車規級升級的強壓下，裝備制造商開始紛紛秀肌肉。

而在智能制造的國際化趨勢下，裝備制造商對智能設備核心knowhow的理解和詮釋，將決定其能否在眾多智能裝備制造商中脫穎而出。

12月16-18日，“利元亨·2019高工鋰電&電動車年會”在深圳機場凱悅酒店盛大舉行。作為鋰電及電動車行業規模最大、參與度最高的年度盛會，現場吸引了材料、設備、電芯、BMS、PACK、整車、運營租賃整個新能源汽車產業鏈超800位企業高層參與其中。

在17日上午海目星激光冠名的“動力電池專場一”，易鴻智能總經理王剛發表了《在線檢測賦能動力電池智能制造》主題演講，基于機器視覺為核心的生產裝備，實現工藝再智造。

“做機器視覺與做設備有本質的區別。視覺檢測在整個制造過程中處于守門的位置，這個地方做不好，設備和產品很難做好。”王剛如是說。

基于鋰電池領域客戶的需求，目前易鴻智能的CCD產品在鋰電池檢測中已經覆蓋了20道工序，包含EV前段工序、EV模組段、EV后工序以及3C前工序。

王剛表示，正是因為鋰電池廠家對于產品的安全、性能、品控要求越來越高，CCD檢測在鋰電池領域的地位也日益突顯。

“在各工序段應用CCD檢測，可以實時監控裁切尺寸，監控外觀檢測，提升整線制程優率、輸出產品的一致性、輸出產品的安全性、智能化生產及管理。”王剛強調。

當前，大數據、人工智能、深度學習與智能裝備的結合已經成為智能制造發展路徑中一大趨勢。在鋰電池制造領域同樣如此。

“深度學習與視覺檢測設備的結合非常有價值，以一個3C數碼電池為例，按傳統的視覺檢測方式需要打80多個標，結合深度學習后打10個標不到，這意味著原來不用深度學習的時候產生的NG品有80個，用了深度學習只有10個不到，這個是非常有意義。”王剛介紹。

因為運用深度學習技術，可以檢測到漏金屬、脫碳、條痕、氣泡、亮點、黑點、接帶的NG總數與分類準確總數等等。

在深度學習分類數據分享中，王剛表示，在瑕疵檢測系統中，易鴻智能采用圖片分類器，結合深度學習(卷積神經網絡學習)，能夠識別客戶生產過程中產生的各種外觀不良。

在缺陷分類中使用深度學習技術，結合易鴻智能最新的深度學習算法，可達到最優的檢測效果:缺陷不良分類準確率≥98%。

資料顯示，易鴻智能成立于2014年，是國內首家推出具有自動拼接功能的高速鋰電池自動檢測設備的高新技術企業。

公司的核心技術團隊借鑒10余年來機器視覺和高速傳動裝備的應用經驗，以機器視覺為技術紐帶，在以鋰電池為首的不同行業生產工藝中提出并應用了機器視覺識別、檢測的理念。

易鴻智能的目標是，勵志成為領先的智能制造核心裝備和整體解決方案供應商。