DE
EN
CN
JP
Pressemitteilungen
Tiefgreifende Fusion von mehrdimensionaler Bildverarbeitungstechnologie - OPT hat das Problem der Erkennung mehrerer Prozesse in der Lithiumindustrie gelöst
Veröffentlichkeitsdatum：31.08.2023
Quelle:
Seitenaufrufe:
Die Lithiumindustrie ist in eine Runde von Modernisierungszyklen eingetreten. Der Bedarf an Verfeinerung und Spezialisierung der Produktion wird immer deutlicher. Vom ersten Abschnitt der Polstückfertigung über den mittleren Abschnitt des Schweißens des blanken Kerns bis hin zur Laminierung der Kernbaugruppe sind effizientere und genauere visuelle Prüftechniken erforderlich.
Als einer der weltweit führenden Anbieter von Bildverarbeitungslösungen für Lithiumbatterien hat die Bildverarbeitungsanwendung von OPT den gesamten Prozess der Lithiumbatterieproduktion abgedeckt. Durch die tiefgreifende Integration von 2D-, 3D- und mehrdimensionaler Bildverarbeitungstechnologie mit Deep Learning hat sie die Schwierigkeiten der Industrie bei der Inspektion von Schlüsselprozessen überwunden, wie z. B. die Erkennung von Kantengraten am Polstück, das Aussehen der Schweißnähte an den Polfahnen, das Aussehen der blauen Folie bei der Inspektion des elektrischen Kerns usw. Sie hat den großen Durchbruch bei der Erkennung von Null-Leckagen und der extrem geringen Fehleinschätzung erzielt.
01 Polschuh-Graterkennung
Bei der Herstellung von Maststücken, wie z. B. beim Walzpressen, Schneiden und anderen Prozessen, ist neben der Erkennung und Überwachung von positiven und negativen Oberflächenfehlern des Mastes auch eine Online-Erkennung von Quer- und Längsgraten an der Kante des Maststücks in Echtzeit erforderlich. Die derzeitige Geschwindigkeit der gängigen Geräte in der Produktionslinie beträgt bis zu 120 m/min, was eine große Herausforderung für die Erkennungsgenauigkeit und Reaktionszeit der Bildverarbeitungssysteme darstellt.
Bei der Herstellung von Maststücken, wie z. B. beim Walzpressen, Schneiden und anderen Prozessen, ist neben der Erkennung und Überwachung von positiven und negativen Oberflächenfehlern des Mastes auch eine Online-Erkennung von Quer- und Längsgraten an der Kante des Maststücks in Echtzeit erforderlich. Die derzeitige Geschwindigkeit der gängigen Geräte in der Produktionslinie beträgt bis zu 120 m/min, was eine große Herausforderung für die Erkennungsgenauigkeit und Reaktionszeit der Bildverarbeitungssysteme darstellt.
schematische Darstellung der OPT-Bildverarbeitungsanwendung in einer Stangenschneidemaschine
Damit hat OPT eine Serie von CXP-Flächen-Array-Kameras auf den Markt gebracht, die für die Inspektion von Lithium-Elektrodenblechen geeignet sind. In Kombination mit einem hohen Winkel und einer Hintergrundbeleuchtung werden die Gratmerkmale in verschiedenen Richtungen hervorgehoben. Diese Serie von Flächenkameras vereint Merkmale hoher Bandbreite und hoher Auflösung mit einer Bandbreitengeschwindigkeit von bis zu 20 Gbit/s, einer Scangeschwindigkeit, die schnellere Bewegungssysteme bewältigen kann, und einer Inspektionsgenauigkeit von bis zu 7 μm.
Schematische Darstellung der OPT-Polstück-Graterkennung
Während der Durchführung des Projekts sammelte OPT eine große Anzahl von Gratmusterdaten und verwendete Deep-Learning-Software für das Training und die Kennzeichnung, um ein KI-Erkennungsmodell zu erstellen, das Grate unterschiedlicher Größe und Form schnell und genau erkennen kann.
02 Erkennung der polaren Ohrmuschelfaltung
Das Knicken der Polschuhe hat schwerwiegende Auswirkungen auf die Qualität der Batterie und kann sogar potenzielle Sicherheitsrisiken auslösen. Die visuelle Inspektion, die ein wichtiges Hindernis für die Sicherheit und Leistung der Batterie darstellt, ist eine der Schwierigkeiten der Industrie.
Am Beispiel des Aufwickelns von Laschen setzt OPT Hochgeschwindigkeits-Zeilenkameras und Flächenkameras ein, um jedes Stück Lasche auf dem Kern mit einer Scangeschwindigkeit von 3m/s zu prüfen und sicherzustellen, dass die Laschen vor dem Aufwickeln frei von Falzfehlern sind.
