Prüfung der seitlichen und oberen Gehäuseschweißung
Bewertung von Schweißungen des Gehäuses prismatischer Batteriezellen mit Deep-Learning-Lösungen
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Bei einer prismatischen Batteriezelle wird ein rechteckiges Gehäuse rund um eine Elektrodenplatte geschweißt. Anschließend wird der obere Gehäuseteil angeschweißt. Der Deckel muss eine gewisse Ausdehnung und Kontraktion der Zelle zulassen, da sie sich während des Einsatzes erwärmt und abkühlt. Das ist ein besonders wichtiger Aspekt, da es die Form der prismatischen Zellen mit sich bringt, dass sie auf platzsparende Weise dicht angeordnet werden können. Die Schweißnähte an beiden seitlichen und am oberen Gehäuseteil müssen auf Fehler geprüft werden, bevor die Batteriezelle in ein Modul eingebaut wird.
Eine richtige Bewertung der Schweißnähte an jeder Zelle ist für die Funktionsfähigkeit und Lebensdauer der gesamten Batterie von großer Bedeutung. Alle diese Schweißungen können deutlich in ihrem Aussehen variieren. Es können viele verschiedene Fehler vorliegen, aber auch Abweichungen, welche die Leistung nicht beeinträchtigen.
Durch die Kombination von 2D- und 3D-Bildverarbeitungssystemen mit der Deep-Learning-Technologie lassen sich viel mehr mögliche Fehlertypen erkennen als mit nur einer Technologie. Die Deep-Learning-Defekterkennungs- und Segmentierungsfunktionen von Cognex werden anhand vielfältiger guter und fehlerhafter Schweißnahtvariationen geschult und lernen die genaue Klassifizierung, um funktionelle Fehler von rein kosmetischen zu unterscheiden.
