AI人工智能平台
针对锂电工业缺陷检测场景使用的 2D、3D、2.5D 以及线阵、面阵相机，自主研发了 2D 模型、3D 模型和 2.5D 模型，以及配套的数据标注软件、自动标注软件、模型训练软件、模型调优软件、模型加速算法和 AI 服务软件。
| 技术简介 | 应用案例 | |
| 2D AI | 通过实例分割模型同时实现分类、检测、分割功能，输出详细的缺陷量化信息。 | 极片缺陷检测、圆柱电池外观检测、极耳翻折检测 |
| 3D AI | 原始 3D 线扫信息直接输入 AI 模型，学习真实 3D 特征，精确量化缺陷深度、体积等信息。 | Busbar 检测、密封钉检测、顶盖焊检测等 |
2.5D AI | 光度立体法：用同一个表面在不同光照条件下所拍摄的图像序列来重构这个表面的高度信息。多张图片同时输入同一个 AI 模型训练和预测。 | 裸电芯外观检测、watch 电池外观检测等 |
| AI 定位&寻边 | 通过关键点模型，可以实现AI找点、找边、测距等，减少传统算法调参步骤。 | 极片测量、极耳寻边、麻点定位、3D R角定位等 |
算法方案 - 缺陷检测算法介绍
· 缺陷检测算法：采用AI深度学习图像分类（Image Classification）、目标检测（Object Detection）、语义分割（Semantic Segmentation）及实例分割（Instance Segmentation）等算法处理；
· 算法上使用原图和光度立体图作为输入，使用检测、分割等网络实现缺陷的高检出；
· 针对产品特定纹理/纹路造成的过杀也可以通过模型迭代进行优化；
· 规则算法：基于较大规模的缺陷分布统计分析，可针对不同缺陷过杀场景制定相关规则以降低过杀率；
核心技术：自研的视觉系统+AI智能算法
· 深度学习+传统视觉+规则算法 三位一体的综合解决方案
· 传统视觉与深度学习技术深度融合，具有精度高、一致性强的特点；
· 开放关键规则调整接口，可适配客户多样化的判定规格要求。
