清明时节雨纷纷
路上行车堵断魂
清明小长假即将到来，高速公路准备又要“堵”起来了。在出行尤其是长途出行遭遇堵车时，电动汽车车主常常比传统车主多出几分焦虑。大部分烦恼在于，一旦电量不足，“剩余电量能不能坚持开完续航里程”、“最近的充电桩在哪儿”、“充电太久会不会耽误行程”等等……
可见，车主的种种烦恼归根结底都与电动车的唯一能量来源——电池息息相关。
若不能保证电池的质量，又怎能真正解决车主们的烦恼，进一步提升品牌形象呢?
继上篇分享之后
戳此传送门前往：EV电动车电池制造商的十大“头秃级烦恼”解决方案(上篇)
此次小编又准备了另外五份康耐视为EV电动车电池制造商提供的解决方案。
咳咳，待小编喝口水，马上来为您揭晓~
Question 6
电池芯按照12x6的阵列排列。 康耐视传感器是否能够同时执行正极和负极检测?
答：在模块装配流程中，在将电池芯连接并将母线焊接之前，极性检查是一项至关重要的质量控制措施。康耐视In-Sight 2000视觉传感器能够检测棱柱形电池芯中以各种形状、图案和颜色呈现的电极。In-Sight 2000甚至能够同时检测一个阵列中的多个电极，并检查电池芯阵列以确认每个电极的方向，从而避免短路以及其他损坏。
Question 7
对于传统机器视觉无法解决的应用，你们的解决方案效果如何?
答：康耐视ViDi套件能够解决其他基于规则的机器视觉解决方案无法解决的大量检测和OCR应用。康耐视ViDi套件甚至能够验证市场上其他竞争检测系统的检测结果，捕捉难以检测到的缺陷，并减少错误剔除的可能性。该套件可与VisionPro®和康耐视Designer软件轻松集成，为工程师提供巨大的编程可扩展性和灵活替代传统检测方法的解决方案。
Question 8
康耐视是否能够处理池芯缺陷涉及许多自然存在的元件变化?
由于电池芯缺陷涉及许多自然存在的元件变化，基于深度学习的视觉算法提供灵活替代基于规则的传统编程方法的解决方案。
特别是在软包式电池芯的情况下，电池芯之间的视觉外观可能存在显著的差异，这导致要明确搜寻出所有缺陷将会过于复杂和耗时。VisionPro ViDi软件采用基于深度学习的视觉算法，只需从带注释的图像中学习，即可识别气泡、褶皱等缺陷。此模型可学习软包式电池芯表面的正常外观，包括不构成缺陷的自然变化。所有偏离此模型正常外观的特征将被表征为异常。通过这种方式，VisionPro ViDi软件能够可靠且一致地检测出所有异常，无需广泛的缺陷库。
Question 9
你们是否能够执行电池焊接引导和焊接质量检测?
传统上，由于自然工艺变化和由此产生的焊接外观变化，机器视觉一直难以准确地检测焊接质量。康耐视3D激光位移传感器可用于引导并检测焊缝的质量，并且不会使循环速度放慢。它们可计量焊缝宽度是否在公差范围内，焊缝相对于中心的位置是否准确，焊接高度是否正确并检查焊接是否完整。
在涉及自然流程变化和易混淆表面纹理的情况下，VisionPro ViDi软件能够成功地检测出焊接材料中的漏焊和间隙，确保准确地标记缺陷。
Question 10
你们是否能够针对电池对位提供VGR解决方案?
康耐视视觉引导的机器人(VGR)解决方案采用多台相机，这些相机相互之间以及相对于运动系统都经过准确标定，能够将电池芯或模块可靠地引导和对位到它们的外壳上。康耐视PatMax® 技术利用几何信息定位基准标记，并将其标定到坐标轴，这使该系统能够可靠地定位元件。
LineMax技术用于定位各边线的交叉点。PatMax和LineMax技术在各种条件下都可确保快速性、可靠性和高度准确性，以确保它们能够实现准确的对位。该系统利用这些坐标轴引导机器人拾取元件，然后传输、对位并将它们置于目的运动平台上。康耐视VisionPro软件能够与广泛的相机和运动平台设计快速集成。除了准确性和高速度外，此解决方案还提供高度的灵活性，能够快速处理不同的相机和运动平台配置与标尺，确保适用于大批量生产和产品快速转换应用。
（转载）
