Fehlerprüfung am Batterie-Tab
Fehlerprüfung von Batterie-Tabs und ihren Verbindungen
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Ein völlig neuer Ansatz bei komplexen Prüfungen, Teilelokalisierung, Klassifikation und OCR
Elektroden von Pouch-Batterien werden über Metall-Tabs mit externen Kreisen verbunden. Diese Metallfolien-Tabs werden aus verschiedensten Metallen hergestellt, sind dünn und weich und können leicht beschädigt werden. Typische Mängel sind Kratzer, Unebenheiten, Löcher und Staub. Beschädigte Tabs verringern oder verhindern die Konnektivität, daher müssen sie fehlerfrei sein, bevor sie an die Elektroden gelötet werden.
Eine mangelhafte Lötung führt jedoch auch zu Fehlern, wie Brandflecken, Schlägen und fehlenden Lötperlen. Schlecht gelötete Stellen führen zu geringerer oder fehlender Konnektivität und Leistungsminderung.
Damit das Deep-Learning-Defekterkennungstool von Cognex Fehler an Tabs und Tab-Lötstellen erkennen kann, wird es anhand von Bildern vielfältiger unbeschädigter Tabs und ordnungsgemäß gelöteter Tabs geschult, um die ganze Vielfalt normaler Teile zu lernen, einschließlich des annehmbaren Ausmaßes kosmetischer Mängel.
Nach dem Scannen der Batterie-Tabverbindungen analysiert und markiert es alle Tabs oder Tab-Lötstellen, die außerhalb des annehmbaren Bereichs liegen, während es falsch-positive Ergebnisse durch rein kosmetische Mängel minimiert. Es nimmt diese Unterscheidungen trotz Abweichungen bei Kontrast und Hintergrund vor.
Das Deep-Learning-Klassifizierungstool von Cognex kann dann anhand einer Reihe von gekennzeichneten Fehlern an Tabs und Tab-Lötstellen geschult werden und lernen, bestimmte Fehlertypen einzustufen, wie zum Beispiel Kratzer, Löcher und Unebenheiten auf dem Tab oder Brandflecken, Stöße oder fehlende Lötperlen an der Lötstelle. Diese kategorisierten Fehler können dann für die vorgelagerte Prozesskontrolle verwendet werden, um im Laufe der Zeit Fehler zu minimieren.
