我們可以做到什麽優勢：

• 提升檢測精度

  精確的檢測算法
  確保良品率高於99.5%
  保（bǎo）障產線穩定
  穩定提升檢測（cè）精度

• 提高生產效率

  助力（lì）工（gōng）廠（chǎng）實現產線全自動化
  全天候不停機生（shēng）產（chǎn）
  提高生產效率
  
  

• 降低生產成（chéng）本（běn）

  優化作業流程
  提升生產效率
  縮短投資回報周期（qī）
  柔（róu）性應對生產需求（qiú）

• 行業定製化部署

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

隨著（zhe）新能源車需求的持續增（zēng）長，鋰（lǐ）電池在新能源汽車行業的應用前景廣闊。目（mù）前鋰電池包括硬殼和軟（ruǎn）包電池，硬殼則可分為圓柱電池和方形（xíng）電池。其中方形電池憑借其充（chōng）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裝應用。

方形電池工藝（yì）鏈

鋰電池工藝鏈（liàn）分為前、中、後三段，以方形電池為例，其工藝鏈中存在大量（liàng）的質檢需求，傳統視覺（jiào）檢測可滿足各工藝環節的定位和糾（jiū）偏（piān）應用。

而在極（jí）片、焊縫、絕緣隔膜等需要檢測表麵缺陷的工序中，傳統視覺檢測的精度（dù）受缺陷形態影響，通過針對性調參後，易消耗過多的內（nèi）部資源，效果可能仍無法（fǎ）達到預期。因此（cǐ），對（duì）鋰電行業內的缺陷檢測引入深度學習算法，使用一定量（liàng）缺陷樣本來訓練生成AI模型，讓AI來判斷（duàn）缺陷（xiàn）和位置，可達到較好的檢測效果。

海康機器人VM算法開發平台

VM算（suàn）法開（kāi）發平台作（zuò）為海（hǎi）康機器人（rén）的核心智能產品，不僅包含了定位（wèi）、測量、處理等傳統視覺模塊，更集成圖像分割、字符（fú）訓練、圖像分類、目標（biāo）檢測、圖像檢索、實例（lì）分割以及（jí）異常檢測（cè）等AI算（suàn）法模塊，可使用VisionTrain對需要用到的AI模塊進行學習訓練。此外，海康機（jī）器人（rén）與多家企（qǐ）業（yè）合（hé）作，基（jī）於VM算法開發平台，構建持續、高效、開放的生態（tài）合作圈。今天我們就為大家分享四則合作夥伴運用VM圖像分割完成的缺陷檢測案例。

1.極片缺陷（xiàn）檢測

在工藝前段的極片預分切工序中，會將寬度較（jiào）長的極片卷按需求（qiú）分切成多（duō）卷窄條極片，同時需要對極片正反麵（陰陽極）進行缺陷檢測，缺陷類型（xíng）包括掉料、破損、折（shé）痕、劃痕、凹坑等。

挑戰：部分劃痕與極片灰（huī）度值相近，輪廓不明顯；缺（quē）陷形態豐富，同時需準確完成多分（fèn）類任務；耗時要（yào）求嚴格。

方（fāng）案：對豐富缺陷形態的檢出是（shì）深度學習的應用方向（xiàng），而針對耗時與分類準確率，通過VM內部算法性（xìng）能上的優化，使多（duō）分類任務的耗時大幅下降，同時保證（zhèng）了檢出精度。

VM界麵局部檢出效果（guǒ）

2.頂蓋焊（hàn）接缺陷檢測

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

挑戰：不同（tóng）的缺陷需（xū）要做準確分類；同個物件有三個（gè）檢測區，背景會（huì）不斷變化；部分缺陷受大麵積的背景特征幹（gàn）擾。例（lì）如下圖中（zhōng）的爆點特征，上（shàng）半部分紅色框內為需要檢出的爆點（diǎn），與而下半部（bù）分的焊印（yìn）與爆點極其相似，需準確區分。

方案：采用麵陣相機配合步（bù）進的方式進（jìn）行檢測，通（tōng）過（guò）深度學習算法，兼（jiān）容了（le）不同背景的樣本，對於相似缺陷（xiàn），在標注上賦予忽略以加大采樣，最終能快速精（jīng）準的獲得缺陷的位置及（jí）其類別（bié）標簽。

VM界麵局部檢出效果

3.密封釘焊接（jiē）缺陷檢測

在工（gōng）藝後段的（de）密（mì）封（fēng）釘焊（hàn）接環節（jiē）中，會出現（xiàn）焊點、炸焊、漏焊（hàn）、焊偏的情況，人工目檢（jiǎn）效率不高，傳統調參難以滿足檢出需求。需要檢測的區（qū）域（yù）包括：焊縫區，密封（fēng）釘內圈以（yǐ）及清洗區。

挑戰：缺陷形態（tài）豐富，難以界定其形態邊緣；檢測區移動頻（pín）繁，缺陷位置具有隨機性；部分小缺陷混雜於焊灰或清洗圈中，需準確識別。

方案：通過海康機器人深度學習（xí）算法（fǎ），不僅克服了難（nán）點（diǎn），準確定位缺（quē）陷的位置，且在做產線複製時，AI模型可快速兼容使用，促使（shǐ）項目落地。

VM界麵局部檢出（chū）效果

4.絕緣藍膜缺陷檢測

鋰電池的（de）藍膜表麵會出現不同程（chéng）度（dù）的破損，因此在包裝過程中需一道工序進行缺陷檢測，由於藍膜（mó）整體（tǐ）較長，檢出精度要求高，一般使用4K或8K線陣（zhèn）相機采圖，像素長度大於20000，屬於超大分辨率樣本。

挑戰：需檢出個位像素級別的極小缺（quē）陷；缺陷與正常的灰塵、凸（tū）起反光征基本一（yī）致；超大分辨率樣本，對耗時與顯存占用（yòng）提出挑戰。

方（fāng）案：針對超大分辨率下的小缺陷樣本，通（tōng）過內部對深（shēn）度學習網絡進行性（xìng）能優化；外部二次降采樣，或裁剪外部背景區域的方法，在去（qù）除無效背景區幹擾的同時，進一步提升檢（jiǎn）測精（jīng）度，降低顯存占用和預測耗時。

VM界麵局部檢出效（xiào）果

通過深度學（xué）習算法讓機器擁有（yǒu）“辨（biàn）別”能力，結合傳統算法使預測結果更具交互性。海康機器人VM算法開發平台/SC智能相機係列，搭（dā）配（pèi）VisionTrain深度（dù）學習訓練平台，多種深度學（xué）習訓練模式供您靈（líng）活使用，助您快速掌握AI能（néng）力。