文/MarioBohnacker,MVTecSoftware公司HALCON产品经理；BerndSattler，Manz机电一体化/测量技术/机器视觉部门主管
全球高科技机械工程公司Manz以生产锂离子电池的现代化激光系统而闻名。为了保证精确和安全的激光焊接工艺，该公司使用包含深度学习技术的机器视觉软件HALCON，实现在线检查焊接工艺的质量，并减少错误的产生。这样，可以将电池自动生产的质量以及最终产品的安全性和可靠性提高到一个新水平。
全球高科技机械工程公司Manz以生产锂离子电池的现代化激光系统而闻名。该公司的电池激光系统BLS，是一个灵活的模块化平台，适用于锂离子电池生产中的不同激光工艺（见图1）。从标准化的机器基础开始，只需几个步骤就可以单独配置该系统，以适应各种应用（见图2）。
图1：电池激光系统BLS是一个灵活的模块化平台，适用于锂离子电池生产中的不同激光工艺。
图2：只需几步即可单独配置BLS电池激光系统，以适应各种应用。
在自动生产电池块时，必须考虑到正极和负极，将各个电池单元高精度焊接到连接板上。例如，具有90个电池单元的电池模块（也用于电动汽车）包含个焊接点，每个焊接点的大小为1mm。为了满足汽车行业的高质量要求，面临的挑战是在不损坏相对较薄且较敏感的电池外壳的情况下，建立安全、稳定的焊接连接。
自动化焊接过程的质量检查
为了能为客户提供更多价值，让客户在节省成本的同时获得稳定的高质量焊缝，Manz开始研究在线检测系统，以实现对焊接过程的％控制。此前，Manz曾使用破坏性测试（例如横截面或拉力测试）对单个组件的焊缝进行统计测试。这样的检测过程不仅耗时、昂贵，而且不能保证每个焊缝都无故障。
现在Manz使用工业图像处理（机器视觉）来检查BLS激光系统的焊接过程，并实现了整个过程的自动化，其使用的MVTec的标准软件HALCON，能借助AI深度学习算法显着改善错误检测。该技术的另一个优点是，它能显著减少编程工作量，并且可以应对尚未精确定义的错误。
训练过程需要大量的有效图像数据，例如需要六位数的样本图像才能达到可接受的错误检出率，也有许多不同的错误源可能会影响焊接过程。而激光系统的设计和制造通常与要制造的电池产品的开发同步进行，并且此过程需要与客户密切配合，因此设计会不断变化和调整。于是Manz在开始时使用大约10到最多个样本图像来训练模型，然后使用新的生产数据来不断改进流程。
不同解决方案的错误检出率比较
经过不断测试，Manz将MVTecHALCON的错误检出率与广泛使用的免费开源AI解决方案的错误检出率进行了比较。
散焦是激光焊接过程中最常见的错误来源之一：当由于零件的变动而使激光的焦点没有最佳地位于其最薄点时，就会发生这种情况，从而导致焊接过程中输入的能量减少。该偏差可以通过零件与焊接源之间的正确距离来调节。
在第一个测试中，使用了张图像进行训练。MVTecHALCON中的深度学习算法对于散焦的误差判断正确率为％（见图3）。而用于比较的开源软件，将大约10%的无瑕疵图像归类为有缺陷。在实际生产场景中，这将导致无缺陷的产品被视为次品，从而导致不必要的浪费。开源解决方案的另一个缺点是：训练需要s（约43min），而商业版本仅需要s（约3min）。
图3：图中显示了良好焊缝（左）和几乎没有材料混合的焊缝（右）的横截面。包括相应的检测图像，几乎看不到任何差异。尽管差异很小且背景不同，但深度学习仍可以％正确分类。
在另一个测试中，对用于汽车电池供电的插头进行了测试。在这个案例中，MVTecHALCON也能以非常强大的错误检出率胜出。仅使用50个训练图像，该软件就可以识别出所有有缺陷的零件，仅有大约2%的无故障零件被错误认为有故障。相比之下，开源软件的测试结果为：将所有缺陷零件中超过1/3的零件检测为无错误。显然，后者的结果无法接受。
基于无缺陷图像的异常值检测
此测试使用了MVTecHALCON中的“异常值检测”功能。这项技术的特殊优势是：只需要非常少量的图像数据。另外，训练仅需要显示无缺陷物体的图像，即所谓的“良好图像”。这使得Manz这样的机械工程公司能够节省大量时间和成本。因为生成错误图像的替代方法非常耗时、昂贵，通常需要数周时间。另外，在开始某个系列的生产时，并不能已知在机器生产周期中可能发生的所有错误。因此，不能充分描述异常的全部范围，以便用其他方法有效地解决需求。
借助MVTecHALCON，Manz可以在激光焊接过程中自动进行缺陷检查，并取得非常好的结果。使用较少数量的训练图像，可以在基于深度学习的异常值检测中，获得高效结果。该机器视觉标准软件的特殊优势在于，它包含预先训练的神经网络，这有助于在生产环境中更快地检测错误目标，缩短研发周期。MVTec深入了解客户的需求以及相关的行业情况，因此可以专门对其深度学习网络进行预训练，提供可行的解决方案，实现更精确的检测结果。
小结
通过使用基于深度学习的机器视觉标准软件，Manz能够在模块化BLS激光系统中，对激光焊接过程进行％的质量控制。可靠地检测错误，可以使电池生产的质量长期保持较高水平。Manz的客户还可以优化他们的生产，从更少的次品、更低的成本、更快的流程以及更高的质量和安全性中受益。
end
预览时标签不可点收录于合集#个上一篇下一篇