【CMVU】Vision早报-2024/03/18

星

期

一

资

讯

最

新

新闻

NEWS

1

科麦视觉 苏州办事处揭牌成立

2024年3月1日，东莞科麦视觉科技有限公司-苏州办事处正式成立。办事处的成立是科麦视觉更快捷响应并积极服务华东地区客户的重要举措，也是我司在区域优势和创新发展之路上迈出坚定不移的一步。苏州办事处将依托科麦总部的技术优势，为华东地区的客户提供更加便捷、高效、专业的技术服务支持。我们深知每位客户的需求都是独特的，因此科麦将为客户提供量身定制的解决方案。

2

摇橹船科技 将打造智能视觉全国总装基地

“随着重庆市‘33618’现代制造业集群体系的深入实施，新能源、汽车、新一代电子及材料等领域正迎来前所未有的发展机遇。”郑道勤表示，为了抢抓重大机遇，摇橹船科技将在重庆打造智能视觉全国总装基地。

基地落成后，不仅会成为智能视觉领域集研发、生产、销售、服务一体化的核心枢纽，还将有力推动摇橹船科技智能视觉技术的研发和创新，加速产品的迭代升级，满足市场对高端化智能视觉产品的需求。同时，摇橹船科技还将配套建设两个行业大脑的应用中心和AIGC创新中心，以进一步提升公司的研发能力和市场竞争力。

产品

NEWS

1

思特威 推出1600万像素手机图像传感器升级新品

近日，思特威推出Cellphone Sensor (CS) Series手机应用1600万像素图像传感器升级新品——SC1620CS。作为1.0μm像素尺寸背照式(BSI)图像传感器，SC1620CS基于思特威SmartClarity-3技术打造，搭载思特威先进的小像素尺寸技术SFCPixel-SL，集优异的高感度、高动态范围、低噪声等性能优势于一身，为智能手机后置主摄、后置超广角及前摄应用提供优质影像。

2

光图智能 超高精度激光3D轮廓测量仪重磅发布

光图智能研发推出的GTS系列-激光3D轮廓测量仪，作为超前技术自主研发的重磅新品，GTS系列植入了多项尖端技术，真正实现了微米级精度、超高扫描速度的完美结合。相较于红外线激光，405nm蓝光激光测量精度更高；与传统CCD相比，CMOS本身功耗更低，生成的热量少，更适合工业现场的长时工作，有效解决数据堆积导致的拖影问题，确保高速运动场景下成像稳定清晰。

涨知识

案

例

分

享

阿丘科技

从“眼力”到“AI”

光伏行业的视觉检测革命

背景

随着可再生能源的发展、政策的推动、产业智能化的升级，光伏行业迎来持续稳定的增长。由于行业和产品的特殊性， 光伏产品 （如光伏组件、太阳能电池片、硅片等）表面裂纹、划痕、断栅、缺角等外观缺陷将直接影响产品的性能和使用寿命，造成潜在风险，这对光伏的生产工艺和质量都提出了更高的要求。

如何提高光伏的生产效率和质量、降低生产成本，成为光伏行业面临的重要难题。

案例：硅片分选项目 

光伏行业某头部客户表示，“我们需要检测硅片表面是否存在缺陷，目前采用的传统算法检测指标不理想、速度较慢，难以满足现阶段我们的检测需求。当前，企业在向智能制造、数字化转型，所以我们正在寻找一种更快、更准、更稳的检测方式，以此达到降本增效…”

项目需求

本项目检测工站及其对应检测项如下：

★ 脏污工站：上下表面脏污、缺角、反向、遮挡

上下表面脏污包括：黑斑、浅斑、条形、水印、黑点等

★ 崩边工站：左右表崩、前后侧崩

左右表崩包括：黑磕、白磕、磕穿、磨边

前后侧崩包括：磕穿、磕边深度超过1/2、磨边、缺角

检测难点

★ 该项目缺陷种类多达 20+，且需要具体区分缺陷类型；

★ 客户检测精度要求较高，硅片表面最小尺寸为0.35mm，在保障高精度的同时，需要做到快速检测，平均检出时间要求达到 180ms/片，对算法效率要求高。

解决方案

基于该项目的实际产线情况和产品特性，阿丘科技使用 工业视觉软件平台AIDI 帮助客户优化检测流程，提升检测效率并保障产品品质。

AIDI内置多种应用模块，无需编程，即可解决复杂缺陷检测难题。

此外，AIDI具有强大的兼容性，能够接入光伏产线上的硅片分选机、电池片PL检测设备、组件EL检测设备和组件外观检测设备等，对硅片、电池片和组件表面的细小缺陷进行精准定位、检测、分类及识别。

针对上下脏污、缺角，以及左右表崩、前后侧崩等在整张图像中占比极小的缺陷类型，我们先利用AIDI对该类 缺陷图像 进行预处理，对整图进行裁切，并提取出带有缺陷的小图，从而在放大缺陷占比的同时，缩短后续图像处理时间，提高缺陷检出率和产线 检测节拍 ；

再在AIDI中对提取出的缺陷图进行标注、学习，构建统一的 AI检测模型。该模型可在不断学习中持续优化检测指标，实现硅片表面 0.35mm 及以上缺陷稳定检出并进行正确分类。

针对氧化片这类缺陷面积较大、颜色较浅使得成像对比度低的缺陷类型，我们结合AIDI和自主开发的 传统算法库AQCV，在接口中加入对比度的后处理，成功提升氧化片的检出效果，降低 漏检率 。

针对反向和遮挡这两类成像特征明显的缺陷类型，利用AIDI的分类算法，通过让AI学习 整图的特征，即可达到准确区分良品图与缺陷图的效果。

项目成果

★ 检测指标和检测节拍大幅提升：

实现硅片表面 0.35mm 以上缺陷稳定检出并进行正确分类，关键缺陷漏检率 0%，其他缺陷漏检率 0.01%，过检率不高于 0.05%，平均检出时间 180ms/片 。

★ 机台实现快速批量复制：

基于深度学习算法，AIDI只需学习少数典型样本即可快速适应产线机台差异，提高模型的迁移能力，该解决方案已被国内某头部光伏组件客户 批量复制使用 。

热播中

视

频

推

荐

普雷茨特

飞点扫描仪 

FSS 系列

重磅新品

抢先看

活

动

联

盟

成都AI+机器视觉技术工业应用研讨会

2024年3月28日

成都宏鼎温德姆至尊豪廷大酒店

VisionChina 2024（北京）

2024年5月21-22日

 北京国际会议中心

VisionChina 2024（上海）

2024年7月8-10日

上海新国际博览中心（SNIEC）

VisionChina 2024（深圳）

2024年10月14-16日

深圳国际会展中心（宝安新馆）

*广告位

点击蓝字 查看更多