首頁 >科技週邊 >人工智慧 >機器視覺+AI | 賦能極限智造,佈局產業未來

機器視覺+AI | 賦能極限智造,佈局產業未來

WBOY
WBOY轉載
2023-12-05 14:23:211237瀏覽

第八屆動力電池應用國際高峰會(CBIS2023),由中國化學與物理電源產業協會及電池中國網主辦,將於11月28日至30日在上海盛大舉行。本次高峰會的主題是“服務·合作·共贏——擁抱'新全球化'大時代”,來自國內外動力電池和儲能電池產業鏈各個領域的專家和業界代表將齊聚一堂,共同討論動力電池與儲能電池在「新全球化」時代的發展

机器视觉+AI | 赋能极限智造,布局行业未来

重寫後的內容是:會議現場

在29日下午的「數智賦能新能源電池產業」專場主題論壇上,凌雲光技術股份有限公司銷售總監陳瑤發表題為《賦能極限智造,佈局行業未來》 的主題演講,同與會嘉賓分享了對「TWh」時代智慧製造新要求的理解以及凌雲光推出的以機器視覺AI為核心的產品及解決方案

机器视觉+AI | 赋能极限智造,布局行业未来

凌雲光銷售總監 陳瑤《賦能極限智造,佈局產業未來》

縱觀機器視覺在線質檢應用現狀,機器視覺在線質檢的應用場景越來越豐富,但仍面臨缺陷流出風險高、省人效果不明顯、數據價值難體現等困難,原因就在於成像系統設計不規範、生產管理不規範、服務不規範

追求極限製造的鋰電池產業,需要生產智慧化、偵測智慧化、管理智慧化,那視覺偵測必須更精準、更可靠、更智慧。結合過往二十餘年深耕機器視覺的經驗,凌雲光給了自己的答案。

線上質檢標準化鋰電極片​​落地實踐的重要性在於確保產品品質和生產效率。透過建立標準化的質檢流程和準確的測試方法,可以有效地監控電極片的製造過程,並及時發現和解決潛在的品質問題。同時,標準化的質檢方法也能提高生產效率,降低成本,為企業帶來更多的競爭優勢。因此,推行線上質檢標準化是電池製造業的必然趨勢,也是提升企業競爭力的關鍵措施

影像系統:高低動態影像,精確偵測虛邊

#真正好用的視覺偵測方案,需要在充分研究偵測物件的基礎上進行影像系統設計。

以鋰電池極片為例,高反、低反差異大,對光譜響應靈敏度不同。傳統的檢測方案為了同時完成極片塗佈區和留白區的檢測需要增加新工位,硬體成本增加,系統也更複雜。凌雲光創新推出高低動態成像方案,實現虛邊缺陷的精確抓取與測量,有效提升效率,單點可靠度提升50%

机器视觉+AI | 赋能极限智造,布局行业未来

需要重新寫作的內容是:虛邊偵測

同時,針對氣泡、褶皺等成像不明顯的缺陷,凌雲光透過緊湊型設計,用最優的成像方案完整地呈現缺陷形態,實現缺陷準確分類分級

演算法系統:將三個步驟分流至GPU以減輕負載

#線上質檢的傳統流程通常先透過CPU進行定位測量,然後透過GPU進行外觀檢測和缺陷分類。這導致了GPU負載過重,再加上深度學習的需求,使得GPU更加不堪重負

凌雲光則透過三步驟分流充分利用原有擷取卡的算力,顯著降低對顯示卡的依賴,為GPU減負。

三步驟分流:將簡單卷積、流式計算放到自研相機的採集卡中做處理——將邏輯計算和簡單的特徵計算放到CPU中處理——將缺陷的分類、分級放到GPU中做處理。

机器视觉+AI | 赋能极限智造,布局行业未来

系統模組化:高易用,低成本

隨著客戶對產品品質要求的提升以及出海大環境下人力成本的飛升,設備的易用性變得尤為重要。

基於此,我們將偵測設備進行了標準化設計和模組化設計。透過相機頭件和光源的一體化設計實現即插即用,顯著改善成像系統一致性,降低維護成本。

机器视觉+AI | 赋能极限智造,布局行业未来

明星產品有靈魂

#在多款新品的開發過程中,凌雲光將會運用他在成像系統設計、演算法設計、系統模組化設計上累積的經驗

鋰電池毛邊線上全檢系統

-追求高速與高精度,兼顧兩者

#凌雲光將高速成像技術應用到了極片毛刺檢測領域,結合自主研發的光學系統,實現自適應追焦,提升系統景深,實現高分辨、大視野、大景深高速成像,150m/min速度下穩定、清晰成像,完成極片邊緣毛邊毛刺全檢,檢測解析度2μm

机器视觉+AI | 赋能极限智造,布局行业未来

鋰電池方形外觀偵測裝備

-小巧強悍,放心首選

對鋁殼電芯和包膜後的電芯進行全面的品質檢測和缺陷剔除,是鋰電池方形外觀檢測裝備的功能

在成像系統方面,針對方形電池常見的藍膜檢測,凌雲光推出自研2.5D成像系統,透過分時頻閃多次成像,精準識別藍膜下異物和氣泡 ,對缺陷產品排出複檢,防患於未然。

此外,透過優化自動化部件、光學檢測部件等內部結構,方形外觀檢測裝備顛覆常見的「一字型」路線,創新使用環形檢測路徑,成功將整機佔地面積「瘦身」至不到7平米

机器视觉+AI | 赋能极限智造,布局行业未来

未來,凌雲光希望為行業搭建整套的質量體系,從端側獲取到更多視覺的質量數據,讓質量基準更標準化、一致化;在邊端做模型的統一及缺陷學習的持續統一分發(例如產線上某一台塗佈機的缺陷一經發現,其他塗佈機都可以從伺服器中獲取統一模型。);最後在雲端架構整個品質分析和決策系統。實現端、邊、雲端整體協同,讓工業生產的資料資料化、工業化、智慧化

以上是機器視覺+AI | 賦能極限智造,佈局產業未來的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文轉載於:sohu.com。如有侵權,請聯絡admin@php.cn刪除