Ispezione della saldatura del motore elettrico
Prevenire i motori inefficienti rilevando potenziali errori di avvolgimento con soluzioni di deep learning
Prodotti correlati
Alimentato dal software di visione basato sul Deep Learning In-Sight ViDi
Ambiente di programmazione grafica per l'analisi di immagini industriali basata sul deep learning
In un motore elettrico, il filo di rame isolato è avvolto attorno a un nucleo per creare o ricevere energia elettromagnetica trasferendo tale energia mediante induzione a un’altra bobina. Tali bobine sono presenti anche nei convertitori. L’avvolgimento di tali bobine viene realizzato rapidamente da una macchina.
Gli avvolgimenti sono molto densi nei motori dei veicoli elettrici. Qualsiasi imprecisione nel modo in cui sono realizzati può avere effetti negativi sull’efficienza del motore. Dato il gran numero di avvolgimenti stipati in uno spazio ristretto, anche piccoli errori di avvolgimento possono essere significativi, ma difficili da identificare. L'errore di avvolgimento può essere impercettibile e può verificarsi ovunque tra i numerosi fili visibili.
Non esiste un modo efficiente per codificare un sistema di visione industriale basato su regole affinché copra tutte le possibilità di errore di avvolgimento in qualsiasi punto di una bobina. L'ispezione umana non è inoltre adatta a identificare errori così impercettibili in un'immagine complessa.
Utilizzando una telecamera a colori il Deep Learning di Cognex verifica con precisione che il processo di avvolgimento sia stato realizzato senza errori. Lo strumento di rilevamento di difetti apprende da una serie di immagini di addestramento costituita da immagini di avvolgimenti privi di errori ed etichettate che presentano un'ampia gamma di sovrapposizioni, errori di posizionamento, incroci e altri potenziali errori in varie posizioni.