由于动力电池可以导电并将电池连接在一起，因此它们对于电池单元的整体效率、安全性和寿命至关重要。此应用专注于使用超声波焊接技术将动力电池焊接到电极上之后的检查。
超声波焊接因其效率高且对敏感电池材料的热影响小而被广泛用于将电池极耳连接到电极。然而，与任何制造工艺一样，它也存在一些潜在问题，例如：
这些缺陷会影响锂电池的质量、安全性和性能，因此制造商必须实施严格的质量控制措施和检查流程来在生产过程中检测和纠正这些问题。
然而，动力电池超声波焊接缺陷很难检测。极耳由具有反射表面的金属部件制成，因此缺陷很难被发现。传统的机器视觉系统无法区分反射表面和实际缺陷，从而导致误报和漏报。
动力电池缺陷表现为各种形状、大小和位置。焊接图案会根据所使用的特定焊接参数和材料而有很大差异。随着电池技术的发展，其制造工艺也在发生变化。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和图案，并且它们适应变化的速度很慢。
UnitX 的人工智能检测可以有效检测其他解决方案无法实现的超声波焊接缺陷。
首先，OptiX 成像系统照亮并成像焊接接头。然后，CorteX Central AI 平台针对超声波焊接缺陷进行训练。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。
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，可以通过软件针对电池焊接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电池焊接表面造成的热点。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超声波焊接检测的自动化：
本次检测中，我们调查了极耳超声波焊接。制造商之前采用的是人工检查，这种检查不准确，导致严重的质量问题，引发了客户投诉
成像环节
首先，我们使用 OptiX 捕捉焊缝的图像，确保捕捉到有缺陷的部件和正常的部件。
训练阶段
接下来，我们使用 CorteX Central 来训练我们的模型。我们为想要检测的每种缺陷创建了一个标签 ：撕裂标签、移位和异物碎片。
然后，我们在从 OptiX 捕获的图像中标记这些缺陷，仅使用 3 个缺陷中的每个缺陷的几张图像。
缺陷检测
接下来，我们将 AI 模型部署到新电池上的 CorteX Edge，以检查 100% 的电池单元并检测和分类我们的 3 个极耳超声波焊接缺陷。
使用 UnitX，该制造商能够：
