แอปพลิเคชั่นตรวจสอบการประทับตราแท็บแบตเตอรี่

เนื่องจากแถบแบตเตอรี่นำไฟฟ้าได้ จึงมีความสำคัญต่อประสิทธิภาพโดยรวม ความปลอดภัย และอายุการใช้งานของเซลล์แบตเตอรี่ การใช้งานนี้เน้นที่การตรวจสอบแถบแบตเตอรี่หลังจากขั้นตอนการปั๊มก่อนที่จะเชื่อมเข้ากับอิเล็กโทรด

มีข้อบกพร่องในการผลิตเกิดขึ้นอะไรบ้าง?

แถบแบตเตอรี่ทำจากโลหะหลายชนิดซึ่งบาง อ่อน และเสียหายได้ง่าย แถบแบตเตอรี่อาจเสียหายได้ในช่วงแรกเนื่องจากความเปราะบางในระหว่างกระบวนการผลิตที่ใช้ขึ้นรูปและตัดแถบแบตเตอรี่ การเคลือบพื้นผิวเพื่อปรับปรุงสภาพนำไฟฟ้า และระหว่างการจัดการและจัดเก็บก่อนกระบวนการเชื่อมแถบแบตเตอรี่ ข้อบกพร่องทั่วไป ได้แก่:

ข้อบกพร่องเหล่านี้อาจนำไปสู่การเชื่อมที่ไม่ดีในขั้นตอนต่อไป ส่งผลให้เกิดความล้มเหลวก่อนเวลาอันควร ประสิทธิภาพแบตเตอรี่ลดลง และความเสี่ยงด้านความปลอดภัยที่อาจทำให้เกิดความร้อนสูงเกินขีดจำกัด ไฟไหม้ หรือระเบิดได้ และในยานยนต์ไฟฟ้า แบตเตอรี่ลิเธียมไอออนเป็นชิ้นส่วนที่มีราคาแพงที่สุด ดังนั้นจึงควรหลีกเลี่ยงการเรียกคืนสินค้าโดยเด็ดขาด

ผู้ผลิตจำเป็นต้องใช้มาตรการควบคุมคุณภาพและกระบวนการตรวจสอบที่เข้มงวดเพื่อตรวจจับและแก้ไขปัญหาแท็บอิเล็กโทรดเหล่านี้ก่อนที่เซลล์แบตเตอรี่จะเข้าสู่กระบวนการประกอบเซลล์เพิ่มเติมและกระบวนการผลิตขั้นสุดท้าย การเพิ่มการตรวจสอบก่อนการเชื่อมจะช่วยป้องกันไม่ให้ทรัพยากรสิ้นเปลืองโดยไม่จำเป็นในขั้นตอนต่อไป

อย่างไรก็ตาม ข้อบกพร่องของแถบแบตเตอรี่นั้นตรวจจับได้ยาก แถบแบตเตอรี่ทำจากส่วนประกอบโลหะที่มีความคมชัดต่ำและพื้นผิวสะท้อนแสง ทำให้มองเห็นข้อบกพร่องได้ยาก ระบบการมองเห็นด้วยเครื่องจักรแบบเดิมมีปัญหาในการจับภาพที่ชัดเจนและแยกแยะระหว่างข้อบกพร่องจริง พื้นผิวสะท้อนแสง และพื้นหลัง ซึ่งสุดท้ายแล้วข้อบกพร่องจะหายไปหรือทำให้เกิดการปฏิเสธที่ผิดพลาด

ข้อบกพร่องของแท็บแบตเตอรี่จะปรากฏในรูปร่าง ขนาด และตำแหน่งต่างๆ และเมื่อเทคโนโลยีแบตเตอรี่พัฒนาขึ้น กระบวนการผลิตก็เปลี่ยนแปลงไปด้วย ระบบการมองเห็นด้วยเครื่องจักรแบบดั้งเดิมต้องใช้การเขียนโปรแกรมกฎที่สร้างขึ้นด้วยมือหลายร้อยกฎ ซึ่งทำให้ไม่สามารถตรวจจับข้อบกพร่องใหม่ๆ หรือข้อบกพร่องที่แปรผันได้ซึ่งไม่ตรงกับพารามิเตอร์ที่ตั้งโปรแกรมไว้ และทำให้ปรับตัวเข้ากับการเปลี่ยนแปลงได้ช้า

โซลูชั่น

UnitX's AI-powered การตรวจสอบสามารถตรวจจับข้อบกพร่องของแท็บแบตเตอรี่ได้อย่างมีประสิทธิภาพในกรณีที่โซลูชันอื่นใช้ไม่ได้

ครั้งแรกที่ OptiX ระบบถ่ายภาพจะส่องสว่างและถ่ายภาพพื้นผิวของแถบแบตเตอรี่ จากนั้นแพลตฟอร์ม CorteX AI จะถูกฝึกฝนให้ประทับตราข้อบกพร่อง สุดท้ายโมเดล AI เหล่านั้นจะถูกนำไปใช้งานกับระบบอนุมาน CorteX เพื่อตรวจจับและจำแนกข้อบกพร่องแบบอินไลน์

ทำไม UnitX สำหรับการตรวจสอบการประทับตราแท็บแบตเตอรี่?

