الرؤية الحاسوبية تعيد ابتكار تصنيع البطاريات

تُعد البطاريات جزءًا مهمًا من حياتنا اليومية. فهي تُبقي الهواتف مشحونة والحواسيب المحمولة قيد التشغيل والمركبات الكهربائية متحركة. نعتمد عليها أكثر مما ندرك، ومع ذلك نادرًا ما نتوقف للتفكير في كيفية تصنيعها. والحقيقة أن عملية تصنيع البطاريات أكثر تعقيدًا بكثير مما قد يظنه معظم الناس.

تعتمد عمليات تصنيع البطاريات على خطوات متعددة ومنسقة بعناية، بدءًا من إعداد المواد وصولًا إلى الفحص النهائي. وحتى الخطأ البسيط، مثل عدم محاذاة طبقة أو ارتخاء أحد المكونات، قد يؤثر في الأداء أو يؤدي إلى مشكلات تتعلق بالسلامة.

اعتمد المصنعون لسنوات على عمليات التفتيش اليدوية والمستشعرات الأساسية لتحديد المشكلات. لكن مع توسع الإنتاج وارتفاع توقعات الجودة، باتت هذه الأساليب التقليدية تواجه صعوبة في مواكبة المتطلبات.

لذلك يتجه كثير من المصنعين الآن إلى الرؤية الحاسوبية، وهي فرع من الذكاء الاصطناعي يمكّن الآلات من تفسير المعلومات المرئية وفهمها. وتُستخدم الرؤية الحاسوبية تحديدًا في تصنيع البطاريات لـاكتشاف العيوب، وقياس المكونات بدقة، ومراقبة كل خطوة من خطوات العملية في الوقت الفعلي.

الشكل 1. كيف تعزز الرؤية الحاسوبية تصنيع البطاريات. صورة من إعداد المؤلف.

سنستكشف في هذه المقالة كيفية تصنيع البطاريات وكيف تُحدث الرؤية الحاسوبية تحولًا في عملية تصنيعها لتحسين الجودة وزيادة الكفاءة ودعم مستقبل تقنيات الطاقة. لنبدأ!

كيف تُصنع البطاريات، وكيف يمكن للرؤية الحاسوبية أن تساعد؟#

يتم إنتاج البطاريات عبر خطوات متتابعة دقيقة للغاية. وتبدأ العملية بطلاء صفائح معدنية رقيقة بمواد خاصة، ثم تُقطّع هذه الصفائح وتُرص مع طبقات أخرى لتشكيل قلب البطارية.

بعد ذلك، يُضاف الإلكتروليت السائل، وتُغلق البطارية بإحكام، ثم تخضع للشحن والاختبار للتأكد من عملها على النحو الصحيح. وأخيرًا، توضع عليها الملصقات وتُعبأ لتصبح جاهزة لتشغيل كل شيء، من الهواتف إلى السيارات الكهربائية.

الشكل 2. كيف تُصنع البطاريات؟ صورة من إعداد المؤلف.

نظرًا إلى حساسية البطاريات الشديدة، قد تتسبب العيوب الطفيفة في مشكلات كبيرة. فقد يقلل عيب صغير كخدش دقيق أو انحراف طفيف في المحاذاة من عمر البطارية، أو يخل بسلامتها، أو يؤدي إلى تعطلها. ومع تزايد عدد الأجهزة والمركبات العاملة بالبطاريات، يبحث المصنعون عن طرق مبتكرة وأسرع لضمان تصنيع كل وحدة دون عيوب.

وهنا يأتي دور الرؤية الحاسوبية. إذ يمكن تدريب نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11، التي تدعم مهامًا متنوعة مثل اكتشاف الكائنات وتقسيم الكائنات، على التعرف على مكونات البطاريات واكتشاف عيوب الأسطح ومراقبة دقة التجميع في الوقت الفعلي.

من خلال تحليل الصور الملتقطة بكاميرات عالية الدقة، تساعد هذه النماذج على التحقق مجددًا من وضع كل جزء في مكانه الصحيح وخلوه من العيوب. وهذا يتيح إنتاج البطاريات بسرعة أكبر واتساق أعلى، مع أخطاء أقل.