Schematische Darstellung der OPT-Bildverarbeitungsanwendung im Polohrwickler
OPT verwendet eine Flüssigkeitslinse, um zu prüfen, ob die innere Schicht der Laschen umgeschlagen und gefaltet ist, indem es mehrere Seiten abbildet. Die Geschwindigkeit der Fokussierung kann bis in den Millisekundenbereich reichen.
Beim Eintritt in den Elektrodenschweißbereich ist die Sichtprüfung noch strenger und erfordert eine Null-Leckage-Kontrolle, um zu verhindern, dass blanke Kerne mit Defekten wie umgeschlagen, gebrochen und krümelig in den Verpackungsbereich fließen.
Schematische Darstellung der OPT-Erkennung der polaren Ohrmuschelfalte
OPT nutzt die Kombination von 2D-Vision-Algorithmen und Deep Learning zur Durchführung einer vollständigen Inspektion. Durch die Lokalisierung des Hauptkörpers des Kerns und der Position der Polschuhe, das Hinzufügen des ROI-Rahmens, die Verwendung der Deep-Learning-Zielerkennungsfunktion zur Extraktion verschiedener defekter Morphologie- und Farbmerkmale und die Verwendung von Algorithmen zur Kantenfindung und Blob-Analyse im Bereich der beiden Seiten der Polschuhe zur Erkennung von Faltungen kann die Erkennung von Polschuhen ohne Auslassungen erreicht werden.
In der Zwischenzeit hat OPT technologische Schlüsselinnovationen in den Bereichen Lernen mit kleinen Stichproben, Migrationslernen usw. auf der Grundlage der Lithium-Erkennung mit Deep Learning realisiert, die nicht nur das Problem der übermäßigen Abhängigkeit von einer großen Anzahl fehlerhafter Stichprobendaten löst, sondern auch den Trainingszyklus drastisch verkürzt. Die Erkennung von Produktwechseln mit ähnlichen Prozessen ermöglicht eine One-Key-Migration, und die Projektbereitstellung ist effizienter.
03 Sechsseitige Inspektion
Die Beschichtung der blauen Folie ist ein wichtiger Prozess bei der Herstellung von Lithiumbatterien, der eine Rolle bei der Isolierung und dem Schutz der Batteriezellen spielen kann. Je nach Material und Dicke der blauen Folie können während des Beschichtungsvorgangs komplexe Defekte wie Kratzer und Blasen auftreten. OPT hat ein Bildverarbeitungsprogramm für die Sechsseitenprüfung von Batteriezellen entwickelt, das 3D-, 2D-, Frequenzteilungs- und Deep-Learning-Technologien integriert. Derzeit läuft die Bildverarbeitungslösung stabil in vielen Projekten, und die Prüfgeschwindigkeit kann bis zu 30 PPM erreichen.
Schematische Darstellung der sechsseitigen Vollinspektion einer folienbeschichteten Batteriezelle
Um den Einfluss von reflektierenden Materialien wie blauer Folie und Metallabdeckungen zu vermeiden, verwendet OPT einen 3D-Sensor mit eingebautem hochdynamischem Algorithmus, der die Laserleistung und -verstärkung automatisch einstellt, so dass die Abbildung aller Arten von Materialien stabil und klar ist. In Kombination mit dem Algorithmus zur Erkennung von 3D-Oberflächendefekten der Smart3-Vision-Software können durch die Verwendung von Bezugspunkten und Oberflächenkorrekturen die Defekte genau lokalisiert und die Merkmale der Informationen extrahiert werden, wie z. B. Beschädigungen, Verformungen und Vertiefungen der oberen Isolierplatte, Flecken auf der Oberfläche der Polsäulen und übergelaufener Klebstoff sowie Krater und Wölbungen auf der blauen Folie.
Für die Erkennung von Elektrolytkorrosion in der oberen Abdeckung des Batteriekerns verwendet OPT eine Beleuchtungsmethode mit niedrigem Winkel, um Elektrolytkristalle mit einem Durchmesser von mehr als 2 mm stabil zu erkennen. Gleichzeitig nutzt es die diffusen Reflexionseigenschaften des Dom-Lichts, um die PP-Folie des Explosionsschutzventils zu durchdringen und die Fremdkörper und den Elektrolyt unter der PP-Folie genau zu erkennen.
Bei der sechsseitigen Inspektionslösung des elektrischen Kerns kombiniert OPT auch die Split-Frequency-Technologie, bei der die Lichtquelle schnell blitzt und mehrere verschiedene optische Bildeffekte in einem Scanvorgang erzielt werden. Ergänzt durch die Deep-Learning-Algorithmus-Funktion, kann es die Defekte genau beurteilen und Leckage-Inspektion und Fehleinschätzung vermeiden.
