易鸿智能王刚：机器视觉结合深度学习为锂电智造“守门”

车规级升级的强压下，装备制造商开始纷纷秀肌肉。

而在智能制造的国际化趋势下，装备制造商对智能设备核心knowhow的理解和诠释，将决定其能否在众多智能装备制造商中脱颖而出。

12月16-18日，“利元亨·2019高工锂电&电动车年会”在深圳机场凯悦酒店盛大举行。作为锂电及电动车行业规模最大、参与度最高的年度盛会，现场吸引了材料、设备、电芯、BMS、PACK、整车、运营租赁整个新能源汽车产业链超800位企业高层参与其中。

在17日上午海目星激光冠名的“动力电池专场一”，易鸿智能总经理王刚发表了《在线检测赋能动力电池智能制造》主题演讲，基于机器视觉为核心的生产装备，实现工艺再智造。

“做机器视觉与做设备有本质的区别。视觉检测在整个制造过程中处于守门的位置，这个地方做不好，设备和产品很难做好。”王刚如是说。

基于锂电池领域客户的需求，目前易鸿智能的CCD产品在锂电池检测中已经覆盖了20道工序，包含EV前段工序、EV模组段、EV后工序以及3C前工序。

王刚表示，正是因为锂电池厂家对于产品的安全、性能、品控要求越来越高，CCD检测在锂电池领域的地位也日益突显。

“在各工序段应用CCD检测，可以实时监控裁切尺寸，监控外观检测，提升整线制程优率、输出产品的一致性、输出产品的安全性、智能化生产及管理。”王刚强调。

当前，大数据、人工智能、深度学习与智能装备的结合已经成为智能制造发展路径中一大趋势。在锂电池制造领域同样如此。

“深度学习与视觉检测设备的结合非常有价值，以一个3C数码电池为例，按传统的视觉检测方式需要打80多个标，结合深度学习后打10个标不到，这意味着原来不用深度学习的时候产生的NG品有80个，用了深度学习只有10个不到，这个是非常有意义。”王刚介绍。

因为运用深度学习技术，可以检测到漏金属、脱碳、条痕、气泡、亮点、黑点、接带的NG总数与分类准确总数等等。

在深度学习分类数据分享中，王刚表示，在瑕疵检测系统中，易鸿智能采用图片分类器，结合深度学习(卷积神经网络学习)，能够识别客户生产过程中产生的各种外观不良。

在缺陷分类中使用深度学习技术，结合易鸿智能最新的深度学习算法，可达到最优的检测效果:缺陷不良分类准确率≥98%。

资料显示，易鸿智能成立于2014年，是国内首家推出具有自动拼接功能的高速锂电池自动检测设备的高新技术企业。

公司的核心技术团队借鉴10余年来机器视觉和高速传动装备的应用经验，以机器视觉为技术纽带，在以锂电池为首的不同行业生产工艺中提出并应用了机器视觉识别、检测的理念。

易鸿智能的目标是，励志成为领先的智能制造核心装备和整体解决方案供应商。