案例背景

電池(chi)生產過程會(hui)因為涂(tu)布機、輕壓機的(de)原因產生凹(ao)陷(xian)、劃(hua)(hua)痕、露箔、褶(zhe)皺等缺陷(xian)，劃(hua)(hua)痕較深的(de)缺陷(xian)可能導致爆炸等安全隱患(huan)，需要一(yi)款(kuan)視覺方案(an)來檢(jian)出這些不良品。

技術難點

01. 傳統人工檢測會出現主觀意愿、情緒、疲勞等人為因素，無法保證多種缺陷穩定檢出。
02. 部分工件反光較強，檢測褶皺、亮斑、暗斑、封邊等缺陷時局部反光效果不均勻，且會受到平整度以及背景整潔度的影響，瑕疵成像效果差，識別難度較大。
03. 需要(yao)檢(jian)測出X/Y尺寸＞0.5*0.5mm，深(shen)度≥0.1mm的劃痕、凹坑等表面不良。

解決方案

• 01. 采用3D線激光+基于半監督學習的深度學習算法。
• 02. 不需要打光，兼容所有產品和光照條件；
• 03. 掃描精度高，X、Y、Z三軸檢測精度可達20μm,可穩定識別表面瑕疵；
• 04. 高穩定、可靠的智能識別缺陷并統計缺陷類型，方便追溯產品質量.