Zylinderprüfung
Cognex Deep Learning erkennt Oberflächendefekte auf einer zylindrischen EV-Batterie
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Ein völlig neuer Ansatz bei komplexen Prüfungen, Teilelokalisierung, Klassifikation und OCR
Das Metallgehäuse einer Zylinderbatterie muss auf Oberflächendefekte überprüft werden, bevor es mit der Vinylbeschichtung ummantelt wird. Ein Prüfsystem muss in der Lage sein, normale und unbedeutende Abweichungen auf dem Batteriegehäuse zu tolerieren und starke Kratzer zu identifizieren. Da die Größe und Form der Defekte leicht variieren kann, ist es nicht effizient, eine Prüfung mit regelbasierten Algorithmen zu programmieren. Die zylindrische Form der Batterie erscheint außerdem auf den Bildern bisweilen verschwommen und unklar, was die Prüfung erschwert.
Hersteller, die mehr Prüfgenauigkeit ihrer Chargen verlangen, vertrauen auf Cognex Deep Learning, der ersten für die automatische Fertigung optimierten und auf Deep Learning basierten Software. Cognex Deep Learning bietet eine effektive Prüfungslösung, die die menschliche Fähigkeit zum Erkennen kleinerer Abweichungen mit der Verlässlichkeit, Konsistenz und Schnelligkeit eines automatischen Systems verbindet. Unter Einsatz von Cognex Industriekameras (CIC) lokalisiert die Cognex Deep Learning Software Oberflächendefekte und Abweichungen an den Seiten, Deckeln und Böden von Zylinderbatterien, während sie unerhebliche Abweichungen ignoriert. Cognex Deep Learning identifiziert nur jene Batteriegehäuse erfolgreich, die tatsächlich beschädigt sind, erhöht damit die Prüfgenauigkeit der Hersteller und reduziert den Ausschuss.
