Inspection des enroulements des moteurs électriques
Évitez de produire des moteurs inefficaces en détectant les erreurs d'enroulement potentielles 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
Dans un moteur électrique, le fil de cuivre isolé est enroulé autour d'un noyau pour créer ou recevoir de l'énergie électromagnétique et la transférer par induction à une autre bobine. Ces bobines sont également présentes dans les convertisseurs. Elles sont par ailleurs rapidement enroulées par une machine.
Les enroulements des moteurs de véhicule électrique sont extrêmement denses. La moindre imprécision dans la manière dont ils ont été enroulés peut avoir un impact négatif sur l'efficacité du moteur. Compte tenu du grand nombre d'enroulements insérés dans un espace restreint, même les petites erreurs peuvent avoir de grandes conséquences et pourtant rester difficiles à identifier. L'erreur d'enroulement peut être subtile et survenir n'importe où parmi les nombreux fils visibles.
Il n'existe pas de solution efficace permettant de programmer un système de vision industrielle basé sur les règles pour qu'il couvre toutes les erreurs d'enroulement possibles à n'importe quel endroit sur la bobine. L'inspection humaine n'est pas non plus adaptée à l'identification d'erreurs si subtiles dans une image complexe.
Cognex Deep Learning s'appuie sur une caméra couleur pour vérifier que le processus d'enroulement a été réalisé sans erreur. L'outil de détection des défauts apprend à partir d'un ensemble d'images d'apprentissage comportant des enroulements exempts d'erreurs et des images étiquetées avec un large éventail de superpositions, mauvais positionnements, croisements et d'autres erreurs potentielles à différents endroits.
