Pouch-Oberflächeninspektion
Cognex Deep Learning prüft Pouchzell-Batterien für Elektrofahrzeuge
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Ein völlig neuer Ansatz bei komplexen Prüfungen, Teilelokalisierung, Klassifikation und OCR
Eine Pouch-Batteriezelle erhält während des Entgasungsprozesses eine etwas unregelmäßige Form. Nach der Bildung der Vorrichtung wird der Zellenpouch zusammengedrückt, um die Oberfläche auszubügeln und zu glätten. Es ist wichtig, dass Pouches glatt, faltenfrei und geradegerichtet sind. Hersteller von Zellenbatterien setzen automatisierte Prüfsysteme zwischen diesen Phasen ein, um Oberflächendefekte zu erkennen. Die komplexe Oberflächenstruktur des Pouches schafft einen unruhigen, störenden Hintergrund, der Falten, Blasen und andere Fehler verdecken kann. Das Erscheinungsbild von Zellenpouches kann sehr unterschiedlich sein, sodass es zu kompliziert und zeitaufwändig ist, detailliert nach allen Fehlern zu suchen.
Cognex Deep Learning nutzt auf Deep Learning basierte Bildverarbeitungsalgorithmen zur Identifizierung von Fehlern wie Blasen und Falten, indem es von kommentierten Bildern lernt. Das Modell erlernt so das normale Erscheinungsbild einer Pouch-Oberfläche, einschließlich der natürlichen Abweichungen, die keine Fehler darstellen. Alle Merkmale, die vom normalen Erscheinungsbild des Modells abweichen, werden als abnormal eingestuft. Auf diese Weise erfasst Cognex Deep Learning zuverlässig und beständig alle Anomalien, ohne umfangreiche Fehlerbibliotheken zu benötigen.
