バッテリータブは電気を伝導するため、バッテリーセル全体の効率、安全性、そして寿命に不可欠です。このアプリケーションは、スタンピング工程後、電極に溶接される前のバッテリータブの検査に焦点を当てています。
どのような製造上の欠陥が発生しますか?
バッテリータブは、薄く柔らかい様々な金属で作られており、損傷しやすい性質を持っています。タブの成形・切断工程、導電性向上のための表面処理、そしてタブ溶接工程前の取り扱いや保管中に、その脆さから早期に損傷を受ける可能性があります。一般的な欠陥には以下のようなものがあります。
これらの欠陥は、下流の溶接不良につながり、早期故障、バッテリー性能の低下、そして熱暴走、火災、爆発を引き起こす安全リスクにつながる可能性があります。また、電気自動車において、リチウムイオンバッテリーは最も高価な部品であるため、リコールは絶対に避けなければなりません。
メーカーは、バッテリーセルが次のセル組立工程や仕上げ工程に進む前に、上流工程で厳格な品質管理措置と検査プロセスを導入し、電極タブにおけるこれらの問題を検出・是正することが不可欠です。溶接前に検査を追加することで、下流工程での不必要な資源の浪費を防ぐことができます。
しかし、バッテリータブの欠陥は検出が困難です。タブはコントラストが低く、反射面が多い金属部品で作られているため、欠陥の検出が困難です。従来のマシンビジョンシステムでは、鮮明な画像を撮影し、実際の欠陥、反射面、背景を区別することが困難で、最終的には欠陥を見逃したり、誤って不合格としたりすることがあります。
バッテリータブの欠陥は、様々な形状、サイズ、場所に現れます。また、バッテリー技術の進化に伴い、製造プロセスも変化します。従来のマシンビジョンでは、数百もの手作業によるルールのプログラミングが必要となるため、プログラムされたパラメータと一致しない新しい欠陥や変動する欠陥を検出できず、変化への適応が遅くなります。
ソリューション
UnitXさん AI-powered 検査では、他のソリューションでは検出できないバッテリータブの欠陥を効果的に検出します。
まず、 OptiX 撮像システムがバッテリータブの表面を照らし、画像化する。そして CorteX Central AIプラットフォームはスタンプの欠陥について学習します。最後に、これらのAIモデルは CorteX Edge インラインで欠陥を検出し分類する推論システム。
なぜ バッテリータブの刻印検査にUnitX？
OptiX 反射率を最小限に抑えながら欠陥の視認性を最大限に高める優れた画像を提供します。 32個の独立制御可能な照明光源を搭載し、ソフトウェアによってバッテリータブの表面状態や欠陥に合わせて最適化できます。コンピュテーショナルイメージング機能により、複数のショットを撮影することで、反射率の高いバッテリータブ表面に起因するホットスポットを排除できます。また、照明ドーム設計により、非常に鋭角な入射角で光を照射できるため、非常に微細な欠陥にも影を落とし、視認性を高めます。
CorteX はランダムで複雑な欠陥を正確に検出します。 位置と方向の変動を自動的に正規化し、ピクセルレベルまで欠陥を認識します。
UnitX 迅速な実験をサポートし、生産環境の変化に適応します. OptiX 照明はソフトウェアで簡単に設定でき、CorteX AI モデルはサンプル効率が高く、新しい欠陥の種類をトレーニングするために必要な画像はわずか数枚です。
自律的AI UnitXメーカーはバッテリータブの検査を自動化して、次のことを実現します。
- バッテリーの性能低下や故障、安全上のリスク、高額なリコールにつながる品質漏れを防止します。
- 従来のマシンビジョンでよくある誤検出率を最小限に抑え、スクラップや無駄な材料を削減します。
- 手動検査員を置き換え、メーカーのコストを節約し、効率を向上
UnitX 検査例の詳細
この例では、タブの切断や成形時、または組み立てのためにタブを配置する際の取り扱い時に、機器のキャリブレーションの失敗やプロセスの失敗が原因で製造中に発生する可能性のある、タブの破れなどの構造上の欠陥がバッテリーセルタブにないか検査しました。
イメージング
まず、使った OptiX バッテリーセルタブの画像をキャプチャし、不良部品と正常部品の両方を確実にキャプチャします。
AI学習
次に、 CorteX Central モデルを訓練するためにラベルを作成しました 検出したい主な欠陥は、破れたタブです。
次に、撮影した画像にそれらの欠陥をラベル付けしました。 OptiX破れたタブの欠陥の画像をいくつか使用します。
検出
次に、AIモデルを CorteX Edge 新しいセル上で、破れたタブを正確に検出して分類できるようになります。