مهام الرؤية الحاسوبية المستخدمة في عملية إنتاج البطاريات#

إليكم نظرة أقرب على بعض مهام الرؤية الحاسوبية الأساسية التي يمكن أن تدعم عملية تصنيع البطاريات وتبسطها:

• كشف الكائنات: يمكن تدريب نماذج مثل Ultralytics YOLO11، التي تدعم كشف الكائنات، على تحديد مواقع مكونات بعينها والتعرف عليها، مثل خلايا البطارية والموصلات والألسنة، على خط الإنتاج.
• تجزئة الكائنات: تستطيع الأنظمة المدعومة بالرؤية والمزودة بإمكانات التجزئة تحديد الشكل الدقيق للكائن وحدوده. ويساعد ذلك على تحديد المواد المتداخلة وعيوب الطلاء أو عيوب السطح التي قد لا تكتشفها الطرق الأبسط.
• تصنيف الصور: يمكن استخدام هذه المهمة لفحص صورة كاملة بحثًا عن عيوب ظاهرة، مثل الانبعاجات والخدوش أو الطلاء غير المتجانس. وإذا لم يستوفِ جزء ما معايير الجودة، فيمكن استبعاده قبل وصوله إلى التجميع النهائي.
• تتبّع الكائنات: من خلال تتبّع كل مكوّن من مكونات البطارية أثناء انتقاله عبر خط الإنتاج، يمكن لتتبّع الكائنات اكتشاف الأجزاء المفقودة أو غير المحاذية، وضمان دقة عملية التجميع وكفاءتها.

تطبيقات الذكاء الاصطناعي البصري في تصنيع البطاريات#

بعد أن تعرفنا بصورة أفضل على مهام الرؤية الحاسوبية الأساسية المستخدمة في تصنيع البطاريات، دعونا نستعرض كيفية تطبيق هذه المهام في مختلف مراحل الإنتاج لتعزيز الجودة والسلامة والكفاءة.

فحص أسطح الأقطاب الكهربائية في تصنيع البطاريات#

يُعد طلاء الأقطاب الكهربائية جزءًا أساسيًا من عملية إنتاج البطاريات. في هذه الخطوة، تُطبَّق طبقة رقيقة من المادة الفعالة على رقائق معدنية لتكوين أقطاب البطارية.

قد تظهر عيوب صغيرة أثناء الطلاء، مثل الفقاعات والثقوب الدقيقة أو الحواف غير المستوية. ورغم أنها قد تبدو طفيفة، فإن هذه العيوب قد تؤدي إلى ارتفاع الحرارة أو ضعف الأداء أو تقليل عمر البطارية. كما يصعب اكتشافها بالعين المجردة، ولا سيما في بيئات التصنيع ذات الإنتاج الكبير.

يمكن أن تدعم نماذج الرؤية الحاسوبية ضبط الجودة بتحليل صور عالية الدقة لاكتشاف عيوب السطح والإبلاغ عنها في الوقت الفعلي. وتتيح تقنيات مثل تجزئة الكائنات للنظام تحديد مناطق مختلفة من القطب الكهربائي وإبراز التشوهات، ما يجعل عملية الفحص أدق وأكثر اتساقًا من الفحوصات اليدوية.

ومن الأمثلة اللافتة على ذلك نظام طوّره باحثون يجمع بين التصوير المقطعي المحوسب بالأشعة السينية (CT) والرؤية الحاسوبية من أجل فحص أقطاب بطاريات الليثيوم أيون. ويستخدم النظام مسوحات ثلاثية الأبعاد لاكتشاف العيوب الداخلية، مثل الشقوق والتصدعات.

الشكل 3. أمثلة على جسيمات أقطاب بطاريات متشققة ومعيبة. (onlinelibrary.wiley.com)

التكديس الروبوتي الموجَّه بالرؤية في عملية إنتاج البطاريات#

بعد طلاء الأقطاب الكهربائية بنجاح، يجب تجميعها ضمن البنية الداخلية للبطارية إما باللف أو بالتكديس. ففي اللف، تُلف صفائح الأقطاب الكهربائية والفاصل لتشكيل حلزوني، بينما توضع الطبقات مسطحة فوق بعضها في التكديس.

تتطلب كلتا التقنيتين محاذاة دقيقة، تصل أحيانًا إلى بضعة ميكرونات فقط. وقد يؤثر أي انحراف طفيف في تدفق الكهرباء داخل البطارية، ما يؤدي إلى انخفاض الأداء أو قصر العمر الافتراضي.

لتحقيق هذا المستوى من الدقة، يستخدم المصنّعون الرؤية الحاسوبية لتوجيه الأذرع الروبوتية أثناء التجميع. وتساعد الكاميرات عالية الدقة والمستشعرات ثلاثية الأبعاد على وضع كل طبقة في موضعها الصحيح واكتشاف مشكلات مثل الغبار أو الانحناء أو الالتواء.

تتيح هذه الأنظمة الحفاظ على اتساق المسافات والشد والمحاذاة، ما يحسّن الجودة وسرعة الإنتاج معًا. وفي بعض الحالات، تستخدم الروبوتات أيضًا مستشعرات القوة إلى جانب البيانات المرئية للتعامل بلطف مع المواد الحساسة.

