Prüfung von Litzenverbindungen
Komplexe Litzenverbindungen und flexible elektrische Anschlüsse überprüfen
Ähnliche Produkte
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Einige Hochspannungsverbindungen für Batterien von Elektrofahrzeugen (EV) und andere Anwendungen werden durch Zusammendrehen zweier Kupfer-Litzendrähte oder -kabel ohne externe Steckverbindung gebildet, um einen festen physikalischen und elektrischen Kontakt zwischen den Litzen herzustellen.
Die Bestückungsprüfung von Teilkomponenten erfordert eine Bestätigung, dass die Drähte so zusammengedreht sind, dass eine wirksame elektrische Verbindung zwischen ihnen sichergestellt ist. Eine schlechte Verbindung kann zu vermindertem Strom, Sicherheitsrisiken durch Leckstrom und Überhitzung sowie zu Verbindungsfehlern führen, die eine Nacharbeit der fertigen Baugruppen erfordern oder Kundenrücklieferungen verursachen.
Der Litzendraht ist komplex, strukturiert, visuell unvorhersehbar sowie reflektierend und erscheint vor einem komplexen Hintergrund. Herkömmliche industrielle Bildverarbeitung ist nicht in der Lage, das Geflecht der Drähte selbst vom Muster der Verbindung zwischen den Drähten zuverlässig zu unterscheiden. Eine Programmierung aller Möglichkeiten ist außerdem nicht durchführbar.
Cognex Deep Learning prüft komplexe, verschiedene Litzenkabel problemlos auf Fehler. Es wird anhand einer Reihe von Bildern trainiert, die viele Verbindungen umfassen, die auf Basis von Funktionstests sowohl als gut als auch nicht annehmbar gekennzeichnet wurden. Das Klassifizierungstool lernt die Kriterien zur Unterscheidung guter Verbindungen von funktionsuntüchtigen Verbindungen, während es den komplexen Hintergrund ignoriert. Nach dem Erlernen ist seine Genauigkeit höher als die anderer Prüfmethoden, ohne dass komplexere und zeitaufwändige direkte Tests erforderlich sind.
