Mobile-Menu

Optische Prüfung Deep Learning in der Produktion von E-Auto-Batterien

Von Peter Stiefenhöfer* 5 min Lesedauer

Anbieter zum Thema

Cognex Germany Inc.
dataTec AG
invenio AG
PIA AUTOMATION HOLDING GMBH

Industrielle Bildverarbeitung auf Basis von künstlicher Intelligenz sorgt für effektive Qualitätskontrolle bei der Produktion von Batterien für Elektrofahrzeuge. Einige Beispiele rund um Batterietechnik.

Die Beutel im Blick: Mithilfe von Deep-Learning-basierten Algorithmen erkennt Bildverarbeitung Fehler wie Blasen und Falten an Pouch-Batteriezellen.(Bild: Cognex)
Die Beutel im Blick: Mithilfe von Deep-Learning-basierten Algorithmen erkennt Bildverarbeitung Fehler wie Blasen und Falten an Pouch-Batteriezellen.
(Bild: Cognex)

Bis ein Fahrzeug seine ersten Kilometer auf der Straße absolviert, ist eine enorme Anzahl an Produktionsschritten erforderlich. Vom Blinkerglas mit Kosten im Cent-Bereich bis hin zum Antriebsaggregat, das den Gesamtpreis wesentlich mitbestimmt, muss dabei jede einzelne Komponente absolut fehlerfrei sein und korrekt eingebaut werden, um Reklamationen zu vermeiden und den Kundenansprüchen gerecht zu werden.

Dies gilt für alle Fahrzeuge, ganz gleich, ob sie mit Elektroantrieb oder konventionellem Verbrennungsmotor ausgestattet sind. Elektrofahrzeuge erfordern jedoch vor allem für die Fertigung ihrer Batterie spezielle Prozesse bei der Qualitätsprüfung und -sicherung. Dafür eignen sich Bildverarbeitungssysteme auf Basis künstlicher Intelligenz, wie die folgenden Beispiele zeigen.

Weiterführende Inhalte