电池激光焊接检测（极耳和密封针）
使用AI视觉检测确保焊接位置正确、可重复且无缺陷
摘要（快速回答）
当眩光、旋转和微米级公差破坏基于规则的视觉并减慢手动显微镜时，电池激光焊接检测会失败。Overview.ai的OV80i视觉系统通过灵活的镜头和照明、相机内NVIDIA AI（PyTorch）和基于浏览器的训练解决这个问题——让团队以生产速度可靠地检测焊接位置和外观问题。
情况
在圆柱形和软包电芯制造中，极耳或密封针通过激光焊接来封闭电解液注入点并创建电气连接。焊接后，制造商必须验证焊接位置（中心偏差）、焊接存在/形状和外观完整性——同时不减慢生产线。
问题
实际生产线是混乱的：
- 镜面金属和热变色产生强烈眩光和低、变化的对比度。
- 微米级公差意味着一个像素的误差可以改变决策。
- 姿态变化（小旋转/偏移）移动表观目标并破坏固定ROI。
- 手动显微镜检查缓慢且班次间不一致。
- 基于规则的工具（静态阈值/边缘）随着照明和批次条件变化在漏检和过度拒绝之间摇摆。
结果：非确定性QA、焊接站瓶颈和昂贵的返工。
为什么传统系统会漏检
- 脆弱的阈值在反光焊接按钮、镍/铜极耳和变色方面挣扎。
- 没有姿态归一化意味着测量器在零件旋转时会“漂移”。
- 光学控制不足使您分辨率不足或与景深/眩光作斗争。
- 缓慢的迭代周期（离线工具链/集成商）阻碍持续改进。
OV80i激光焊接位置检测，显示外部参考与焊接中心对齐
Overview.ai解决方案
当电池激光焊接检测依赖于小特征、稳定计量和可重复照明时，使用OV80i AI视觉系统。
灵活的镜头和照明
OV80i支持可互换镜头和常见工业照明器（例如环形、穹顶、背光、同轴）。您可以调整视场、工作距离和照明，而不是围绕固定相机调整工位。
内置NVIDIA GPU + PyTorch
OV80i在相机上运行现代深度模型；训练、标注和测试在浏览器中进行——无需软件安装。您的团队可以在新训练技术可用时快速采用。
分割和分类配方
当需要几何测量（例如焊接到中心距离）时选择分割，快速OK/NG风格选择分类，或在一次检测中同时使用。
快速迭代（“Haystack”工作流）
软件针对快速模型迭代和跨多条线部署进行了优化。
工业集成
数字I/O和工业以太网选项将决策连接到PLC和生产线控制；Node-RED实现自定义通过/失败逻辑和公差门。
“老实说，我没想到这个相机能捕捉到这么小的偏差，但它做到了。我也没想到设置和训练会这么快速和简单。这项投资确实提高了我们的产品质量。”——生产主管
工作原理（典型配方）
1. 获得正确的像素和对比度
选择镜头以用焊接区域填充传感器；添加环形/穹顶/同轴照明以抑制热点并显示焊缝和参考几何形状。
2. 归一化姿态
在稳定的边缘/地标上对齐，使检测ROI即使在小旋转的情况下也位于一致的坐标系中。
3. 使用AI分割进行测量
标注感兴趣的特征（例如外部中心特征和焊接区域）。模型输出掩码；系统计算中心到中心的偏差并与公差比较。如果需要，添加外观层以标记烧伤、针孔或飞溅类伪影。
4. 决策和行动
通过/失败和数值偏差发送到PLC；Node-RED实现最终公差规则（例如警告带、硬拒绝）。导出CSV用于QA趋势分析。
您可以期待什么
- 尽管有眩光和旋转，检测仍然稳定，因为测量基于对齐的语义掩码——而不是单一阈值。
- 与显微镜检查相比吞吐量更高；班次/批次间结果一致。
- 在PPAP/爬坡期间和跨工厂的更快迭代，得益于浏览器中的数据/配方更新和相机内训练。
准备评估了吗？分享一小组图像（好的/临界的/坏的），我们将返回镜头/照明建议、对齐计划和您可以在生产线上验证的入门分割配方。→ OV80i视觉系统
常见问题
OV80i在电池激光焊接上能检测哪些缺陷？
焊接位置偏差（中心偏差）、缺失/尺寸不足的焊接、形状异常和与质量逃逸相关的外观问题——取决于您如何标记分割/分类配方。
OV80i与传统视觉有何不同？
它将可互换的光学/照明与相机内NVIDIA AI和基于浏览器的训练相结合，因此您可以针对金属优化成像并快速迭代模型，无需外部软件。
我们可以实现自定义通过/失败逻辑吗？
是的——团队通常使用Node-RED编码公差（例如距离阈值）并将通过/失败+偏差发布到PLC/MES。