Détection des défauts sur les grilles de batterie
Inspectez les grilles de séparation pour détecter les défauts avant l’installation
Produits connexes
Un environnement de programmation graphique pour l'analyse d'images industrielles basée sur le deep learning
Optimisé par le logiciel de vision basé sur le deep learning In-Sight ViDi
Les batteries NiCd de grande capacité destinées aux véhicules électriques, au stockage d'énergie domestique et aux applications industrielles sont constituées de plusieurs blocs de cellules. Chaque cellule de batterie se compose de plaques d’anode et de cathode séparées par des grilles ou des maillages qui permettent la libre circulation de l’électrolyte dans toute la cellule. Une fois scellées, ces batteries peuvent fonctionner sans aucune maintenance pendant des années.
Les grilles de séparation sont indispensables pour une bonne durée de vie de la batterie. Les courbures, les espacements et d’autres défauts sur les grilles réduisent la séparation électrique entre les plaques, entraînent des fuites électriques et diminuent la durée de vie de la batterie. Les surfaces des grilles ou des maillages sont à la fois complexes et fragiles. Les défauts provoqués par la fabrication ou la manutention peuvent être de petite taille, d’apparence différente et situés n’importe où sur la surface complexe de la grille. La vision industrielle classique a du mal à détecter de façon fiable ce type de défaut qui survient à un emplacement aléatoire.
Une fois qu’une cellule individuelle est scellée en vue de son installation dans la batterie, elle ne peut plus être inspectée. Si une diminution de la capacité à maintenir une charge n’est détectée que lors du test final, c’est la batterie tout entière qui devra être mise au rebut.
Cognex Deep Learning garantit que les grilles de batterie sont exemptes de défauts avant leur installation. L’outil de détection des défauts apprend l’apparence d’une grille de batterie sans défaut à partir d’un petit ensemble d’images de grilles de séparations acceptables. Ensuite, l’outil identifie les défauts, même minimes, sur les grilles de batterie, quels que soient leur taille, leur apparence ou leur emplacement et rejette celles qui présentent des anomalies.
Si la conception ou la forme des grilles de batterie change, Cognex Deep Learning peut être réentraîné à l’aide d’images de la nouvelle conception en seulement quelques minutes et reprendre les inspections sur la ligne sans aucune programmation.
