AI人工智能平臺
針對鋰電工業(yè)缺陷檢測場景使用的 2D、3D、2.5D 以及線陣、面陣相機，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)標注軟件、自動標注軟件、模型訓練軟件、模型調優(yōu)軟件、模型加速算法和 AI 服務軟件。
| 技術簡介 | 應用案例 | |
| 2D AI | 通過實例分割模型同時實現(xiàn)分類、檢測、分割功能，輸出詳細的缺陷量化信息。 | 極片缺陷檢測、圓柱電池外觀檢測、極耳翻折檢測 |
| 3D AI | 原始 3D 線掃信息直接輸入 AI 模型，學習真實 3D 特征，精確量化缺陷深度、體積等信息。 | Busbar 檢測、密封釘檢測、頂蓋焊檢測等 |
| 2.5D AI | 光度立體法：用同一個表面在不同光照條件下所拍攝的圖像序列來重構這個表面的高度信息。多張圖片同時輸入同一個 AI 模型訓練和預測。 | 裸電芯外觀檢測、watch 電池外觀檢測等 |
| AI 定位&尋邊 | 通過關鍵點模型，可以實現(xiàn)AI找點、找邊、測距等，減少傳統(tǒng)算法調參步驟。 | 極片測量、極耳尋邊、麻點定位、3D R角定位等 |
算法方案 - 缺陷檢測算法介紹
· 缺陷檢測算法：采用AI深度學習圖像分類（Image Classification）、目標檢測（Object Detection）、語義分割（Semantic Segmentation）及實例分割（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、分割等網(wǎng)絡實現(xiàn)缺陷的高檢出；
· 針對產品特定紋理/紋路造成的過殺也可以通過模型迭代進行優(yōu)化；
· 規(guī)則算法：基于較大規(guī)模的缺陷分布統(tǒng)計分析，可針對不同缺陷過殺場景制定相關規(guī)則以降低過殺率；
核心技術：自研的視覺系統(tǒng)+AI智能算法
· 深度學習+傳統(tǒng)視覺+規(guī)則算法 三位一體的綜合解決方案
· 傳統(tǒng)視覺與深度學習技術深度融合，具有精度高、一致性強的特點；
· 開放關鍵規(guī)則調整接口，可適配客戶多樣化的判定規(guī)格要求。
