Rumah > Peranti teknologi > AI > Machine Vision + AI |. Penyelesaian inovatif Lingyunguang mengatasi masalah pengesanan burr bateri litium

Machine Vision + AI |. Penyelesaian inovatif Lingyunguang mengatasi masalah pengesanan burr bateri litium

PHPz
Lepaskan: 2023-09-21 15:49:06
ke hadapan
834 orang telah melayarinya

Dalam beberapa tahun kebelakangan ini, kemalangan kebakaran yang kerap dalam bidang kenderaan elektrik dan penyimpanan tenaga telah mencetuskan penarikan balik berskala besar, dan pihak yang bertanggungjawab telah menjejaskan syarikat bateri. Pada masa yang sama, dengan seluruh industri di bawah tekanan berat akibat lebihan kapasiti dan perang harga yang semakin sengit, syarikat bateri mempunyai kawalan kualiti tinggi dan keperluan keselamatan yang semakin ketat untuk proses pengeluaran.

机器视觉+AI | 凌云光创新方案攻克锂电池毛刺检测难题Gambar datang dari Internet

Masalah kecil, risiko besar

Menurut piawaian audit dan ujian prestasi keselamatan sel bateri IEEE1725, burr ialah tonjolan logam yang memanjang ke atas atau ke bawah dari kerajang ke bahagian luar bahagian tiang, dengan mengambil kerajang (iaitu, kawasan tidak bersalut) sebagai garis dasar; adalah kawasan bersalut, tonjolan logam memanjang ke atas atau ke bawah dari salutan ke arah luar sekeping tiang mengukur saiz burr adalah untuk mengukur ketinggian burr dalam arah menegak.

机器视觉+AI | 凌云光创新方案攻克锂电池毛刺检测难题Kandungan yang perlu ditulis semula ialah: rajah gangguan (nota: rajah berasal dari Internet)

Burr yang berlebihan boleh dengan mudah

menembus diafragma

, menyebabkan elektrod positif dan negatif bersentuhan dan menyebabkan litar pintas. Jika litar pintas berlaku apabila bateri dicas sepenuhnya, sejumlah besar haba akan dilepaskan serta-merta di dalam, menyebabkan letupan dan membahayakan nyawa dan keselamatan harta benda pengguna secara serius. Walaupun burrnya kecil, bahaya yang tersembunyi adalah besar

Terdapat banyak tuntutan sehingga ujian menjadi sukar

Dalam pengeluaran sebenar, untuk membuat bateri dengan saiz yang berbeza, kepingan tiang selepas salutan dan rolling perlu melalui proses seperti slitting dan tebukan. Mengambil proses menggorok sebagai contoh, sifat fizikal dan mekanikal kepingan tiang itu sendiri, jumlah pertindihan alatan yang dipasangkan, dan keadaan haus bahagian canggih semuanya akan menjejaskan penjanaan dan saiz burr. Dari perspektif keperluan ujian, untuk mengawal kualiti produk secara menyeluruh, bukan sahaja perlu

mengesan sama ada terdapat burr, tetapi juga membuat pertimbangan berbeza berdasarkan saiz burr

. Dari perspektif kaedah pengesanan, pengesanan burr kepingan tiang kebanyakannya menggunakan mikroskop visual untuk pengesanan luar talian, tetapi walaupun menggunakan mikroskop depth-of-field yang besar masih mempunyai masalah kedalaman medan yang tidak mencukupi dan pembesaran yang tidak mencukupi. Pada masa yang sama, untuk melengkapkan fungsi pengukuran, pelbagai sistem perlu beroperasi pada masa yang sama, yang menjadikan operasi menyusahkan dan meningkatkan kos.

Proses pengesanan burr syarikat bateri mempunyai keperluan ketat pada penyelesaian pengesanan sedia ada dan tidak dapat mencapai matlamat pembuatan yang cekap

Penyelesaian inovatif "penglihatan mesin + kecerdasan buatan" untuk menyelesaikan masalah sukar

Lingyunguang, sebagai salah satu syarikat domestik yang terawal memasuki bidang visi mesin, sentiasa berpegang kepada konsep R&D inovasi bebas, dan telah berjaya mengatasi banyak masalah seperti pengimejan pengiraan dan pengimejan ketepatan, dan terus mengubah R&D termaju keputusan menjadi produktiviti dan penyelesaian pelanggan Pelaksanaan untuk masalah praktikal. Menghadapi masalah pengesanan burr, Lingyunguang melancarkan Sistem pemeriksaan penuh dalam talian burr bateri litium, menggunakan penyelesaian "penglihatan mesin + AI" untuk menyelesaikan masalah industri.

