我們可以做到什么優(yōu)勢：

• 提升檢測精度

  精確的檢測算法
  確保良品率高于99.5%
  保障產(chǎn)線穩(wěn)定
  穩(wěn)定提升檢測精度

• 提高生產(chǎn)效率

  助力工廠實現(xiàn)產(chǎn)線全自動化
  全天候不停機生產(chǎn)
  提高生產(chǎn)效率
  
  

• 降低生產(chǎn)成本

  優(yōu)化作業(yè)流程
  提升生產(chǎn)效率
  縮短投資回報周期
  柔性應(yīng)對生產(chǎn)需求

• 行業(yè)定制化部署

  根據(jù)不同的生產(chǎn)環(huán)境及生產(chǎn)方式
  適配定制化解決方案
  打造自動化智慧工廠
  
  

近年來，隨著我國新能源汽車市場的爆發(fā)，動力電池需求不斷增長。在電池預(yù)焊、周邊焊、密封釘焊接、頂蓋焊接等環(huán)節(jié)，焊縫容易出現(xiàn)炸焊、斷焊、爆點、針孔、偏光等缺陷。這些缺陷嚴(yán)重影響動力電池的品質(zhì)，產(chǎn)生安全隱患，焊接過程中缺陷的檢測和預(yù)防變得越來越重要。鋰電池性能和品質(zhì)的提升，不僅需要在材料和設(shè)計上不斷突破，也需要在生產(chǎn)制造的工藝及設(shè)備上持續(xù)創(chuàng)新和改進。

機器視覺作為自動化設(shè)備的“眼睛”和“大腦”，將視覺檢測引入到檢測設(shè)備中已經(jīng)成為主流趨勢。圖像處理系統(tǒng)的引入，將推動自動化設(shè)備向智能化方向轉(zhuǎn)型，推進動力電池向高容量、高安全性、高品質(zhì)以及低成本方向發(fā)展。面對當(dāng)前市場環(huán)境，捷翔在軟件、硬件和算法方面不斷進行技術(shù)研發(fā)和產(chǎn)品優(yōu)化，以為鋰電行業(yè)客戶提供更好的產(chǎn)品和服務(wù)。

（一）算法創(chuàng)新

（1）異源數(shù)據(jù)融合的缺陷檢測方案

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(jié)合起來，解決焊接過程中的缺陷檢測和分類，捷翔一直進行算法探索和測試。由于3D圖像具有無效像素、不同產(chǎn)品和視角拍攝的高度范圍差異很大等特點，將3D高度圖像輸入到深度學(xué)習(xí)檢測網(wǎng)絡(luò)中，訓(xùn)練過程很難收斂。捷翔采用自研的異源數(shù)據(jù)融合算法，將灰度圖像和深度圖像進行融合，有效地提升了焊縫檢測漏檢率和誤檢率。

（2）基于自由曲面的圖像差分檢測方案

電池表面并不是規(guī)則的平面，如果使用平面作為基準(zhǔn)，很容易出現(xiàn)誤檢的現(xiàn)象。捷翔自研的自由曲面算法，將高度圖像進行局部插值采樣處理，可以獲得電池表面的局部范圍近似基準(zhǔn)圖像，然后基于圖像差分方法，可以獲得缺陷檢測信息。

（3）基于深度學(xué)習(xí)的無效像素填充算法

深度學(xué)習(xí)在圖像識別、目標(biāo)分類等方面均有較好的應(yīng)用，成為各個領(lǐng)域的一個研究熱點，但是基于深度神經(jīng)網(wǎng)絡(luò)在深度圖像中的應(yīng)用和探索并不多。捷翔為了解決高度圖像中的點云無效像素缺失的問題，基于卷積神經(jīng)網(wǎng)絡(luò)設(shè)計了無效像素填充算法，很好地修補了點云模型表面殘缺的孔洞區(qū)域，算法基于CUDA進行并行算法優(yōu)化，提升了焊縫檢測的效率和準(zhǔn)確率。

（二）軟件平臺創(chuàng)新

采用圖形化編程，讓用戶在可視化的環(huán)境下，進行參數(shù)配置，快速實現(xiàn)項目部署，縮短項目部署的周期。融合圖像采集、圖像分析、通信等功能于一體，為客戶提供端到端的視覺解決方案。圖像分析模塊涵蓋測量、形位公差檢測（平面度、高度差、輪廓度、粗糙度等）、表面質(zhì)量分析、識別（二維碼、條形碼、字符）以及3D視覺引導(dǎo)等。

視覺在線檢測系統(tǒng)作為可同時實現(xiàn)高度輪廓、三維點云數(shù)據(jù)采集和三維數(shù)據(jù)在線測量的3D應(yīng)用系統(tǒng)，已經(jīng)大批量應(yīng)用于高精度、高速、在線3D定位、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測量場景，功能、性能及穩(wěn)定性已在蘋果產(chǎn)線使用驗證，得到客戶的高度認(rèn)同。 

將傳統(tǒng)圖像處理與深度學(xué)習(xí)處理相結(jié)合，為客戶提供綜合解決方案。利用卷積神經(jīng)網(wǎng)絡(luò)自動提取圖像特征，從而實現(xiàn)產(chǎn)品瑕疵檢測、分類等功能。深度學(xué)習(xí)工具操作簡單，零代碼開發(fā)，用戶只需要手動標(biāo)注目標(biāo)，利用標(biāo)注信息自動完成模型訓(xùn)練和學(xué)習(xí)，有效地解決了傳統(tǒng)算法難以解決的復(fù)雜問題。在鋰電行業(yè)應(yīng)用中，深度學(xué)習(xí)結(jié)合傳統(tǒng)圖像處理算法缺陷的正確檢出率可達99.9%以上，缺陷等級和缺陷類別分類由傳統(tǒng)的40%提升到98%以上。

（三）3D視覺和深度學(xué)習(xí)在鋰電行業(yè)中的創(chuàng)新案例

1、頂蓋焊后檢測

2、密封釘檢測