Inspection des cylindres
Cognex Deep Learning détecte des défauts de surface sur une batterie cylindrique de véhicule électrique
Produits connexes
Optimisé par le logiciel de vision basé sur le deep learning In-Sight ViDi
A breakthrough in complex inspection, part location, classification, and OCR
Un boîtier métallique de batterie cylindrique doit être inspecté afin de détecter tout défaut de surface avant qu'il ne soit revêtu de vinyle. Un système d'inspection doit être capable de tolérer les variations normales et les anomalies insignifiantes sur un boîtier de batterie, tout en identifiant les rayures importantes. Comme la taille et la forme de chaque défaut varient légèrement, la programmation de cette inspection à l'aide d'algorithmes de vision basés sur les règles classiques est inefficace. De plus, la forme cylindrique de la batterie apparaît quelquefois aussi floue dans les images, compliquant alors l'inspection.
Les fabricants recherchant une meilleure précision de l'inspection par lot se tournent vers Cognex Deep Learning, le premier logiciel basé sur le Deep Learning optimisé pour l'automatisation industrielle. Cognex Deep Learning offre une solution d'inspection efficace, combinant la capacité humaine à identifier les variations mineures et la fiabilité, la constance et la vitesse d'un système automatique. À l'aide de caméras industrielles Cognex (CIC), le logiciel Cognex Deep Learning localise les défauts de surface et les anomalies sur les faces latérales, supérieures et inférieures des batteries cylindriques, tout en ignorant les variations non pertinentes. En identifiant uniquement les boîtiers de batterie endommagés, Cognex Deep Learning améliore la précision de l'inspection des fabricants et réduit les déchets.
