新聞中心
#問題
質量不佳的電池會降低效率，導致電池之間產生不均勻的負載（使電池管理變得更困難），并縮短電池組的整體使用壽命。一旦將電芯組合到模塊和電池組中，電芯制造中的錯誤將很難補救。
在將電極和隔膜裝入圓柱形電芯的外殼并充滿電解液之后，將使用封蓋將殼體密封。為了避免損壞殼體中的精密電子元件，需要采用低熱焊接方法，通常為激光焊接。此類焊接必須保持精確，以確保封蓋周圍密封的牢固性。在將電芯用于電池模塊內部或者作為單個電芯使用之前，必須檢查所產生的焊縫，并確保其通過檢查。如果電解液通過有缺陷的焊縫發(fā)生任何泄漏，將會降低電芯效率，并可能導致電池內發(fā)生短路。
#解決方案
正確評估封蓋焊接質量是確保整個電池的功能和使用壽命的關鍵。所有這些焊接在外觀上可能會有顯著區(qū)別，并可能顯示出各種各樣的缺陷，同時也會出現并不影響電池性能的廣泛變化。由于外觀重疊的原因，使用傳統(tǒng)的視覺系統(tǒng)幾乎不可能將外觀變化與功能重大的變化進行區(qū)分。
深度學習解決方案提供缺陷檢測和分類工具，并且用戶可針對各種焊接變化對這些工具進行訓練。即使物體和焊接外觀存在變化，該系統(tǒng)也能夠進行“學習”，以準確分類和區(qū)分不同類型的缺陷。
電池化成篇
電池光學字符識別——深度學習OCR工具讀取電池上棘手難讀的字母數字字符
#問題
制造商必須快速、準確地定位并讀取電池底部印刷的字母數字代碼。但是在實際生產環(huán)境中，尤其是在字符變形的情況下，鏡面光和眩光會導致機器視覺系統(tǒng)難以定位和識別字符。
#解決方案
深度學習解決方案提供裝配驗證和OCR工具，能夠輕松定位和讀取變形字符。裝配驗證工具可以定位感興趣區(qū)域（ROI），在這種情況下，感興趣區(qū)域為每個圓柱形電池的頂部，上面標有字母數字代碼。即使被眩光遮蓋或者對比度低下，OCR工具經過預先訓練的全字體功能也能夠識別字符。
為了對軟件進行訓練，工程師可在圖像上定義感興趣區(qū)域，該圖像包含一組具有代表性的代碼字符。在訓練和驗證過程中，技術人員僅需重新標記遺漏的字符，直到軟件模型正確識別所有字符為止。這種基于深度學習的OCR方法可減少過多的標記，從而節(jié)省了訓練和開發(fā)過程中所需的時間，并確保準確的讀取。
模塊和電池組（M&P）篇
熱界面材料（TIM）檢測——使用深度學習解決方案確保正確運用熱界面材料
#問題
電池會產生大量熱量，這些熱量必需被清除，以防止電池損壞或性能過早下降。熱界面材料（TIM）用于將熱量從電池中傳導出去。許多熱界面材料同時還發(fā)揮著同樣重要的電絕緣功能。熱界面材料必須精確地運用，并且基板之間應當緊密接觸。各種各樣的缺陷（包括氣泡、附著力差和夾雜物） 都可能會使得導熱性和電絕緣性降低。視覺檢測系統(tǒng)必須識別安裝和運用中可能存在的各種缺陷，通常涉及顏色對比度差的材料。在電池裝配件移至下一步后，熱界面材料將被永久性隱藏起來，無法再進行進一步的檢測。此階段發(fā)生的錯誤可能導致生產線下游出現難以診斷的問題。
#解決方案
雖然基于規(guī)則的機器視覺可以準確地檢測出預期的問題，比如：珠子、間隙、安裝寬度及其他常見的特征，但康耐視深度學習解決方案可以進行學習，以檢測各種類型的熱界面材料中存在的更廣泛的安裝問題。如果電池在日后使用時發(fā)生故障，則可以基于所存儲的熱界面材料的特定圖像來識別故障模式，并且您還可以進一步改進深度學習訓練模型，以檢測這些新的錯誤。
