3D视觉和深度学习在锂电焊缝检测中的应用收藏

近年来，随着我国新能源汽车市场的爆发，动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、断焊、爆点、针孔、偏光等缺陷这些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，不仅需要在材料和设计上不断突破，也需要在生产制造的工艺及设备上持续创新和改进机器视觉作为自动化设备的“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系统的引入，将推动自动化设备向智能化方向转型，推进动力电池向高容量、高安全性、高品质以及低成本方向发展。

面对当前市场环境，华汉伟业作为3D视觉测量和检测中的领先企业，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相机在图像采集过程中，不仅可以获得2D灰度图像信息，也可以获得3D高度图像信息。

如何将两者结合起来，解决焊接过程中的缺陷检测和分类，华汉伟业一直进行算法探索和测试由于3D图像具有无效像素、不同产品和视角拍摄的高度范围差异很大等特点，将3D高度图像输入到深度学习检测网络中，训练过程很难收敛。

华汉伟业采用自研的异源数据融合算法，将灰度图像和深度图像进行融合，有效地提升了焊缝检测漏检率和误检率（2）基于自由曲面的图像差分检测方案电池表面并不是规则的平面，如果使用平面作为基准，很容易出现误检的现象。

华汉伟业自研的自由曲面算法，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准图像，然后基于图像差分方法，可以获得缺陷检测信息（3）基于深度学习的无效像素填充算法深度学习在图像识别、目标分类等方面均有较好的应用，成为各个领域的一个研究热点，但是基于深度神经网络在深度图像中的应用和探索并不多。

华汉伟业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，提升了焊缝检测的效率和准确率（二）软件平台创新

华汉伟业自研的3D视觉检测平台HyperShape 3D采用图形化编程，让用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HyperShape 3D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）以及3D视觉引导等HyperShape 3D视觉在线检测系统作为可同时实现高度轮廓、三维点云数据采集和三维数据在线测量的3D应用系统，已经大批量应用于高精度、高速、在线3D定位、测量、缺陷检测场景。

自研算法和傻瓜式的操作使得HyperShape非常适合各种非接触式测量场景，功能、性能及稳定性已在苹果产线使用验证，得到客户的高度认同

软件界面截图

HyperShape 3D将传统图像处理与深度学习处理相结合，为客户提供综合解决方案利用卷积神经网络自动提取图像特征，从而实现产品瑕疵检测、分类等功能深度学习工具操作简单，零代码开发，用户只需要手动标注目标，利用标注信息自动完成模型训练和学习，有效地解决了传统算法难以解决的复杂问题。

在锂电行业应用中，深度学习结合传统图像处理算法缺陷的正确检出率可达99.9%以上，缺陷等级和缺陷类别分类由传统的40%提升到98%以上

传统图像处理与深度学习融合（三）3D视觉和深度学习在锂电行业中的创新案例1、顶盖焊后检测检测要求：1）采用3D相机进行检测；2）缺陷检测规格：最小检测缺陷直径0.5mm；3）误判率300mm/s；

5）NG排出要求：设备具备外观检测NG判断功能，检测NG品在合适位置排出到NG槽外；检测内容 1）爆点直径、深度 > 0.5 mm需检出；2）凹坑直径、深度 > 0.5 mm需检出；3）断焊、漏焊；检测方案 ：

1）基于自由曲线的高度抽取算法；2）基于异源数据融合的缺陷检测算法；3）基于卷积神经网络的缺陷分类算法；

相机安装示意图检测效果示意图：

软件主界面2、密封钉检测检测要求：1）检测速度≥ 40mm/s；2）焊渣、断焊、焊偏、漏钉、反钉、重钉等；3）凸起高度：＜ 0.2 mm；4）下凹深度：＜ 0.2 mm；检测方案： 1）焊接轨迹本身凹凸不平且高度变化平缓，但缺陷（爆点、孔洞）往往在高度上存在突变 （爆点陡然升高，孔洞陡然减低）； 

2）利用缺陷的高度突变信息，采用自研缺陷检测算法将存在高度突变的区域进行标记； 3）根据所有标记区域的特征进行筛选，将符合缺陷判定要求（大小面积）的标记区域挑选出进行判定； 

焊接检测效果：

软件主界面

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。