EV-Battery-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 Product Tile

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...