机器视觉推动电动汽车制造取得新进展

从消费者的角度来看，20年前电动汽车(ev)的出现永远地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，包括更大规模的电池、新的动力电子部件和电动马达。但是，尽管部分发生了变化，但视觉的作用却没有改变。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、测量还是检查零件。

ATS自动化公司的史蒂夫•沃德尔(Steve Wardell)表示:“我们不再关注铝制的大型汽缸体，而是关注电池端子、电池阵列或电机和线圈。”“部件发生了变化，但检查回答了类似的问题:那里是否有一个洞，大小是否合适?”表面上有划痕吗?那块上面有条形码吗?”

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，电池驱动的车辆和内燃机驱动的车辆有着重要的区别。例如，传统的动力系统大约有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。零件越少，每辆车的视觉应用就越少。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。

沃德尔说:“对我来说，电池是传统汽车和电动汽车的最大区别。“电动汽车电池由多个不同配置的电池组成，每一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单元和模块在最终组装过程中完全封装。这使得更换或维修坏零件变得困难，这给视觉系统带来了压力，使其难以在电动汽车电池生产的四个阶段中可靠地捕捉缺陷。

检查电池
驱动电动汽车的锂离子电池不仅本身就是复杂的系统;它们也被分为三种类型——圆柱形、袋形和棱柱形——它们几乎没有统一的标准。但不管电池的形式如何，电极构成了基本的构件，并决定了电池的能量密度、循环寿命和安全性。

电池制造首先要在铜箔和铝箔上应用电极材料，而且这些涂层的尺寸必须精确，以保证电力的有效流动。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，并可以帮助制造商验证其工艺的准确性和可重复性，并在电极卷绕或堆叠到锂离子电池之前尽早纠正问题。表面检查使用线扫描相机进一步检测脱碳，鼓泡，和其他缺陷在这一阶段的过程。

电动汽车电池中的单个电池包含一个密封的隔间，有电极、隔板和电解质。在组装过程中，根据电池的设计，电池可以卷绕、卷绕或堆叠。在电极片被缠绕或堆叠成一个电池之前，在电极片的铜和铝边缘上做凹槽，形成金属标签。这些标签哪怕只差一毫米就会导致电池连接不良，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，然后用乙烯基涂层包裹。表面检查是至关重要的前后缠绕应用。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器精确成像，而且标准视觉系统在处理污染物和缺陷的视觉差异时也不是很有效。因此，气缸检测成为深度学习技术的早期应用之一，该技术可以训练出定位气缸电池侧面、顶部和底部的表面缺陷和异常，而忽略不相关的变化。

这样的应用激发了汽车行业对深度学习工具日益增长的兴趣，并促使像康耐思这样的视觉供应商使它们使用起来更直观。考虑到这一点，该公司最近推出了D900系列，它将其ViDi解决方案和in - sight视觉工具结合在一个直观可配置的智能相机中。

康耐仕全球汽车客户经理卢•海德克(Lou Hedtke)表示:“D900系列是为电动汽车市场的几乎任何表面检测量身定制的。”“它与谷歌的Quantiphi或IBM的沃森等人工智能解决方案的区别在于它的易用性。D900可以将图像直接保存到智能相机中，这样用户就可以快速训练神经网络来识别传统视觉系统难以检测到的缺陷。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像即可有效工作。”

定义一个好的焊缝
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。但电动汽车对如何构成良好的焊缝提出了一些独特的要求和标准。

Hedtke说:“我想说的是，对于某些电动汽车应用来说，珠子检测的公差已经提高了10倍。”“如果你观察的是汽车框架上的一颗珠子，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，挑战要难得多。”

发夹式定子的焊接就是一个例子。在传统车辆的交流发电机中也发现了定子。但是发夹式定子构成了电动汽车马达的核心。这使得它们对车辆的性能更加关键，而且修理或更换有缺陷的发动机比丢弃有缺陷的交流发电机要昂贵得多。

激光焊接过程将两个铜棒连接成一个发夹结构，在此之前、期间和之后都要应用成像仪的组合。康奈克斯开发了一种系统，使用其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铜棒相交的点上。该系统还集成了Cognex的2D GigE和线扫描摄像头，用于检测组装过程中的焊后质量。

理想的情况是在焊接过程中进行检查，Hedtke说。但是对于视觉系统来说，仅仅验证发夹式定子焊接就已经是一个很大的挑战了。“什么是好的焊缝?””他问道。“没有明确定义的基准，你只有一次机会来验证这个过程。一旦系统被封装，你就不能把它拆开，除非是为了安全目的。”

为一个好的焊缝设定基准的难度，在电动汽车制造商和他们的视觉供应商之间制造了一场网球比赛。例如，OEM的角色通常是定义焊接中可接受的孔隙度水平，以便集成商或供应商能够确定解决方案。但电动汽车制造商却在寻求一个合适基准的指导，通过询问视觉系统能够准确识别何种孔隙度水平。

这个门槛最终可能取决于汽车制造商对成本的容忍度。“当(电动汽车制造商)问，‘你能确定的最小孔隙度是多少?答案是，我们可以限定月球上焊缝的孔隙度。但你可能得把高分辨率相机和哈勃望远镜结合起来。”

在这方面，深度学习也可以利用人类操作员的知识来训练视觉系统，让它知道一个好的焊缝是什么样子的。

Wardell说:“如果你是一名焊工或熟悉焊接过程的人，你可以看着一个接缝，判断它是否是好的焊料，或者那个小坑不会影响焊接质量。”“不幸的是，没有股票数据集可以让你输入一个算法就走。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。”

像ATS的Illuminate视觉检测平台这样的解决方案就是为了帮助从人类操作员向机器视觉过渡而设计的。例如，在焊接应用中，illuminate成像系统将与现场专家协同工作，专家将审查获得的焊缝图像，并初步标记系统的缺陷。Wardell说:“随着时间的推移，分类图像的积累、人工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工操作员的性能，在这一点上，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独特的业务增长机会，这也解释了为什么康耐视和ATS等公司已经开始主动瞄准该领域的制造商。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，但电动汽车也有一些独特的具有挑战性的视觉应用，尤其是在上游电池装配线上。最后，电池、电池甚至电动动力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，这些系统需要及早发现缺陷，以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日益浓厚的兴趣，并为准备提供解决方案的供应商和集成商提供新的机会。