电池栅缺陷检测

安装前检查隔板是否有缺陷

基于深度学习的工业图像分析的图形编程环境

由In-Sight ViDi基于深度学习的视觉软件驱动

用于电动汽车(ev)、网格存储和工业应用的大规格NiCd可充电电池是由多个电池块组成的。每个电池由阳极和阴极板组成，阳极和阴极板之间由栅格或网格分开，允许电解液在整个电池中自由循环。一旦密封，这种电池可以在不需要维护的情况下工作数年。

隔离栅格对于维持电池寿命至关重要。网格中的弯曲、间隙和其他缺陷会导致极板之间的电分离降低，漏电，并降低电池寿命。网格或网格的表面是复杂和脆弱的。由于制造和处理而产生的缺陷可能很小，有各种各样的外观，并且随机分布在网格复杂表面的任何地方。传统的机器视觉无法可靠地检德国必威测这类随机定位的缺陷。

一旦单个电池在安装到电池之前被密封，它就不能再被检查了。如果只有在最终测试时才检测到保持充电的能力下降，那么整个电池将需要被丢弃。

得到产品演示

康耐视深度学习确保电池网格在安装前是无缺陷的。缺陷检测工具从一小组可接受的分离网格的图像中学习无缺陷电池网格的外观。之后，该工具可以识别电池网格中的哪怕是很小的缺陷，无论大小、外观或位置如何，并拒绝任何异常的网格。

如果电池网格的设计或模式发生变化，康耐视深度学习将在几分钟内对新设计的图像进行重新培训，并在不需要编程的情况下重新在线检查新设计。