Penyelesaian optik yang inovatif: Apabila mengejar kelajuan dan ketepatan, adalah perlu untuk mengimbangi kedua-duanya机器视觉+AI | 凌云光创新方案攻克锂电池毛刺检测难题

Untuk melengkapkan pengesanan kecacatan tanpa menjejaskan kapasiti pengeluaran keseluruhan, pemeriksaan penuh dalam talian sudah pasti penyelesaian terbaik. Untuk mengesan kecacatan burr tahap mikron secara stabil dalam pengeluaran berkelajuan tinggi dan persekitaran getaran tinggi, faktor seperti ruang dan pelaburan mesti dipertimbangkan secara menyeluruh, yang sangat sukar.

Pengimejan berkelajuan tinggi dengan kamera berkelajuan tinggi sebagai teras

boleh menghubungkan rapat maklumat spatial dan temporal semasa perubahan gerakan berkelajuan tinggi untuk rakaman imej, jadi ia boleh merakam secara berkesan secara berterusan di bawah gerakan sementara atau kelajuan tinggi, dan Ia boleh menghantar isyarat dengan cepat kepada peralatan pemprosesan imej untuk operasi yang sepadan, dan digunakan secara meluas dalam industri, ketenteraan, pengangkutan, perubatan dan bidang lain.

Lingyunguang telah berhijrah dan menggunakan teknologi ini dalam bidang pengesanan burr kepingan tiang. Pada masa yang sama, digabungkan dengan sistem optik yang dibangunkan sendiri, ia merealisasikan penjejakan fokus adaptif, meningkatkan kedalaman medan sistem, merealisasikan resolusi tinggi, medan pandangan yang besar dan kedalaman besar medan pengimejan berkelajuan tinggi , mencapai pengimejan yang stabil dan jelas pada

150m/min

, dan melengkapkan filem kutub Pemeriksaan burr tepi penuh, resolusi pengesanan 2μm.

Demonstrasi animasi fokus adaptif

机器视觉+AI | 凌云光创新方案攻克锂电池毛刺检测难题Selain itu, kami juga boleh melengkapkan pemeriksaan penuh berketepatan tinggi di luar talian dengan resolusi 1μm semasa proses pemeriksaan kualiti proses seperti analisis kualiti dan kebolehkesanan proses kepingan tiang

Pembelajaran mendalam: tingkatkan ketepatan pengesanan

F.Brain ialah platform pembelajaran mendalam yang dibangunkan secara bebas oleh Lingyunguang untuk senario pemeriksaan kualiti industri, dan telah digunakan secara meluas dalam bidang ujian bateri litium. Dalam senario pengesanan burr, kecacatan pertama kali disaring dan dikelaskan oleh algoritma tradisional, dan kecacatan yang dikesan dibahagikan dan kemudian dihantar ke algoritma pengelasan. Untuk senario berkelajuan tinggi dan kos rendah, F.Brain telah membangunkan model ringan berbilang skala yang dibangunkan sendiri , yang mengurangkan masa inferens sebanyak 35% berbanding model umum di pasaran. Kelajuan pengesanan boleh mencapai 150m/min, dan kadar penggera palsu adalah kurang daripada satu dalam 100,000 untuk memenuhi keperluan ketat pelanggan.

机器视觉+AI | 凌云光创新方案攻克锂电池毛刺检测难题

Saling kendalian perisian: sambungan lancar

Bagi syarikat bateri, mengesan kecacatan dan menanganinya hanyalah langkah pertama. Pengurusan barisan pengeluaran penuh dan pengurusan proses penuh adalah hala tuju pembangunan untuk meningkatkan lagi kualiti produk dan memastikan keselamatan produk.

Sistem pemeriksaan penuh dalam talian burr juga mempunyai fungsi seperti kaitan pelabelan, penggera dan anti-membodohkan, dan boleh dikaitkan dengan MES syarikat sendiri, dan dengan pusat data, interaksi storan Terminal memenuhi keperluan tempoh penyimpanan maklumat kecacatan perusahaan dan membolehkan kebolehkesanan dan kebolehkesanan data.

Menghadapi perubahan baharu dan permintaan baharu dalam industri bateri litium pada masa hadapan, Lingyunguang akan mengekalkan asas teknikalnya, meneroka keperluan pelanggan secara mendalam, dan menggunakan produk dan penyelesaian inovatif untuk membantu pelanggan menuntut kualiti dalam setiap perincian, dan dalam setiap perincian Pengurusan yang ketat bagi setiap pautan untuk mencapai matlamat sifar aduan!

Atas ialah kandungan terperinci Machine Vision + AI |. Penyelesaian inovatif Lingyunguang mengatasi masalah pengesanan burr bateri litium. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:sohu.com
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan