我們可以做到什麽優勢：

• 提升檢測精度

  精確的（de）檢測算法
  確保良品率高於99.5%
  保障產線穩定
  穩定（dìng）提升（shēng）檢測精度

• 提高生產（chǎn）效率

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

• 降低生產成本

  優化作業流（liú）程
  提升生產（chǎn）效率
  縮短投資回報周期（qī）
  柔性應（yīng）對生產需求（qiú）

• 行業定製化部署

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

近年（nián）來，隨著我國新能源汽車市場的爆發，動力電池（chí）需求不斷增長。在電池預焊、周邊焊、密封釘焊接、頂蓋焊接等環節，焊縫容易（yì）出現（xiàn）炸焊、斷焊、爆點、針孔、偏光等缺陷。這些缺陷嚴重影響（xiǎng）動力電池的品質，產生安全隱患，焊接過程中缺陷的檢測和預防（fáng）變（biàn）得越來越重要。鋰（lǐ）電池性能和品質的提升，不僅（jǐn）需要（yào）在材料和設計上不斷突破（pò），也需要（yào）在生產製造的工藝及設備上持續創新和（hé）改進。

機器視覺作為自動化設備的（de）“眼睛”和“大腦”，將視覺檢測引入到檢測設備中（zhōng）已（yǐ）經（jīng）成為主流趨勢。圖像處理係統（tǒng）的引入，將推動（dòng）自動化設備向智（zhì）能化（huà）方向（xiàng）轉型，推（tuī）進動力電池向高容量、高安全性、高品質以及（jí）低成本方向發展。麵（miàn）對當前市場環境，捷（jié）翔在軟件、硬件和算法方麵不斷進（jìn）行技術研發和產品優化，以為鋰電行業客戶提供更（gèng）好的產品（pǐn）和服務。

（一）算法創新

（1）異源數據融合的缺陷檢測方（fāng）案

3D相機在圖像采集過程中，不僅可以獲得2D灰度圖像信息，也可以獲得3D高度圖像信息。如何將兩者結合起來，解決（jué）焊接過程中的缺陷檢測和分類，午夜福利视频一直進行算法（fǎ）探索和測（cè）試。由於（yú）3D圖像具有無效（xiào）像素、不同產品和視角拍攝的高度範圍差異很大等特點，將（jiāng）3D高度圖像輸入到深度學習檢測網絡中，訓練過程很（hěn）難收斂。午夜福利视频（xiáng）采（cǎi）用自研的異源數據融合算法，將灰度圖像和深度（dù）圖像（xiàng）進行融（róng）合，有效地提升了焊縫檢測漏檢（jiǎn）率（lǜ）和誤檢率。

（2）基於自由曲麵的圖像（xiàng）差分檢測方案

電池表麵並不是規則的平麵，如果使用平麵作為基準，很容易出現誤檢的現象。捷（jié）翔自研的自（zì）由曲麵算法，將高度圖像進行局部插值采樣處理，可以獲得電池（chí）表麵的局部範圍近似（sì）基（jī）準圖像，然後基於圖像差分（fèn）方法，可以獲得缺陷檢測信息。

（3）基於深度學習的無效像（xiàng）素填（tián）充算法

深度學習在圖像識別、目標分類等方麵均有較好的應用，成為各個領域的（de）一個研究熱點，但是基於深度神經網絡在深度圖像中的應用（yòng）和探索並不多。午夜福利视频為了解決高度（dù）圖像中的點雲無效像素缺失的問（wèn）題，基於（yú）卷積神經（jīng）網絡（luò）設計了無效像素填充算法，很好地修補了點（diǎn）雲模型表麵殘缺的孔洞區（qū）域，算法基於CUDA進行並（bìng）行算法優化，提升了焊縫檢測的效率和準確率。

（二）軟件平台創新（xīn）

采用（yòng）圖形化（huà）編程，讓用戶在可（kě）視化的環境下，進行（háng）參（cān）數配置，快速實現（xiàn）項（xiàng）目部署，縮短項目（mù）部署的周期。融合圖像采集、圖像分析、通信等（děng）功能於（yú）一體，為客戶提供端到端的視覺解決方案。圖像分析模塊涵蓋（gài）測量、形（xíng）位公差檢測（平麵度、高度差、輪廓度、粗糙度等）、表麵質量分析、識別（二維碼、條形碼、字符）以及3D視覺引導等。

視覺（jiào）在（zài）線檢（jiǎn）測係統作為可同時（shí）實現（xiàn）高度輪廓、三維點雲數據采集和三維數據在線測（cè）量的3D應用係統，已（yǐ）經大批（pī）量應用於高（gāo）精度、高速、在線3D定位（wèi）、測量、缺陷檢測場景。自研算法和傻瓜式的操作使得非常適合各種非接觸式（shì）測量場景，功能、性能及穩定性已在蘋果產（chǎn）線使（shǐ）用驗證，得到客戶的高度（dù）認同。 

將傳統圖像處理與深（shēn）度學（xué）習處理（lǐ）相結合，為客戶提供綜（zōng）合解決方案。利用卷積神經網絡自動提取圖像（xiàng）特征，從（cóng）而實現（xiàn）產品瑕疵（cī）檢測、分類等功能（néng）。深度學習工具操作（zuò）簡單，零代碼開發（fā），用戶（hù）隻需要手動標注目標（biāo），利用標注信息自動完成模型訓練和學習，有（yǒu）效地解決了傳統算法難以解決的複雜問題。在鋰電行業（yè）應用中，深度（dù）學習結合傳統圖像處理算法缺陷的正確檢出（chū）率可達99.9%以上，缺陷等級（jí）和缺陷類（lèi）別分類由傳統的40%提升到98%以上。

（三）3D視覺和深度學習在鋰電行業中的創新案例

1、頂蓋焊（hàn）後檢測

2、密封釘檢測