动力电池冲压检测案例

由于动力电池可以导电，因此它们对于电池单元的整体效率、安全性和使用寿命至关重要。此应用侧重于在冲压过程之后焊接到电极之前对动力电池进行检查。

出现哪些制造缺陷？

动力电池由各种金属制成，这些金属薄而柔软，容易损坏。由于极耳易碎，在用于定型和切割极耳的制造过程中、为提高导电性而进行的任何表面处理以及在极耳焊接过程之前的搬运和储存过程中，它们可能会在早期受损。常见缺陷包括：

这些缺陷可能导致下游焊接不良，从而导致过早失效、电池性能下降以及可能导致热失控、火灾或爆炸的安全风险。在电动汽车中，锂电池是最昂贵的部件，因此应不惜一切代价避免召回。

对于制造商来说，实施严格的质量控制措施和检查流程至关重要，以便在电池单元继续进行额外的电池组装和精加工制造工艺之前，在上游检测和纠正这些电极耳问题。在焊接前增加检查将有助于防止在下游不必要地浪费资源。

然而，动力电池缺陷很难检测。极耳由金属部件制成，对比度低且表面反光，因此缺陷很难被发现。传统的机器视觉系统很难捕捉到清晰的图像，也很难区分实际缺陷、反光表面和背景，最终导致缺陷遗漏或误判。

动力电池缺陷表现为各种形状、大小和位置。随着电池技术的发展，其制造工艺也随之变化。传统的机器视觉需要编写数百条手工规则，这导致它们无法检测到与编程参数不匹配的新缺陷或可变缺陷，并且它们适应变化的速度很慢。

解决方案

UnitX 的人工智能检测可以有效检测出其他解决方案无法检测到的电池极耳缺陷。  

首先，OptiX 成像系统照亮并成像电池极耳表面。然后，CorteX Central AI 平台接受冲压缺陷训练。最后，将这些 AI 模型部署到 CorteX Edge 推理系统，以在线检测和分类缺陷。

为什么选择 UnitX 进行动力电池冲压检测？

OptiX 提供出色的图像，可最大限度地降低反射率，同时最大限度地提高缺陷的可见度。 它有 32 个独立通道可控的光源，可以通过软件针对动力电池表面和缺陷进行优化。它的计算成像能力可用于拍摄多张照片并消除高反射动力电池表面造成的热点。它的穹顶打光系统设计支持投射光的非常锐利的入射角，即使是非常微小的缺陷也会投射阴影，从而提高其可见度。

CorteX 可准确检测随机、复杂的缺陷。 它可自动标准化位置和方向的变化，并识别像素级缺陷。

UnitX 支持快速实验并适应生产环境的变化。 . OptiX 照明可通过软件轻松配置，而 CorteX AI 模型具有样本效率——它们只需要少量图像即可针对新缺陷类型进行训练。

利用 UnitX，制造商可以实现电池极耳检测的自动化：

• 防止因质量问题导致电池性能下降和故障、安全风险和昂贵的召回
• 最大限度地降低传统机器视觉常见的误拒率，减少废品和材料浪费
• 取代人工检查员，为制造商节省成本并提高效率

UnitX检测案例深度剖析

在这个例子中，我们检查了电池单元极耳是否存在结构缺陷，例如极耳撕裂。这种缺陷可能在制造过程中发生，原因是在切割或塑造极耳时，或在排列极耳进行组装时，在处理极耳时，设备校准失败或工艺失败。

成像环节

首先，我们使用 OptiX 捕捉电池单元极耳的图像，确保捕捉到有缺陷的部分和正常的部分。

训练阶段

接下来，我们使用 CorteX Central 来训练我们的模型。我们为我们想要检测的主要缺陷（撕裂的标签）创建了一个标签。 

然后，我们仅使用几张撕裂片缺陷图像，在从 OptiX 捕获的图像中标记这些缺陷。

缺陷检测

接下来，我们将 AI 模型部署到新单元的 CorteX Edge 上，从而实现对撕裂标签的准确检测和分类。