Spritzgussversiegelungsprüfung
Mit Deep-Learning-Lösungen Spritzgussdichtschweißungen der Batteriezellen prüfen
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Nach der Verschweißung und Prüfung der oberen Kappe einer Batteriezelle wird diese mit flüssigem Elektrolyt gefüllt, das die Elektronen in der Batterie leitet. Nach Abschluss der Füllung wird das Füllloch zugeschweißt. Wegen der Gefahr eines Hitzeschadens an der Anode, Kathode und am Elektrolyt erfolgt dies durch eine Laserschweißung bei geringer Temperatur.
Elektrolytverunreinigungen oder Schweißfehler, die zu einem Auslaufen von Elektrolyt führen, verringern die Effizienz der Zellen. Ein elektrischer Test der gefüllten und versiegelten Zelle könnte ein Problem sichtbar machen, bevor die Zelle in ein Modul eingebaut wird; jedoch ist diese Methode nicht zu hundert Prozent zuverlässig. Eine richtige Beurteilung der Spritzgussdichtschweißungen ist für die Funktionsfähigkeit und Lebensdauer der gesamten Batterie von großer Bedeutung.
Cognex Deep Learning vereinfacht und automatisiert die Identifikation von Zierblenden mit Holzmaserung oder Carbonteilen mit strukturiertem Muster vor dem Einbau. Es wird auf einer Reihe von gekennzeichneten Bildern trainiert, die viele Beispiele für jede Zierblendenart enthalten. Durch Verwendung dieses Datensatzes unterscheidet Cognex Deep Learning schnell sogar äußerst ähnliche Holzmaserungen oder andere Muster voneinander und stellt dadurch sicher, dass immer die richtige Blendenart entsprechend der Spezifikation montiert wird.
