机器视觉推动电动汽车制造业进入新领域

从消费者的角度来看，20年前电动汽车(ev)的出现永远改变了汽车行业的格局。从机器视觉的角度来看，电动汽车的影响更为微妙。

电动汽车可能在汽车装配线上引入了不同的部件，包括大规模电池、新的电力电子部件和电动马达。但是，虽然部分发生了变化，但视觉的作用没有变化。成像系统在装配线上仍然执行相同的基本功能，无论是识别、测量或检查部件。

ATS自动化公司的史蒂夫•沃德尔(Steve Wardell)表示:“我们看到的不是铝制的大缸体，而是电池终端、电池阵列或电机和线圈。”“零件发生了变化，但检查也回答了类似的问题:那里有个洞吗?大小合适吗?”那表面有划痕吗?那件衣服上有条形码吗?”

虽然电动汽车和混合动力电动汽车是汽车市场的扩展——今天约占全球销售的8%,据波士顿咨询集团(Boston Consulting Group)最近的一份报告中,他们将在2025年占三分之一的汽车销售和超越内燃机(ICE)车辆到2030年。

从视觉技术的角度来看，电池驱动的汽车与内燃机驱动的汽车有着重要的区别。例如，一个传统的动力系统有大约1400个部件。相比之下，电动汽车的传动系统由大约200个部件组成。更少的零部件可能意味着每辆车的视觉应用更少。但成品电动传动系统明显的简单性，掩盖了制造它所需的多个步骤。

“对我来说，电池是传统汽车和电动汽车的最大区别，”沃德尔说。“电动汽车电池由多个连接在一起的电池组成，每个电池的设计和制造都是一个独立的行业，有自己的组装流程和质量保证方法。”

此外，构成电动汽车电池的电池和模块在最终组装期间是完全封装的。这使得更换或修复坏零件变得困难，这就给视觉系统带来了压力，使其在电动汽车电池生产的四个阶段都必须可靠地捕捉缺陷。

检查电池
为电动汽车提供动力的锂离子电池本身不仅是一个复杂的系统;它们也被分为三类——圆柱形、袋形和棱形——它们几乎没有统一的标准。但无论哪种电池形式，电极构成了基本的组成部分，决定了电池的能量密度、循环寿命和安全性。

电池的制造首先是在铜和铝箔上应用电极材料，这些涂层的尺寸必须精确，以使电流有效流动。区域扫描相机非常适合测量电极、绝缘体和金属箔的各自宽度，可以帮助制造商验证其工艺的准确性和重复性，并在电极卷、绕或堆叠到锂离子电池之前及早纠正问题。表面检查使用线扫描摄像机进一步检测脱碳，冒泡和其他缺陷在这一阶段的工艺。

电动汽车电池中的单个电池包含一个装有电极、隔膜和电解质的密封隔间。在组装过程中，电池要么缠绕，要么卷起来，或者堆叠起来，这取决于电池的设计。在电极片缠绕或堆叠形成电池之前，在电极片的铜和铝边缘上做凹槽，形成金属标签。这些标签的排列误差即使只有一毫米的一小部分，也会导致手机连接不良，这就需要使用高分辨率相机来测量它们之间的距离。

轧制电池封装在金属圆筒中，然后包裹在乙烯基涂层中。在涂敷前和涂敷后，表面检查都是至关重要的。然而，这两种检查都给传统的基于规则的视觉系统带来了挑战:不仅细胞的圆柱形表面难以用标准成象仪精确成像，而且标准视觉系统在处理污染物和缺陷的视觉差异方面也不是非常有效。因此，气缸检测成为深度学习技术的早期应用之一，该技术可以通过训练定位气缸电池侧面、顶部和底部的表面缺陷和异常，而忽略无关的变化。

这样的应用激发了汽车行业对深度学习工具的兴趣，并促使康耐视等视觉供应商将这些工具的使用更加直观。考虑到这一点，该公司最近推出了D900系列，将其ViDi解决方案和in - sight视觉工具结合在一个直观配置的智能相机内。

