電池知識
鋰離子、磷酸鐵鋰、錳酸鋰、新能源
電池知識
鋰離子、磷酸鐵鋰、錳酸鋰、新能源
車規級升級的強壓下，裝備制造商開始紛紛秀肌肉。
而在智能制造的國際化趨勢下，裝備制造商對智能設備核心knowhow的理解和詮釋，將決定其能否在眾多智能裝備制造商中脫穎而出。
12月16-18日，“利元亨·2019高工鋰電&電動車年會”在深圳機場凱悅酒店盛大舉行。作為鋰電及電動車行業規模最大、參與度最高的年度盛會，現場吸引了材料、設備、電芯、BMS、PACK、整車、運營租賃整個新能源汽車產業鏈超800位企業高層參與其中。
在17日上午海目星激光冠名的“動力電池專場一”，易鴻智能總經理王剛發表了《在線測試賦能動力電池智能制造》主題演講，基于機器視覺為核心的加工裝備，實現工藝再智造。
“做機器視覺與做設備有本質的區別。視覺測試在整個制造過程中處于守門的位置，這個地方做不好，設備和產品很難做好。”王剛如是說。
基于鋰離子電池范疇客戶的需求，目前易鴻智能的CCD產品在鋰離子電池測試中已經傾覆了20道工序，蘊含EV前段工序、EV模組段、EV后工序以及3C前工序。
王剛表示，正是因為鋰離子電池廠家對于產品的安全、性能、品控要求越來越高，CCD測試在鋰離子電池范疇的地位也日益突顯。
“在各工序段使用CCD測試，可以實時監控裁切尺寸，監控外觀測試，提升整線制程優率、輸生產品的一致性、輸生產品的安全性、智能化加工及管理。”王剛強調。
當前，大數據、人工智能、深度學習與智能裝備的結合已經成為智能制造發展路徑中一大趨勢。在鋰離子電池制造范疇同樣如此。
“深度學習與視覺測試設備的結合非常有價值，以一個3C數碼電池為例，按傳統的視覺測試方式需要打80多個標，結合深度學習后打10個標不到，這意味著原來不用深度學習的時候萌生的NG品有80個，用了深度學習惟有10個不到，這個是非常有意義。”王剛解析。
因為運用深度學習技術，可以測試到漏金屬、脫碳、條痕、氣泡、亮點、黑點、接帶的NG總數與分類準確總數等等。
在深度學習分類數據分享中，王剛表示，在瑕疵測試系統中，易鴻智能采用圖片分類器，結合深度學習(卷積神經網絡學習)，能夠識別客戶加工過程中萌生的各種外觀不良。
在缺陷分類中使用深度學習技術，結合易鴻智能最新的深度學習算法，可達到最優的測試效果:缺陷不良分類準確率≥98%。
資料顯示，易鴻智能成立于2014年，是國內首家推出具有自動拼接功能的高速鋰離子電池自動測試設備的高新技術企業。
公司的核心技術團隊借鑒10余年來機器視覺和高速傳動裝備的使用經驗，以機器視覺為技術紐帶，在以鋰離子電池為首的不同行業加工工藝中提出并使用了機器視覺識別、測試的理念。
易鴻智能的目標是，勵志成為領先的智能制造核心裝備和整體處理方案供應商。
聲明： 本站所發布文章部分圖片和內容自于互聯網，如有侵權請聯系刪除
