AI人工智能平臺(tái)
針對(duì)鋰電工業(yè)缺陷檢測(cè)場(chǎng)景使用的 2D、3D、2.5D 以及線陣、面陣相機(jī)，自主研發(fā)了 2D 模型、3D 模型和 2.5D 模型，以及配套的數(shù)據(jù)標(biāo)注軟件、自動(dòng)標(biāo)注軟件、模型訓(xùn)練軟件、模型調(diào)優(yōu)軟件、模型加速算法和 AI 服務(wù)軟件。
| 技術(shù)簡(jiǎn)介 | 應(yīng)用案例 | |
| 2D AI | 通過實(shí)例分割模型同時(shí)實(shí)現(xiàn)分類、檢測(cè)、分割功能，輸出詳細(xì)的缺陷量化信息。 | 極片缺陷檢測(cè)、圓柱電池外觀檢測(cè)、極耳翻折檢測(cè) |
| 3D AI | 原始 3D 線掃信息直接輸入 AI 模型，學(xué)習(xí)真實(shí) 3D 特征，精確量化缺陷深度、體積等信息。 | Busbar 檢測(cè)、密封釘檢測(cè)、頂蓋焊檢測(cè)等 |
| 2.5D AI | 光度立體法：用同一個(gè)表面在不同光照條件下所拍攝的圖像序列來重構(gòu)這個(gè)表面的高度信息。多張圖片同時(shí)輸入同一個(gè) AI 模型訓(xùn)練和預(yù)測(cè)。 | 裸電芯外觀檢測(cè)、watch 電池外觀檢測(cè)等 |
| AI 定位&尋邊 | 通過關(guān)鍵點(diǎn)模型，可以實(shí)現(xiàn)AI找點(diǎn)、找邊、測(cè)距等，減少傳統(tǒng)算法調(diào)參步驟。 | 極片測(cè)量、極耳尋邊、麻點(diǎn)定位、3D R角定位等 |
算法方案 - 缺陷檢測(cè)算法介紹
· 缺陷檢測(cè)算法：采用AI深度學(xué)習(xí)圖像分類（Image Classification）、目標(biāo)檢測(cè)（Object Detection）、語(yǔ)義分割（Semantic Segmentation）及實(shí)例分割（Instance Segmentation）等算法處理；
· 算法上使用原圖和光度立體圖作為輸入，使用檢測(cè)、分割等網(wǎng)絡(luò)實(shí)現(xiàn)缺陷的高檢出；
· 針對(duì)產(chǎn)品特定紋理/紋路造成的過殺也可以通過模型迭代進(jìn)行優(yōu)化；
· 規(guī)則算法：基于較大規(guī)模的缺陷分布統(tǒng)計(jì)分析，可針對(duì)不同缺陷過殺場(chǎng)景制定相關(guān)規(guī)則以降低過殺率；
核心技術(shù)：自研的視覺系統(tǒng)+AI智能算法
· 深度學(xué)習(xí)+傳統(tǒng)視覺+規(guī)則算法 三位一體的綜合解決方案
· 傳統(tǒng)視覺與深度學(xué)習(xí)技術(shù)深度融合，具有精度高、一致性強(qiáng)的特點(diǎn)；
· 開放關(guān)鍵規(guī)則調(diào)整接口，可適配客戶多樣化的判定規(guī)格要求。
