Prüfung der Batterieoberfläche
Mit Deep-Learning-Lösungen die Zellbeschichtungsqualität prüfen
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Nach ihrer Schweißung werden Batteriezellen mit einer dauerhaften Beschichtung geschützt. Diese Beschichtung kann Fehler aufweisen, wie zum Beispiel Blasen und Einschlüsse unter der Beschichtung, Kratzer in der Beschichtung und eine unzulänglich aufgetragene Beschichtung. Wenn diese Zellen in einem Batteriemodul dicht angeordnet sind, können mehrere Faktoren zu einem elektrischen Kurzschluss oder zu einer Überhitzung führen: die große Nähe der Zellen, die Ladung der einzelnen Zellen, die von den Zellen erzeugte Wärme oder der ungenügende Kontakt mit dem Wärmeleitmaterial.
Beschichtungen von Batteriezellen können verschiedene geringfügige Fehler aufweisen, welche die Funktion nicht beeinträchtigen, sowie scheinbar kleine Kratzer, durch die sie unsicher oder unbrauchbar werden. Solche Fehler müssen erkannt werden, während die Ausschleusung von fehlerhaften, aber funktionellen Beschichtungen verringert wird.
Die Oberfläche von Batteriezellen kann mit ausgefeilteren Bildverarbeitungssystemen wie der In-Sight D900 Serie geprüft werden, bei der Deep-Learning-Prüffunktionen in das Bildverarbeitungssystem eingebettet sind.
Cognex Deep Learning wird anhand eines Bildsatzes von sowohl guten als auch fehlerhaften Oberflächen trainiert. Das Cognex Deep Learning Defekterkennungs-Tool lernt, Oberflächen zu erkennen und innerhalb der annehmbaren Bandbreite von Abweichungen zu akzeptieren sowie jene mit nicht annehmbaren Fehlern zu markieren, wobei es natürliche Abweichungen im Bild wie Lichtreflexionen berücksichtigt.
