배터리 탭은 전기를 전도하기 때문에 배터리 셀의 전반적인 효율, 안전성 및 수명에 필수적입니다. 본 애플리케이션은 스탬핑 공정 후 전극에 용접되기 전 배터리 탭의 검사에 중점을 둡니다.
어떤 제조상의 결함이 발생합니까?
배터리 탭은 얇고 부드러우며 쉽게 손상되는 다양한 금속으로 만들어집니다. 탭의 형상과 절단에 사용되는 제조 공정, 전도성 향상을 위한 표면 처리, 그리고 탭 용접 공정 전 취급 및 보관 과정에서 깨지기 쉬운 특성으로 인해 조기에 손상될 수 있습니다. 일반적인 결함은 다음과 같습니다.
이러한 결함은 후속 공정에서 용접 불량을 초래하여 조기 고장, 배터리 성능 저하, 그리고 열 폭주, 화재 또는 폭발을 유발할 수 있는 안전 위험을 초래할 수 있습니다. 또한 전기차에서 리튬 이온 배터리는 가장 비싼 부품이므로 리콜은 어떤 경우에도 피해야 합니다.
제조업체는 배터리 셀이 추가 셀 조립 및 마무리 제조 공정으로 넘어가기 전에 전극 탭 문제를 감지하고 해결하기 위해 엄격한 품질 관리 조치와 검사 프로세스를 구현하는 것이 중요합니다. 용접 전 검사를 추가하면 후속 공정에서 불필요한 자원 낭비를 방지하는 데 도움이 됩니다.
그러나 배터리 탭 결함은 감지하기 어렵습니다. 탭은 대비가 낮고 반사 표면이 있는 금속 부품으로 만들어져 결함을 식별하기 어렵습니다. 기존의 머신 비전 시스템은 선명한 이미지를 캡처하고 실제 결함, 반사 표면, 그리고 배경을 구분하는 데 어려움을 겪어, 결국 결함을 놓치거나 잘못된 불량 판정을 초래합니다.
배터리 탭 결함은 다양한 모양, 크기, 위치로 나타납니다. 배터리 기술이 발전함에 따라 제조 공정도 변화합니다. 기존의 머신 비전 시스템은 수백 개의 수작업 규칙을 프로그래밍해야 하므로, 프로그래밍된 매개변수와 일치하지 않는 새로운 결함이나 가변적인 결함을 감지하지 못하고 변화에 적응하는 데 어려움을 겪습니다.
솔루션
UnitX의 AI-powered 검사를 통해 다른 솔루션이 실패하는 곳에서도 배터리 탭 결함을 효과적으로 감지할 수 있습니다.
첫째, OptiX 이미징 시스템은 배터리 탭 표면을 조명하고 이미징합니다. 그런 다음 CorteX Central AI 플랫폼은 스탬핑 결함에 대해 학습됩니다. 마지막으로, 이러한 AI 모델은 CorteX Edge 결함을 인라인으로 감지하고 분류하는 추론 시스템입니다.
UnitX 배터리 탭 스탬핑 검사를 위해서?
OptiX 반사율은 최소화하고 결함 가시성은 극대화하여 뛰어난 이미지를 제공합니다. 32개의 독립적으로 제어 가능한 조명 광원을 갖추고 있으며, 소프트웨어를 통해 배터리 탭 표면과 결함에 맞춰 최적화할 수 있습니다. 계산 이미징 기능을 활용하여 여러 장의 사진을 촬영하고 고반사율 배터리 탭 표면으로 인한 핫스팟을 제거할 수 있습니다. 또한, 조명 돔 디자인은 투사광의 매우 날카로운 입사각을 지원하여 아주 작은 결함에도 그림자를 드리워 가시성을 높여줍니다.
CorteX는 무작위적이고 복잡한 결함을 정확하게 감지합니다. 위치와 방향의 변화에 맞춰 자동으로 정규화하고 픽셀 수준까지 결함을 인식합니다.
UnitX 빠른 실험을 지원하고 프로덕션 환경의 변화에 적응합니다.. OptiX 조명은 소프트웨어를 통해 쉽게 구성되고 CorteX AI 모델은 샘플 효율성이 높습니다. 즉, 새로운 결함 유형에 대한 학습을 위해 몇 개의 이미지만 필요합니다.
와 UnitX제조업체는 배터리 탭 검사를 자동화하여 다음을 수행합니다.
- 배터리 성능 저하 및 고장, 안전 위험, 고비용 리콜을 유발하는 품질 누출을 방지합니다.
- 기존 머신 비전에서 흔히 발생하는 잘못된 거부율을 최소화하여 폐기물과 낭비되는 재료를 줄입니다.
- 수동 검사자를 교체하여 제조업체의 비용을 절감하고 효율성을 개선합니다.
UnitX 검사 예시 심층 분석
이 사례에서 우리는 장비 교정 오류나 탭을 절단하거나 성형할 때의 공정 오류, 또는 조립을 위해 탭을 배열할 때 발생할 수 있는 찢어진 탭과 같은 구조적 결함을 확인하기 위해 배터리 셀 탭을 검사했습니다.
영상
첫째, 우리는 OptiX 배터리 셀 탭의 이미지를 캡처하여 결함이 있는 부분과 정상인 부분을 모두 캡처했습니다.
트레이닝
다음으로 우리는 다음을 사용했습니다. CorteX Central 모델을 훈련하기 위해 레이블을 만들었습니다. 우리가 감지하고자 하는 주요 결함은 찢어진 탭입니다.
그런 다음 우리는 캡처한 이미지에서 해당 결함에 레이블을 지정했습니다. OptiX찢어진 탭 결함의 몇 가지 이미지만 사용하여.
Detection System
다음으로, 우리는 AI 모델을 배포했습니다. CorteX Edge 새로운 세포에 대한 정보를 제공하여 찢어진 탭을 정확하게 감지하고 분류할 수 있습니다.