我们可以做到什么优势（shì）：

• 提升检测精度

  精（jīng）确的检测算法
  确保良品率高于99.5%
  保障产线稳定
  稳定提升检测精度

• 提高生产（chǎn）效（xiào）率

  助力工厂实现产线全自动化
  全（quán）天候不停机生产
  提高生产效（xiào）率
  
  

• 降低生产成本

  优化作业流程
  提升生（shēng）产效率
  缩短投资回报周期
  柔性应对生产需求

• 行业定制化部署

  根据不同的生产环境及生产方式
  适配定制化解（jiě）决方案（àn）
  打造自动化智慧工厂
  
  

近年（nián）来，随着我国新能源汽车市场的爆发，动（dòng）力电池需求不断增长。在电池预焊、周边焊、密封钉焊接、顶盖焊接等环节，焊缝容易出现炸焊（hàn）、断（duàn）焊、爆点、针孔、偏光等（děng）缺陷（xiàn）。这些（xiē）缺陷严重影响动力电池的品质，产生安全隐患，焊接过程中缺陷的检测和预防变得越来越重要。锂电池性能和品质的提升，不仅需要在材料和（hé）设计上不断突破，也需要在生产制造的工（gōng）艺及设备上持续创新和改进（jìn）。

机器视（shì）觉作为自动化（huà）设备的“眼睛”和“大脑”，将视觉检测引入到检测设备中已经成为主流趋势。图像处理（lǐ）系（xì）统（tǒng）的引入，将推动自动化设备向（xiàng）智能化方向转型（xíng），推进动力电池向高容量、高安全性、高品质以及低成（chéng）本方向发（fā）展。面对（duì）当前市场环境，糖心VLOG官网入口地址在软件、硬件和算法方面不断进行技术研发和产品优化，以为锂电行（háng）业客户提供更好的产品和服务。

（一）算法创新

（1）异源数据融合的缺陷检测方案

3D相机在图像采集（jí）过程中，不仅（jǐn）可以获得2D灰（huī）度图像信息（xī），也可以（yǐ）获得3D高度图像信息。如何（hé）将两者结合起来，解决焊接过程中的缺陷检测和分类，糖心VLOG官网入口地址一直（zhí）进（jìn）行算法探索（suǒ）和（hé）测试。由于3D图（tú）像具（jù）有（yǒu）无（wú）效（xiào）像（xiàng）素、不同（tóng）产品和视角拍（pāi）摄的高度范围差异很大等特点，将（jiāng）3D高度图像输（shū）入到深度学习检测网（wǎng）络中，训练过程很难收敛。糖心VLOG官网入口地址采用自研的异源数（shù）据融合算法，将灰（huī）度（dù）图像和（hé）深（shēn）度图像进行融合，有（yǒu）效地提升了焊缝检测（cè）漏检率和误检率。

（2）基于自由（yóu）曲面的图像差分检测方案

电池表面并不是规则（zé）的平面，如果使用平面作为基准，很容易出现误检的现象。糖心VLOG官网入口地址自研的自由（yóu）曲（qǔ）面算法，将高度图像进行局部插值采样处理，可以获得电池表面的局部范围近似基（jī）准图（tú）像，然（rán）后基于图像差（chà）分方法，可以获得缺陷检测（cè）信息。

（3）基于深度学习（xí）的无效像素填充算法

深度学习在图像识（shí）别、目标分类等方面均有较好的应用（yòng），成为（wéi）各（gè）个领域的一个研究热点，但是基于（yú）深度神经网络在深度图像中的应用（yòng）和探索（suǒ）并不多。捷（jié）翔为了解决高度图像中的点云无效像素缺失的问题，基于卷积神经网（wǎng）络设计了无效像素填充算法，很好地修补了点云模型表面残缺的孔洞区域，算法基于CUDA进行并行算法优化（huà），提升了焊（hàn）缝（féng）检测的效率和准确率。

（二）软件平台创新（xīn）

采用图形化编程，让用（yòng）户在可视化的环境下，进行参数配置，快速实现项目部署，缩短项目部署的周期。融合图像采集、图像分析、通信等功能于一体，为客户提供端到端的视觉解决方案。图像分析模块涵盖测量、形位公差检测（平面度、高度差、轮廓度、粗糙度等）、表面质量分析、识别（二维码、条形码、字符）以（yǐ）及3D视觉引导等。

视觉在线检测系统作为可同时实现高度轮廓、三维点云（yún）数据采集和三维数据在线测量的（de）3D应用系统，已经大批量应用于高精度（dù）、高（gāo）速、在线3D定位、测量、缺陷（xiàn）检测场景。自研算法和傻瓜式的操作使得非常适合各种非（fēi）接（jiē）触（chù）式测量场景，功能（néng）、性能及稳定性已在苹（píng）果产线使用验证（zhèng），得到客户的高度认同。 

将传统（tǒng）图像处理与深度学习处理相结合，为客户提供综合解决方（fāng）案。利用卷（juàn）积神经网络自动提取图像特征，从而实（shí）现产品瑕疵检测（cè）、分类等（děng）功（gōng）能。深度（dù）学（xué）习工具操作简单，零代码开发，用户只需要（yào）手动标注目标，利用标（biāo）注信息自动完成模型训练和学习（xí），有效（xiào）地解决了传（chuán）统算法难以解决的（de）复杂问题。在锂电行业应用中，深度学习结合传统图（tú）像处理算（suàn）法缺陷的正确检出率可达99.9%以上，缺陷等级和缺（quē）陷类别分类由传统的40%提升到98%以上。

（三）3D视觉（jiào）和深度学习在锂电行（háng）业中的创新案例

1、顶盖焊后检测

2、密封钉检测