我們可以做到什麽優勢：

• 提（tí）升檢測精度

  精確的檢測算法（fǎ）
  確保良品率高於99.5%
  保障（zhàng）產線穩定
  穩（wěn）定提升（shēng）檢測（cè）精度

• 提高生產效（xiào）率

  助力工廠（chǎng）實現產線（xiàn）全自動化
  全天候不停機生產
  提高生產效率
  
  

• 降低生產成本

  優化（huà）作業流程
  提升生（shēng）產效（xiào）率
  縮（suō）短投資回（huí）報周期
  柔性應對生產需求

• 行業定製化部署

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

近年來，隨著（zhe）我國新能源汽車市場的（de）爆發，動力電池需求不斷增長。在電池（chí）預焊、周（zhōu）邊焊、密封釘焊接（jiē）、頂蓋焊接等環（huán）節，焊縫容易出現炸焊、斷焊、爆點、針孔、偏光（guāng）等缺陷。這些缺陷嚴重影響動力電池的品質，產（chǎn）生安全隱患，焊接過（guò）程中缺陷的檢測和預（yù）防（fáng）變得越來越重要。鋰電池性能和品質的提（tí）升，不僅需要在材料和設計上不斷突破（pò），也需要在生產製造的工藝及設（shè）備上持續創新和改進。

機（jī）器視覺作為自動化設備的“眼睛”和“大腦”，將視覺檢（jiǎn）測引入到檢（jiǎn）測設備中已經成為主流趨勢。圖像（xiàng）處理係統的引入，將推動自動化設備向智能化方向（xiàng）轉型，推進動力（lì）電池（chí）向高容量（liàng）、高安（ān）全性、高品質以及低成（chéng）本（běn）方向發展（zhǎn）。麵對當（dāng）前市場（chǎng）環（huán）境，豆奶APP官网在（zài）軟件、硬件和算（suàn）法方麵不斷進行（háng）技術研發和（hé）產品優化，以為鋰電（diàn）行業客戶提供更好的產品和（hé）服務。

（一）算法創新

（1）異源數據融合的缺陷（xiàn）檢測方（fāng）案

3D相機在圖（tú）像采集（jí）過程中，不僅可以獲得2D灰度圖（tú）像信息，也可以獲得3D高度圖像（xiàng）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，豆奶APP官网一直進行算法探索和測試。由於3D圖像具有無效像素、不（bú）同產品和視角拍攝（shè）的高度範圍（wéi）差異很大等特點，將3D高度圖像輸入到深度學（xué）習檢測網絡中，訓練過（guò）程很難收斂。豆奶APP官网采用自（zì）研的（de）異源數據融合算法，將灰度（dù）圖像和深度圖像進行融合，有效（xiào）地提升了焊縫（féng）檢測漏檢率（lǜ）和誤檢率。

（2）基（jī）於自由曲麵的圖像差分檢測方案

電池表麵並不是規則的平麵，如果使用平麵作為基（jī）準，很容易出現誤檢的現象（xiàng）。豆奶APP官网（xiáng）自研的自由曲麵算法，將高度圖（tú）像進行局部插值采樣處理，可（kě）以獲得電池表麵的局部範圍近（jìn）似基準圖像，然後基於圖像差分方法（fǎ），可以獲得缺陷（xiàn）檢測信息。

（3）基（jī）於深度學習的無效（xiào）像素填充算法

深度學習在（zài）圖像識別、目標分類等方麵均有較好的應用，成為各個領域的一個研究熱點，但是基於深度神經（jīng）網絡在深度圖像中的應用和（hé）探索（suǒ）並不多。豆奶APP官网為了解決高度圖像中的點雲無效像素缺失的問題，基於卷積神經網絡設計了無效像素填充算法，很好地修補了點雲模型表麵殘缺的孔洞區域，算法基於CUDA進行並（bìng）行算法優化，提升（shēng）了焊縫檢測的效率和準確率。

（二）軟件平台創新（xīn）

采（cǎi）用圖形（xíng）化編程，讓用戶在可（kě）視化（huà）的環境下，進行參（cān）數配置，快速實現項目部署，縮短項目部署（shǔ）的周期。融合圖像采（cǎi）集、圖像分析、通信等功能於一體，為客戶提供端到端的視覺解決方案。圖像（xiàng）分析模塊涵蓋測量（liàng）、形位公差檢測（平麵度、高（gāo）度（dù）差、輪廓度、粗糙度（dù）等）、表麵質量分（fèn）析、識（shí）別（二維碼（mǎ）、條形碼、字符）以及3D視（shì）覺引導等。

視覺在線檢測係統作為可同（tóng）時實現高（gāo）度輪廓、三（sān）維點雲數據采集和三維數據在線測量的3D應用係統，已經大批量應用於高精度、高速、在線3D定位、測量、缺陷檢測場景。自（zì）研算法和傻瓜式的操作使得非（fēi）常適合各種非接（jiē）觸式測量場景，功能、性（xìng）能及穩定性（xìng）已在蘋果產線使用驗證，得到客戶的（de）高度（dù）認同（tóng）。 

將傳統圖像（xiàng）處理與深度（dù）學習處理相結合，為客戶提供綜合解決方案。利用卷積神經網絡自動提取圖像（xiàng）特征，從而實現產品瑕疵檢測、分類（lèi）等（děng）功（gōng）能（néng）。深（shēn）度學習工具操作簡單，零代碼開發，用戶隻需要手動標注目標，利用標注信息自動完成（chéng）模型訓練（liàn）和學習，有效地（dì）解決了傳統算法難以解決的複雜問題。在鋰電行業應用中，深度學習結合傳統圖像（xiàng）處理算法缺陷的正確檢（jiǎn）出率可達99.9%以上，缺陷等級和缺陷類別分類由傳統的40%提升到98%以上。

（三）3D視覺（jiào）和深度學習在鋰電行業中的創新案例

1、頂蓋焊後（hòu）檢測

2、密封釘檢測