Inspection de la surface des cellules de batterie
Vérifiez la qualité du revêtement des cellules grâce aux solutions basées sur le Deep Learning
Produits connexes
Optimisé par le logiciel de vision basé sur le deep learning In-Sight ViDi
Un environnement de programmation graphique pour l'analyse d'images industrielles basée sur le deep learning
Une fois soudées, les cellules de batterie sont enveloppées dans un revêtement de protection durable. Ce dernier peut présenter des défauts, notamment des bulles et des inclusions sous le revêtement, des rayures et une application inadaptée. Lorsque ces cellules sont serrées les unes contre les autres dans un module de batterie, plusieurs facteurs peuvent entraîner un court-circuit ou une surchauffe : l'étroite proximité des cellules, la charge de chaque cellule, la chaleur générée par les cellules ou encore le contact inadapté avec le matériau d'interface thermique (TIM).
Les revêtements des cellules de batterie peuvent présenter plusieurs imperfections mineures qui ne compromettent pas leur fonctionnement ainsi que des rayures apparemment mineures qui peuvent les rendre dangereuses ou inutilisables. Il est donc important de détecter ces défauts et de réduire le rejet des revêtements qui présentent des défauts, mais qui restent néanmoins fonctionnels.
La surface des cellules de batterie peut être inspectée par un système de vision industrielle plus sophistiqué, par exemple la gamme In-Sight D900, dont les fonctionnalités d'inspection basées sur le Deep Learning sont intégrées au système de vision.
Cognex Deep Learning est entraîné à l'aide d'un ensemble d'images de surfaces conformes et défectueuses. L'outil de détection des défauts de Cognex Deep Learning apprend à identifier et à valider les surfaces dont les variations sont acceptables, et à signaler celles dont les défauts sont inacceptables, tout en tenant compte des variations naturelles dans l'image, notamment la réflexion de la lumière.
