痛点：

• 传统算法检测准确度低，需大量人工干预，严重影响效率；

• 人工干预主观性大，漏检较多（约占0.8%）。

方案：

• 基于云计算、人工智能、大数据技术；2000万张X光照片的深度学习和训练；

• 实现自动缺陷检测，自动缺陷定级，自动拦截分选缺陷轮毂，异常预警等。

成果：

• 携手轮毂生产头部企业建立全球首条X光自动缺陷检测生产线；

• 提升轮毂轨道通行效率40%，按300万产能计，每年提升产量120万以上，节省一台价值200余万X光机；

• 提升人工效率50%，节约人力成本约28.8万/年；

• 漏检率小于0.03%，降低约26倍（0.8-0.03）；

• 已部署客户8条生产线，客户世界灯塔工厂专项最优应用。

检测需求：

理电池电芯壳体需要检测平面度

硬件选型：

3D结构光相机L300，X、Y分辨率可以做到120um，z方向重复精度5um，可以满足要求，

技术优势：

大尺寸、高反光的壳体在我们相机上仍有具有出色的成像效果，且外壳高度变化用颜色表征，能够更直观地看到产品的表面情况。

检测需求：

电池盖板完整成像，检测焊缝断焊、凹坑、凸起

硬件速型：

3D结构光相机L50D，X、Y分辨率可以做到20um，2方向重复精度0.4um，可以满足要求，

技术优势：

采用双投影结构光可以避免三角测量法原理造成的图像遮挡，同时步可提升NG产品成像完整性，提升检测准确率和效率。

检测需求：

检测密封钉焊点质量

技术优势：

对大反射率的的铝合金表面和凹凸不平的焊缝能够一次性稳定成像

检测需求：

检测圆柱电池在料盘中位置度、放料正反以及干燥剂有无。

硬件选型：

3D结构光相机L300，x、Y分辨率可以做到120um，Z方向重复精度5um，可以满足要求，

技术优势：

L300视野可满足一次拍照，成像时间只需0.5S，成像完整，可以直接通过计算满足检测需求。

痛点：薯片生产前后制程皆为全自动化，唯有马铃薯外观筛选及不良切料为人工，需耗费

          大量人力，且人工的耗损量不易控制。原料最大耗损量可达40%。

方案：

马铃薯360°全面检测，自动化检测缺陷和定级缺陷，自动分选A类（缺陷可切除）及B类（坏料）。

定制化分选料道设备，单料道检测可达200个/分钟，整机可达1000个/分钟。

高速工业图像采集系统，精准工业控制，辅助AI深度学习算法技术持续提高检测效率和效果

2D+3D视觉方案，辅助分选后的自动切料工艺，节省人力和节约材料

成果：

缺陷检出率95%；实现实时检测，分选，切料加工自动化，

物料损耗降低30%，降低大量原料消耗。

整机检测和分选效率1000个/分钟，比人工效率提升100%

痛点：

人工线：产线节拍快，人工检查易疲劳，主观性大，易漏检（约占0.8%）

自动化产线：市场大部分板材外观缺陷识别系统效果不理想，亟待高精度和准确度的自动化检测系统配合自动化产线提高生产效率

方案：

木板360°全面检测，自动化检测缺陷和定级缺陷，自动拦截缺陷产品

高清工业图像采集系统，采用木板缺陷检测深度学习算法技术持续提高检测效果

成果：

缺陷检出率99.98%；实时检测避免生产过程规模错误

漏检数量较人工降低25倍（0.8-0.03），单产线节省120万（600万产能产线）

少量人工抽检，人员优化3/4