光度立体法+深度学习：锂电池密封钉焊接检测新思路

当下，磷酸锰铁锂、硅基负极、高镍三元等新材料不断推出；大圆柱电池、CTC、刀片电池等新工艺应用提速。

然而，新材料、新工艺必然带来新的缺陷。原材料和生产工艺迭代使得锂电视觉检测场景愈加复杂和精细化，要求视觉检测企业对各种复杂应用场景、生产工序工艺、客户关注点有深刻的理解和快速响应。

动力电池视觉检测的新需求对传统算法提出巨大挑战，基于AI、深度学习的检测技术成为机器视觉企业的竞争核心之一。

传统检测算法的底层逻辑在于，在指定区域找亮度、颜色差异，并据此来判断异物的大小或形状等。显然传统算法无法解决焊接环节的检测痛点，无法满足该领域的检测需求。

目前，深度学习技术已逐渐应用到锂电机器视觉检测应用当中，相比于传统算法，AI视觉检测系统可以自动学习和提取缺陷特征，提升检出率。深度学习具有准确率高、鲁棒性强、避免繁琐特征设计等优势。

以密封钉焊接检测为例，密封钉焊接缺陷形态丰富，难以界定其形态边缘；检测区移动频繁，缺陷位置具有随机性；部分小缺陷混杂于焊灰或清洗圈中等，对机器视觉检测提出了不小的挑战。

华汉伟业基于光度立体技术的核心逻辑，将2D图像的纹理信息与3D图像的形貌信息进行异源数据融合，结合深度学习技术，完成表面焊接质量检测。检测效果达到扫描速度50mm/s，漏杀率为0% ，过杀率<1%，很好地解决了上述焊接检测痛点。

具体而言，当相机、光源和目标物体相对位置固定不变时，使用不同方向的光源照射同一目标物体，可拍摄到多张目标物体带有不同明暗分布的图像；继而通过求解基于朗伯反射原理的反射方程组，得到物体表面的法向量、梯度、高度等信息。

也就是说，一张图片中的每个像素都与一个相对高度相关联。对局部梯度信息进行计算，可整合得出对应的3D高度信息图。

由于光度立体技术依托于对光度信息的评估，即图像中的灰度值，因此图像质量的好坏至关重要。为了保证良好的照明与最终的图像质量，华汉伟业采购国际顶尖光源与相机设备，并且独家开发了基于灰度图像引导的高度图像增强技术。

为了提升检测的准确率，降低高度图像中孔洞、无效像素对于检测的影响，华汉伟业技术团队利用灰度图像对高度图像进行无效像素填充；将灰度图像、高度图像输入到卷积神经网络中，完成多尺度的特征抽取，并利用编码器-解码器结构进行特征融合，最终得到重建图像数据。

在密封钉焊接检测的具体场景中，针对爆点、焊坑、孔洞、 断焊等缺陷，融合3D的高度信息和2D的纹理信息，分别输入到卷积神经网络进行特征提取，然后对3D的高度特征图和2D纹理特征图进行异源数据融合，经过多尺度高级特征融合后，输出缺陷的分割和类别信息。检测针孔的极限控制在0.2mm以内。

针孔&爆点

将密封钉圆环状焊道展开，采用传统的缺陷检测工具对高度图进行自由曲面拟合，再根据缺陷的深度/高度和面积进行聚类筛选。

断焊&焊道偏移&漏焊

将密封钉圆环状焊道展开，采用深度学习滑窗的方式进行分类。

反钉&翘钉

测量密封钉中心凸台和顶盖面之间的高度差，进行尺寸管控。

视觉控制系统及底层的机器视觉算法是工业机器视觉的灵魂。相比于起跑甚早的日本企业，国内大部分机器视觉公司在硬件方面已有较大进步，但仅有少数拥有自己独立的底层算法库。

华汉伟业产品负责人向高工锂电分享到，出于“让专业的人做专业的事”的企业理念，华汉伟业一直没有分散精力去布局边缘赛道，而是深耕自研算法，在底层算法库与软件系统方面建立坚固的“护城河”。

如今，华汉伟业的3D视觉检测系统在华南地区已成为标杆王牌产品，其自研的MVDevelop 开发者视觉算法平台对标全球一流算法平台，解决卡脖子问题，打破了国外视觉算法技术垄断的壁垒。

而且，华汉伟业技术团队可以深层次为客户进行灵活定制化和针对特定场景的开发。光度立体技术密封钉焊接检测中的应用便是在这种需求下，特别推出的兼具成本与检测成效优势的非标解决方案，企业可根据自身预算与实际检测场景，灵活选择2D、3D、AI的定制搭配组合。

目前，光度立体技术尚未在国内机器视觉行业得到大规模商用。华汉伟业的率先布局，也体现了其对市场新兴检测场景及实际检测诉求的灵敏嗅觉。

基于7年来深入锂电行业的研发、交付和技术迭代，以及对锂电制造工艺的理解，华汉伟业以先进的自研3D+AI检测算法为抓手，为国内多家锂电头部企业提供整体解决方案。在多个维度持续不断实现着技术迭代和know-how积累，已经形成了锂电生产全工序的底层视觉服务能力。

↙点击下方“阅读原文”查看更多内容。