OptiX ให้ภาพที่เหนือกว่าซึ่งช่วยลดการสะท้อนแสงในขณะที่เพิ่มความชัดเจนของข้อบกพร่องสูงสุด มีแหล่งกำเนิดแสงที่ควบคุมได้อิสระ 32 แหล่ง ซึ่งสามารถปรับให้เหมาะสมสำหรับพื้นผิวและข้อบกพร่องของแถบแบตเตอรี่ได้โดยใช้ซอฟต์แวร์ ความสามารถในการสร้างภาพด้วยคอมพิวเตอร์สามารถใช้ถ่ายภาพหลายภาพและกำจัดจุดร้อนที่เกิดจากพื้นผิวแถบแบตเตอรี่ที่มีการสะท้อนแสงสูง และการออกแบบโดมแสงรองรับมุมตกกระทบที่แหลมมากของแสงที่ฉายออกมา ทำให้แม้แต่ข้อบกพร่องเล็กๆ ก็ยังเกิดเงาซึ่งทำให้มองเห็นได้ชัดเจนยิ่งขึ้น

CorteX ตรวจจับข้อบกพร่องที่ซับซ้อนและสุ่มได้อย่างแม่นยำ ระบบจะทำการปรับค่าความแปรปรวนในตำแหน่งและทิศทางโดยอัตโนมัติ และตรวจจับข้อบกพร่องได้ถึงระดับพิกเซล

UnitX รองรับการทดลองอย่างรวดเร็วและปรับตัวตามการเปลี่ยนแปลงในสภาพแวดล้อมการผลิต. OptiX สามารถกำหนดค่าแสงได้ง่าย ๆ ผ่านซอฟต์แวร์ และโมเดล CorteX AI มีประสิทธิภาพในการสุ่มตัวอย่าง เนื่องจากต้องใช้ภาพเพียงไม่กี่ภาพเพื่อฝึกกับประเภทข้อบกพร่องใหม่

ด้วยระบบเส้นทาง UnitXผู้ผลิตทำการตรวจสอบแท็บแบตเตอรี่โดยอัตโนมัติเพื่อ:

• ป้องกันการรั่วไหลของคุณภาพที่ทำให้ประสิทธิภาพของแบตเตอรี่ลดลงและล้มเหลว ความเสี่ยงด้านความปลอดภัย และการเรียกคืนสินค้าที่มีต้นทุนสูง
• ลดอัตราการปฏิเสธที่ผิดพลาดซึ่งมักเกิดขึ้นกับระบบภาพเครื่องจักรแบบเดิม ช่วยลดเศษวัสดุและวัสดุที่สูญเปล่า
• แทนที่ผู้ตรวจสอบแบบแมนนวล ช่วยให้ผู้ผลิตประหยัดเงินและเพิ่มประสิทธิภาพ

UnitX ตัวอย่างการตรวจสอบแบบเจาะลึก

ในตัวอย่างนี้ เราตรวจสอบแท็บเซลล์แบตเตอรี่เพื่อดูข้อบกพร่องด้านโครงสร้าง เช่น แท็บฉีกขาด ซึ่งอาจเกิดขึ้นระหว่างการผลิตอันเนื่องมาจากความล้มเหลวในการสอบเทียบอุปกรณ์หรือความล้มเหลวของกระบวนการเมื่อทำการตัดหรือขึ้นรูปแท็บ หรือระหว่างการจัดการแท็บเมื่อจัดเตรียมสำหรับการประกอบ

การถ่ายภาพ

อันดับแรกเราใช้ OptiX เพื่อถ่ายภาพแท็บเซลล์แบตเตอรี่ เพื่อให้แน่ใจว่าเราได้จับภาพทั้งส่วนที่ชำรุดและส่วนที่ปกติ

องค์กร

ต่อไป เราใช้ CorteX เพื่อฝึกโมเดลของเรา เราสร้างป้ายกำกับ สำหรับข้อบกพร่องหลักที่เราต้องการตรวจพบ คือ แท็บที่ฉีกขาด

จากนั้นเราจึงติดป้ายข้อบกพร่องเหล่านั้นในรูปภาพที่เราถ่ายไว้ OptiXโดยใช้เพียงภาพบางส่วนของข้อบกพร่องของแท็บที่ฉีกขาด

การตรวจพบ

จากนั้นเราได้นำโมเดล AI มาใช้กับ CorteX บนเซลล์ใหม่ ส่งผลให้สามารถตรวจจับและจำแนกแท็บที่ฉีกขาดได้อย่างแม่นยำ