电动机绕组检查

通过深度学习解决方案检测潜在的绕组误差，防止低效电机

由In-Sight ViDi基于深度学习的视觉软件驱动

基于深度学习的工业图像分析图形编程环境

在电动机中，绝缘铜线缠绕在芯上以产生或接收电磁能量，通过感应地将该能量转移到另一个线圈。这种线圈也在转换器中找到。这些线圈通过机器迅速缠绕。

电动汽车（EV）电机的绕组非常密集。任何不准确的缠绕方式都会对电机的效率产生负面影响。由于大量绕组塞进狭窄的空间，即使很小的绕组误差也可能很大，但很难识别。绕组误差可能很小，可能发生在许多可见导线中的任何位置。

得到价格

没有有效的方法来编码一个基于规则的机器视觉系统，以覆盖线圈上任何地方的所有绕组错误的可能性。德国必威人工检查也不适合在复杂图像中识别这种细微的误差。

康复深度学习使用彩色相机准确验证绕组过程已经完成而无需错误。缺陷检测工具从一组训练图像中学习，该训练图像包括无差错的绕组和标记的图像，其具有各种位置的多种重叠，失值，交叉和其他潜在误差。