Inspection du joint sur la zone d'injection
Examinez les soudures d'étanchéité sur la zone d'injection des cellules de batterie grâce au 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 que le capuchon supérieur d'une cellule de batterie a été soudé et testé, il est rempli d'électrolyte liquide qui conduit les électrons dans la batterie. Lorsque le remplissage est terminé, l'orifice de remplissage est soudé pour être refermé. Compte tenu du risque de dommages pouvant être causés par la chaleur à l'anode, la cathode et l'électrolyte, les soudures sont réalisées à basse température au moyen d'un laser.
Une contamination de l'électrolyte ou des soudures défectueuses susceptibles de provoquer une fuite d'électrolyte réduiraient l'efficacité de la cellule. Un test électrique sur la cellule remplie et scellée pourrait révéler tout problème existant avant qu'elle ne soit installée dans un module, mais cette méthode n'est pas totalement fiable. Une évaluation adéquate des soudures d'étanchéité sur la zone d'injection est essentielle pour garantir le fonctionnement et la durée de vie de la batterie toute entière.
Cognex Deep Learning simplifie et automatise l'identification des garnitures en bois synthétique ou des éléments en carbone avant leur installation. Il est entraîné sur un ensemble d'images étiquetées contenant de nombreux exemples pour chaque type de garniture. En s'appuyant sur cet ensemble de données, Cognex Deep Learning est capable de faire rapidement la distinction entre des grains de bois qui présentent une forte similitude ou d'autres motifs, garantissant ainsi que le type de garniture installé est conforme aux spécifications.