康耐视汽车业务全球客户经理Lou Hedtke表示:“D900系列是为电动汽车市场几乎所有表面检测量身定制的。“它与谷歌的Quantiphi或IBM的Watson等人工智能解决方案的区别在于易用性。D900将图像直接保存到智能摄像头中，这让用户能够快速训练神经网络，识别传统视觉系统难以发现的缺陷。实际的好处是节省时间。在大多数情况下，康耐视ViDi只需要数百或偶尔数千张图片就能有效工作。”

定义好焊缝
焊接检验是内燃机和电动汽车制造过程中常见的应用之一。但是电动汽车对什么是好的焊接有一些独特的要求和标准。

hetke说:“我想说的是，在一些电动汽车应用中，珠子检测的公差增加了10倍。”“如果你在观察汽车车架上的焊缝，标准可能是焊缝的体积是否合适。它在寻找缺席/存在?但对于一些电动汽车应用来说，挑战要困难得多。”

一个例子是发夹式定子的焊接。常规车辆的交流发电机中也有定子。但发夹式定子构成了电动汽车发动机的核心。这使得它们对车辆的性能更为关键，而且修复或更换有缺陷的电机比丢弃有缺陷的交流发电机要昂贵得多。

在将两根铜棒连接成发夹状的激光焊接过程中，在焊接前、焊接中和焊接后要应用一组成像仪。康耐视开发了一种系统，利用其3D-A5000区域扫描摄像头，帮助将激光聚焦在每根铜棒的末端与另一根的交界处。该系统还集成了康耐克斯的2D GigE和线扫描摄像头，以检查组装过程中的焊后质量。

赫德克说，理想的做法是在焊接过程中检查焊接过程。但是视觉系统仅仅验证发夹定子焊缝就已经很有挑战性了。“什么是好的焊缝?””他问道。“没有明确定义的基准，你只有一个机会来验证这个过程。一旦对系统进行封装，除非出于安全考虑，否则不要将其拆解。”

衡量一个好的焊接点的难度在电动车制造商和他们的愿景供应商之间造成了一场网球比赛。例如，定义焊接中可接受的孔隙度水平通常是OEM的职责，这样集成商或供应商就可以确定解决方案。但是，电动汽车制造商转而询问视觉系统能够准确识别何种孔隙度，以寻求合适基准的指导。

这个门槛可能最终取决于汽车制造商对成本的容忍度。“当(电动汽车制造商)问，‘你能识别的最小孔隙度公差是多少?答案是，我们可以确定月球上焊接的孔隙度。但你可能需要把高分辨率相机和哈勃望远镜连接起来。”

在这方面，深度学习可能也会有所帮助，它可以利用操作员的知识来训练视觉系统，让它知道一个好的焊接是什么样的。

Wardell说:“如果你是一名焊工或熟悉焊接工艺的人，你可以看到一个焊缝，然后判断它是不是一个好的焊料，或者那个小坑不会影响焊接质量。”“不幸的是，没有一个股票数据集可以让你丢进一个算法就走。每个应用程序都需要时间来定义、构建、分类和训练特定于该应用程序的数据集。”

ATS公司的Illuminate视觉检测平台等解决方案旨在帮助人类操作员向机器视觉过渡。例如，在焊接应用的背景下，illuminate支持的成像系统将与现场专家协同工作，后者将审查获取的焊缝图像，并初步为系统标记缺陷。Wardell说:“随着时间的推移，分类图像的积累、人类输入和深度学习算法的应用，使视觉系统能够匹配或超过人类操作员的性能，届时检查可以完全自动化。”

前方的道路
电动汽车市场的增长为视觉供应商和集成商提供了发展业务的独特机会，这也解释了为什么康耐视和ATS等公司已经开始主动瞄准这一领域的制造商。虽然视觉技术通常在电动汽车和内燃机汽车的装配线上执行相同的基本功能，但电动汽车在视觉应用方面存在一些独特的挑战，尤其是在上游电池装配线上。最后，电池、电池甚至电动汽车传动系统的封闭特性给视觉和其他质量保证系统带来了额外的压力，要求它们及早发现缺陷，以最大限度地减少成本高昂的返工和浪费。所有这些因素都可能推动电动汽车制造商对视觉技术的兴趣不断增长，并为准备提供解决方案的供应商和集成商提供新的机会。