用AI赋能智能制造，打破传统检测的技术桎梏

一、背景

根据工信部《“十四五”智能制造发展规划》，到 2025 年规模以上制造业企业基本普及数字化，智能制造装备国内满足率超 70%。随着我国工业制造领域的自动化和智能化程度的加深，工业生产已经进入了大规模制造时代，机器视觉将得到更广阔的发展空间。

但随着竞争激烈的市场环境与爆发性的产能爬升，给机器视觉企业提出新的挑战，各生产企业对检测精度、检测速度、图像传输、缺陷分析等领域要求愈发严苛。企业对于视觉检测的要求不再是简单的”0-1“构建，而是开始思考能否通过技术革新的手段，突破传统检测的桎梏，创新视觉检测方案，进一步帮助新增产能快速落地。

在机器视觉检测中，传统的检测算法，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，而伴随着工艺革新和缺陷检测新需求持续升级，传统的视觉检测算法在很多工艺段中已经不能满足视觉检测的新需求。

二、案例解析

以锂电行业电池包蓝膜后外观检测为例，作为锂电池电芯段后半段工艺至关重要的一环，由于蓝膜的厚度小，而且表面具有反光的一些特性，在生产过程中容易出现划痕、破损、褶皱等缺陷，而且在包蓝膜的过程中，容易产生一些新的缺陷，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，传统算法在检测上有很大的弊端，因此，一直是行业的痛点和难点问题。

作为机器视觉企业，华汉伟业依托自研底层算法的优势，创新检测方案，将传统的2D/3D/2.5D检测算法与AI深度学习算法深度融合，形成技术Know How（技术诀窍），结合公司在项目落地应用形成行业Know How，最终突破传统检测技术桎梏，使得检测效果达成了一个质的飞越，而用AI赋能智能制造，也为机器视觉检测产业的发展，提供了范式化的视觉检测方案。

华汉伟业以2.5D+AI的检测方案，在锂电池包蓝膜后外观检测过程中，达到了一个良好的检测效果：

1、采用的2.5D成像技术，通过一次拍摄可同时获得不同方向和不同颜色组合的多张图片，如背光、暗场、明场、交叉光照明，不仅检测速度快，同时节省设备和场地空间，机台成本节省最大75% 。

2、通过自研的图象融合算法，可将多张图片生成一张形状凹凸、带有纹理的图片，相当于通过 2D 的手段达成近似 3D 的检测效果；2.5D成像技术还能消除反光、阴影和环境光的影响，解决 2D 成像对比度低，定位、检测不稳定的问题，性价比高，达到 2D 成像达不到的效果。

3、融合了AI检测技术极大提升缺陷检测系统的性能，搭载深度学习算法，支持小样本学习和数据浅析，可以让缺陷分类更准确和精细化 ，能够兼顾效率和效果，获得更佳的性价比。

而且这个2.5D+AI的解决方案，兼顾效率和效果以及高性价比，在热压后电芯外观缺陷检测、圆柱电池外观检测、软包电池外观检测等也得到使用，效果良好。

三、行业态势

面对制造行业各类新产线的检测新需求以及激烈的市场竞争，机器视觉检测势必会从单一的保障质检安全升级到更高要求的“又快又好”，机器视觉企业要始终对检测方案前沿创新形成快速响应，能够基于行业态势，保持着钻研与创新的精神，和各生产企业一同高速发展追赶市场节奏。

华汉伟业，用 AI、深度学习的检测技术打破传统技术的壁垒，完成新检测需求的模型建立，并且能基于客户具体产线问题调整，进行具体视觉方案优化，最终帮助快速完成产线上量生产，实现产能有效提升，而在未来，华汉伟业会将机器视觉AI能力进一步赋能到工业生产过程中，为生产企业的安全、高效、高质量发展保驾护航。