我們可以做到什麽優勢：

• 提升檢測精（jīng）度（dù）

  精確的檢測算法
  確保良品率高（gāo）於99.5%
  保障產線穩定
  穩定提（tí）升檢測精度

• 提（tí）高生（shēng）產效率

  助力工廠實現產線全自動化
  全天候不停（tíng）機生產（chǎn）
  提高生產效率
  
  

• 降低生產成本

  優化作業流程
  提升生產效率
  縮短投資回報周期
  柔性應對生產需求

• 行業定製化部署

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

隨著新能源（yuán）車需求的持續增長，鋰（lǐ）電池在新（xīn）能源汽（qì）車行業的應用前景廣（guǎng）闊。目前鋰電池包括硬殼和軟包（bāo）電池，硬殼則可分為（wéi）圓（yuán）柱電池（chí）和方形電（diàn）池。其中（zhōng）方形電（diàn）池憑借（jiè）其充放電倍率、循環壽（shòu）命、安（ān）全性等方麵的優勢，成為一種主流的電池封裝應用。

方形電池工藝鏈

鋰電池工藝鏈（liàn）分（fèn）為（wéi）前、中、後三段，以（yǐ）方形（xíng）電池為例，其工（gōng）藝鏈中存在（zài）大量的質檢需求，傳統視覺檢測可滿足各工藝環節的定位和糾偏應用。

而在極片、焊縫、絕（jué）緣隔膜等需要檢測表麵缺陷的工序中，傳統視（shì）覺檢測的（de）精度受缺陷形態（tài）影響，通過（guò）針對性調參後，易消耗過（guò）多的（de）內（nèi）部資（zī）源，效果可（kě）能仍（réng）無法達到預期。因此，對鋰電行業（yè）內的缺（quē）陷檢（jiǎn）測引入深度學習（xí）算法，使用一定量缺陷樣本來訓練生成AI模型，讓（ràng）AI來（lái）判斷缺陷（xiàn）和位置（zhì），可（kě）達到較好的檢測效果。

海康機器人VM算法開發平台

VM算法開發平（píng）台作為海康機器人的核心智能產品，不（bú）僅包含了定（dìng）位、測量、處理等傳統視覺模塊，更集成圖像分割、字符訓練（liàn）、圖像分類、目標檢（jiǎn）測、圖像檢（jiǎn）索（suǒ）、實例分割以及異常檢測等AI算法模塊，可使用VisionTrain對需要用到（dào）的AI模塊進行學習訓練。此外，海康機器人與多家企業合作，基於VM算法開發平台，構建持續、高效、開放的生（shēng）態合作圈。今天我們就為大家分享四則合作（zuò）夥伴運用VM圖像分割完成（chéng）的缺陷檢測案例。

1.極片缺陷檢測

在工藝前段（duàn）的極片預分切工（gōng）序（xù）中，會將寬度較長的極（jí）片卷按需求分切成多卷窄（zhǎi）條極片，同時需要對極片正反麵（陰陽（yáng）極）進行缺陷檢測，缺（quē）陷類型包括掉料、破損（sǔn）、折痕、劃痕、凹坑等。

挑戰：部（bù）分劃痕與極片灰度值相近，輪廓（kuò）不明顯；缺陷形態豐富，同時需準確完成多分類（lèi）任務；耗時要求嚴格。

方案（àn）：對豐富缺陷形態的檢出是深度（dù）學習的應（yīng）用方向，而針對耗時與分類準確率，通過VM內部算法性能上的優化，使多分類任務的耗時（shí）大幅下降，同時保證了檢出精度。

VM界麵局部檢出效果

2.頂蓋焊接缺陷檢測

在工藝中段的頂蓋焊接環節中，需檢測方形（xíng）電池殼體周圍的激光焊印，如是否存在虛焊、漏焊、斷焊、爆點等缺陷，以評估（gū）焊接（jiē）質量。

挑戰：不同的缺陷需要做準確分（fèn）類；同個物件有三個檢測區，背景會不斷變化；部分缺陷受大麵積的背景特征幹擾。例（lì）如下圖中的爆點特（tè）征，上半部分紅（hóng）色框內為需要檢出的（de）爆點，與而下半部分的焊印與爆（bào）點極其相似，需準確區分。

方案：采用（yòng）麵陣相機配合步進的方式進行檢測，通過深（shēn）度學習算法，兼容了（le）不同背景的樣本（běn），對於相似缺陷，在標注上賦予忽略以加大采（cǎi）樣，最終（zhōng）能快速精準的獲得缺陷的位（wèi）置及其類別標簽。

VM界麵局部檢出（chū）效果

3.密封釘焊（hàn）接缺陷檢測

在工藝後段的密封（fēng）釘焊接環節中，會出現焊點、炸焊（hàn）、漏焊、焊偏的情況，人工目檢效率（lǜ）不高，傳統調參難以滿足（zú）檢出需求。需要檢測的區域包括：焊縫區（qū），密封釘內圈以及清洗區。

挑戰：缺陷形態豐富，難以界定其形態邊緣；檢測區（qū）移（yí）動（dòng）頻繁，缺陷位置具有隨（suí）機性；部分小缺陷混雜於焊灰或清洗圈中，需準確識別。

方案：通過海康機器（qì）人深度學習（xí）算法，不僅克服了難點（diǎn），準確定位（wèi）缺陷的位置，且在（zài）做產線複製時，AI模型可快速兼容使用，促使項目（mù）落地。

VM界麵局（jú）部檢出效果

4.絕緣藍膜（mó）缺陷檢測（cè）

鋰電池的（de）藍膜表麵會出現不同程度的破損，因此在包裝過程中需（xū）一道（dào）工序進行缺陷檢（jiǎn）測，由於藍膜整體較長，檢出精度要求高，一般使用（yòng）4K或8K線陣相機采圖，像素長（zhǎng）度大於20000，屬於超大分辨率樣本。

挑戰：需檢出個位像素級（jí）別的極小缺陷；缺陷與正常的（de）灰塵、凸起反光（guāng）征基（jī）本一致；超大分辨率樣本，對耗時（shí）與顯存占（zhàn）用提出挑戰。

方案：針對超（chāo）大分辨率下的小缺陷樣（yàng）本（běn），通過內部對深度學習網絡進行性能優化；外部二次降采樣，或裁剪（jiǎn）外部背景區域的方法，在去除無效背景區幹擾的同時，進一步（bù）提升檢測精度，降低顯存占用和預測（cè）耗時。

VM界麵局部檢出（chū）效果

通過深度學習算法讓機器擁有“辨別”能力，結（jié）合傳統算法使預測結果更具交互性。海康機器人（rén）VM算法開發平台/SC智能相機係列，搭配VisionTrain深度學（xué）習訓練平台，多種深（shēn）度學習訓練模式供您靈活使用，助您快（kuài）速掌握AI能力（lì）。