 行業定製化部署

  根據不同的生產環境及生產方式
  適配定製化解決方案
  打造自動化智慧（huì）工廠
  
  

近年來，隨著我國新能（néng）源汽車市場的爆發，動力電池需求不斷增（zēng）長。在電池預焊、周邊焊、密封釘焊接、頂蓋焊接等環節，焊縫容易出現炸焊、斷焊、爆點（diǎn）、針孔、偏光等缺陷。這些（xiē）缺陷嚴重影響動力電池的品質，產（chǎn）生安全隱患，焊（hàn）接過程中缺陷的檢測和預防變得越來越重要。鋰電池性能和（hé）品質的提升，不僅需要（yào）在（zài）材料（liào）和設（shè）計上不斷（duàn）突（tū）破，也需要在生產製造的工（gōng）藝及（jí）設備上（shàng）持續創新和（hé）改進。

機器視覺作（zuò）為自動化設備的“眼睛”和“大腦”，將視覺檢（jiǎn）測引入到檢測設備中已經成為主流趨勢。圖像處理係統的引入，將推動自動化（huà）設備向智能化方（fāng）向（xiàng）轉型，推進動力電池向高容量（liàng）、高安全性、高品質以（yǐ）及低成本方向發展。麵對當前市場環境（jìng），糖心VLOG官网入口地址在軟件、硬件和算法方麵不斷進行技（jì）術研發和產品優化，以為鋰（lǐ）電行業客戶提供更好的產品和服務。

（一）算法創新

（1）異（yì）源數據融合的缺陷檢測方案

3D相（xiàng）機在圖像采集過（guò）程中，不僅可以獲得2D灰度圖像信（xìn）息，也可（kě）以（yǐ）獲得3D高度圖像信息。如何將兩者結（jié）合起來，解決焊接過（guò）程（chéng）中的缺（quē）陷檢（jiǎn）測和分類，捷（jié）翔一直進行算法探索和測試。由於3D圖像具有無效像素、不同產品（pǐn）和視角拍攝（shè）的高度範圍差異很大等特點，將3D高度圖像輸入到深度學習檢測網絡中，訓練過程很難收斂（liǎn）。糖心VLOG官网入口地址采用自（zì）研的異（yì）源數據融合算法，將灰度圖像和深度圖像進行融合，有效地提升了焊縫檢測漏檢率和誤檢率。

（2）基於自由曲麵的（de）圖像差分檢測方案

電池表麵並不是規則的平麵，如果使（shǐ）用平麵作為基準，很容易出現誤檢的現（xiàn）象。糖心VLOG官网入口地址自研的自由曲麵算法，將高度圖像進行局部插值采樣處理，可以獲得（dé）電池表麵的局部範（fàn）圍近似基準圖像，然後基於（yú）圖（tú）像差分方法，可以獲得缺陷檢測信息。

（3）基於深度學（xué）習的無效像素填充算法

深度學習在圖像（xiàng）識別、目標分（fèn）類等方（fāng）麵均有較好的（de）應用，成為（wéi）各（gè）個領（lǐng）域的一個（gè）研究（jiū）熱點，但是（shì）基（jī）於深度神經網絡在深度圖像中（zhōng）的應（yīng）用和（hé）探索並不多。糖心VLOG官网入口地址為了解決高度（dù）圖像中的點（diǎn）雲無（wú）效（xiào）像素缺失的問題，基於（yú）卷積神經網（wǎng）絡設計了無效像素填（tián）充算法，很好地修補了點雲模型（xíng）表麵殘缺的孔（kǒng）洞區域，算法基於CUDA進行並行算法優化，提升了焊縫檢測的效率和準確率。

（二）軟件（jiàn）平台創新

采用圖（tú）形化（huà）編程，讓用戶在可視化的環境下，進行參（cān）數配置，快速實現項目部署，縮短（duǎn）項（xiàng）目部署的（de）周（zhōu）期。融合圖像采集、圖像分析、通信等功能於一體（tǐ），為客戶提供端到端的視（shì）覺解決方案。圖像分析模塊涵蓋測量、形位（wèi）公差檢（jiǎn）測（平麵度、高（gāo）度差、輪廓度（dù）、粗糙（cāo）度等）、表麵質量分析、識別（二維碼（mǎ）、條形碼、字符）以及3D視覺引導等（děng）。

視覺在線檢測係統作為可（kě）同時實現高度輪廓、三維點雲數據采（cǎi）集和三維（wéi）數據在線測量的3D應用係統，已經（jīng）大批量應用於高精度、高（gāo）速、在線3D定位、測量、缺陷（xiàn）檢測場景。自研算法和傻瓜式的操作使得非常適合各種非接（jiē）觸式測量場景，功能（néng）、性能（néng）及穩定性已在蘋果（guǒ）產線使用驗證，得到客戶（hù）的高度認同。 

將傳統圖像處理與深度學習處理相（xiàng）結合，為客戶提供綜合解決方案。利用卷積（jī）神經網絡自動提取圖像特征，從而實現產品瑕疵檢測、分類（lèi）等功能。深度學（xué）習工具操（cāo）作簡單，零代碼開發，用戶隻需要手動標（biāo）注目標，利用標注信息（xī）自動完成模型訓（xùn）練和學習，有效地解（jiě）決了傳統算法難以解決的複雜問題。在鋰電行業應用中，深度學習結合傳統（tǒng）圖像處理算法缺陷的正確檢出率可達99.9%以上，缺（quē）陷等級和缺陷類別（bié）分類由傳統的40%提升到98%以上。

（三）3D視覺和深度學習在鋰電行業中的創（chuàng）新（xīn）案例

1、頂蓋焊後檢測

2、密（mì）封釘檢測