我們可以做到什麽優勢：

• 提升檢（jiǎn）測精度

  精確的檢測算（suàn）法
  確保良品率高於99.5%
  保障產線穩定
  穩定提升檢測精度

• 提高生產效率

  助（zhù）力工廠實（shí）現（xiàn）產線全自動化
  全天候不（bú）停機生產
  提高生產效（xiào）率
  
  

• 降低生（shēng）產成本

  優化（huà）作業流（liú）程
  提升生產效率
  縮短投資回報周期
  柔（róu）性應對生（shēng）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
  適配定製化解決（jué）方案（àn）
  打造自動化智慧工廠
  
  

隨著新能源車需求的持（chí）續增長，鋰電池在新能源汽車行業的應用前景（jǐng）廣闊。目前鋰（lǐ）電池包括硬殼和軟包電池，硬（yìng）殼則可分為圓柱（zhù）電池和方形電池。其中方形電池憑借其充放電倍率、循環壽命、安全性等方麵的優勢，成為一種主流的電池封（fēng）裝應用。

方形電池工藝鏈（liàn）

鋰電池工藝鏈分為前、中、後三段，以方形（xíng）電（diàn）池為（wéi）例，其（qí）工藝鏈中存在大量的質檢需求，傳統視覺檢測可滿足各（gè）工藝環節的定位和糾偏應用。

而（ér）在極片、焊縫（féng）、絕（jué）緣隔膜等需要檢測表麵缺陷的工序中（zhōng），傳統視覺檢（jiǎn）測的精度受缺陷形態影響，通過針對（duì）性調參後，易消耗過多的內部資源，效果可能仍無法達到預（yù）期。因此，對鋰電行業（yè）內的缺陷檢測引入深度學習算法，使用一定量缺陷樣本（běn）來訓練生成AI模型，讓AI來（lái）判斷缺陷和位置，可達到較好的檢測效果。

海康機（jī）器人VM算法開發平台

VM算法開發平台作為海（hǎi）康機（jī）器人的核心智（zhì）能（néng）產品，不僅包含了定位、測量、處理等傳統視覺模塊，更集成圖（tú）像分割、字（zì）符訓練、圖像分類、目標（biāo）檢測、圖像檢索、實例分（fèn）割以及異常檢測等AI算法模塊，可使用VisionTrain對需（xū）要用到的AI模塊進行學習訓練。此外，海康機器人與多家企業（yè）合作，基（jī）於（yú）VM算法開發平台，構建持續、高效、開放的（de）生態（tài）合作圈。今天我們就為大家分享四（sì）則（zé）合作（zuò）夥伴運用VM圖像（xiàng）分割完（wán）成的缺陷檢測案例（lì）。

1.極片缺陷檢測（cè）

在（zài）工藝前段的（de）極片預分切工（gōng）序中，會將寬度較長的極片卷按需求分切成多（duō）卷（juàn）窄條極片（piàn），同時需要對極片正（zhèng）反麵（陰陽極）進行缺陷檢測（cè），缺陷類型包括掉料、破損、折痕、劃痕、凹坑等。

挑戰：部（bù）分（fèn）劃痕與極片灰（huī）度值相近，輪廓不明顯；缺陷形態豐富（fù），同時需（xū）準確完成多分類任務（wù）；耗時要求嚴格。

方案（àn）：對豐富（fù）缺陷（xiàn）形態的（de）檢出是深（shēn）度學習的應用方向，而（ér）針對耗時與分類準（zhǔn）確（què）率，通（tōng）過VM內部算法性能上的優（yōu）化，使多分類任務的耗時大（dà）幅下降，同時（shí）保證了檢出精度。

VM界麵（miàn）局部檢出效果

2.頂蓋焊接（jiē）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（hàn）、漏焊、斷焊、爆點等（děng）缺陷（xiàn），以評估焊接（jiē）質量（liàng）。

挑戰：不同的缺陷需要做準確分（fèn）類；同個物件有三個（gè）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（rǎo）。例如下圖中（zhōng）的爆點特征，上半部分紅色框內為需（xū）要（yào）檢（jiǎn）出的爆點（diǎn），與而下半部分的焊印與爆點極其相似，需準確區分。

方案：采用（yòng）麵陣相（xiàng）機配合步進的方式進行檢（jiǎn）測，通過深度學習（xí）算法，兼容了不（bú）同（tóng）背景的樣本，對於相似缺陷，在（zài）標注上賦予忽略以加大采（cǎi）樣，最終能快速精準的獲得缺（quē）陷的位置及其類別標簽。

VM界麵局部檢出效果

3.密封釘（dìng）焊接缺陷檢測

在工藝後段的密封釘焊接環節（jiē）中，會（huì）出現焊點、炸焊、漏焊、焊偏的情況，人工目檢效率不高（gāo），傳統調參難以滿足檢出需求。需（xū）要檢（jiǎn）測的區域包括：焊縫（féng）區，密封釘內（nèi）圈以及清洗（xǐ）區。

挑戰：缺陷形態豐（fēng）富，難以（yǐ）界定其（qí）形態邊緣（yuán）；檢測區移動頻繁，缺陷位（wèi）置具有隨機性；部分（fèn）小缺陷混雜於焊（hàn）灰或清洗圈中，需（xū）準確識別。

方案（àn）：通過海康機器（qì）人深度學習算法（fǎ），不僅（jǐn）克服了難點，準確定位缺陷的位置，且在做產線複製時，AI模型可快（kuài）速兼容使用，促（cù）使項目（mù）落地。

VM界麵局部檢出效果

4.絕緣藍膜缺陷（xiàn）檢測

鋰電池的藍膜（mó）表麵（miàn）會出現（xiàn）不同程度的破損，因此在包（bāo）裝過程（chéng）中需一（yī）道工序進行缺陷檢測，由於藍膜整（zhěng）體較長，檢出精度要求高，一般使用4K或8K線陣相機采圖，像素（sù）長度大於20000，屬於（yú）超（chāo）大分辨率樣本。

挑戰：需檢出個（gè）位（wèi）像素（sù）級別（bié）的極小（xiǎo）缺（quē）陷；缺陷與正常的灰塵、凸起反光征基本一致；超大分（fèn）辨率樣本，對耗時與顯存占用提（tí）出挑戰（zhàn）。

方（fāng）案：針（zhēn）對超大分辨率下的小缺陷樣本，通過內部對深度學習（xí）網絡進行性能優化；外部（bù）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，進一步提升檢測精度，降低顯存占用和預測耗時。

VM界麵局部檢出效果

通過深度學習算法讓機器擁有“辨別”能（néng）力，結合傳統算法使（shǐ）預測結果更具交（jiāo）互性。海康機器人VM算法開發平台/SC智能相機係列，搭配VisionTrain深度學習訓練平台，多種深（shēn）度學習訓練（liàn）模式供您靈活使用，助您快速掌（zhǎng）握AI能力。