EV car battery internal view banner

전기차

열 인터페이스 재료 검사

딥러닝 솔루션으로 TIM의 올바른 적용 보장

Cognex In-Sight D900 inspects the thermal interface materials on an EV battery cell

관련 제품

In-Sight D900

In-Sight D900

In-Sight ViDi 딥러닝 기반 비전 소프트웨어로 작동

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

딥러닝 기반 산업용 이미지 분석을 위한 그래픽 프로그래밍 환경

배터리는 많은 열을 발생시킬 수 있으므로 배터리 손상을 방지하고 조기의 성능 저하를 방지하기 위해 반드시 열을 제거해야 합니다. 배터리에서 열을 제거하는 데 열 인터페이스 재료 (TIM)가 사용됩니다. 많은 TIM은 동시에 전기 절연체로서 중요한 기능을 수행합니다.

TIM은 기판 사이에 밀착되도록 정확하게 적용해야 합니다. 기포, 부적절한 접착, 포함물 등 광범위한 결함으로 인해 열 전도와 전기 절연 모두가 저하될 수 있습니다. 육안 검사로 설치와 적용 시 발생 가능한 여러 종류의 결함을 식별해야 하며, 여기에는 종종 잘못된 색대비를 가진 재료 구분도 포함됩니다. 배터리 조립 단계에서 다음 단계로 이동하면 TIM이 영구히 가려지므로 이후 검사가 불가능하게 됩니다. 이 단계에서의 오류로 인해 라인에서 진단하기 힘든 문제가 발생할 수 있습니다.

룰 베이스 머신비전은 비드, 간격, 설치 너비, 기타 일반적인 특징에서 예상되는 문제를 정확하게 감지할 수 있는 반면, 코그넥스 딥러닝은 모든 종류의 TIM에서 훨씬 더 광범위한 설치 문제를 감지할 수 있습니다. 나중에 배터리에 오류가 발생하는 경우, 오류 모드를 저장된 특정 TIM 이미지와 연동시킬 수 있고, 딥러닝 트레이닝 모델을 추가로 조정하여 이러한 새로운 오류를 감지할 수 있습니다.

주요 Cognex 제품

제품 지원 및 교육 신청

MyCognex 가입

질문이 있으십니까?

전 세계 어디에서든 코그넥스 담당자들이 여러분의 비전과 산업용 바코드 판독 관련 문제를 지원합니다.

연락처
Loading...