فحص اللحامات والأختام في تصنيع البطاريات#

أثناء تجميع خلايا البطارية وتعبئتها، تُوصَل مكونات مثل الألسنة والأغلفة باللحام أو الإحكام. وتُعد هذه الوصلات ضرورية للحفاظ على التدفق الكهربائي والسلامة الهيكلية.

يمكن أن يتسبب أصغر شق أو أضعف نقطة في حدوث قصر كهربائي أو ارتفاع الحرارة، أو في الحالات القصوى، انفلات حراري (تفاعل متسلسل خطير ترتفع فيه حرارة البطارية بلا سيطرة وقد تشتعل أو تنفجر).

يعتمد المصنّعون حلول الرؤية الحاسوبية المقترنة بالتصوير الحراري لتحسين هذه الخطوة. ويمكن لهذه الأنظمة فحص كل لحام في الوقت الفعلي، والتحقق من وجود عيوب مثل الشقوق أو الفجوات أو نقاط الضعف.

يمكن للفحص البصري اكتشاف المشكلات الظاهرة على السطح، لكن بعض العيوب تكون مخفية تحته أو تتسبب في توزيع غير متساوٍ للحرارة، وهو ما لا تستطيع الكاميرات العادية أو العين البشرية كشفه. ويكشف التصوير الحراري هذه المشكلات الخفية من خلال إظهار كيفية انتشار الحرارة عبر اللحام، ما يسهّل تحديد الوصلات الضعيفة أو غير المكتملة التي قد تؤدي إلى أعطال لاحقًا.

كشف الكائنات في عملية تصنيع بطاريات المركبات الكهربائية#

يتضمن تصنيع البطاريات عملية دقيقة من القص والتكديس واللحام والإحكام. وتُضبط كل خطوة بعناية وتُؤتمت. لكن حتى في البيئات الخاضعة للرقابة، قد تتسلل أجسام غريبة صغيرة. فقد يتسبب برغي مرتخٍ أو شظية معدنية تُترك داخل حزمة البطارية في حدوث قصر كهربائي أو تلف داخلي أو حرائق.

لمعالجة هذه المشكلة، يعتمد المصنّعون على أنظمة رؤية حاسوبية مصممة خصيصًا لكشف الأجسام الغريبة. وتستخدم هذه الأنظمة كاميرات عالية الدقة ورؤية ثلاثية الأبعاد لفحص الصواني والوحدات قبل الإحكام النهائي. وقد دُرّبت على اكتشاف الأجسام غير المرغوب فيها والاستجابة فورًا، بإيقاف الخط أو تنبيه فني أو رفض الحزمة المتأثرة، دون تعطيل سير الإنتاج.

على سبيل المثال، يُستخدم نظام الرؤية الحاسوبية في تجميع بطاريات المركبات الكهربائية (EV) لفحص الصواني بحثًا عن أجسام غريبة قبل الإحكام النهائي مباشرة. ويمكن لهذه الأنظمة اكتشاف الأدوات الموضوعة في غير مكانها والبراغي المرتخية أو الحطام الذي قد يفوت الفحوصات اليدوية. ومن خلال تحديد هذه المشكلات مبكرًا، تساعد على منع الأعطال الكهربائية وتجنب تأخيرات الإنتاج والحد من مخاطر السلامة.

الشكل 4. نظرة على فحص بطاريات الجهد العالي أثناء تجميع المركبات الكهربائية (المصدر).

التحقق من عبوات حزم البطاريات وملصقاتها#

بعد تجميع حزمة البطارية بالكامل، تتمثل الخطوة الأخيرة في فحص العبوة والملصقات. فقد يتسبب ختم تالف أو غلاف منبعج أو ملصق مطبوع بصورة خاطئة في مشكلات لاحقًا. وقد تؤثر هذه المشكلات في سلامة المنتج أو تؤخر الشحنات أو تؤدي إلى الإخفاق في استيفاء المتطلبات التنظيمية إذا لم تُعالج.

قد يكون الفحص اليدوي في هذه المرحلة بطيئًا وغير موثوق، ولا سيما عند التعامل مع كميات كبيرة، بينما تستطيع أنظمة الرؤية الحاسوبية إجراء الفحوصات نفسها بسرعة واتساق ودقة أكبر.

على سبيل المثال، لنفترض وجود خطأ مطبعي على ملصق حزمة بطارية. يمكن لكشف الكائنات أولًا تحديد الجزء الذي يحتوي على النص في الملصق، ثم استخدام تقنية التعرّف الضوئي على الأحرف (OCR) لقراءة المحتوى والتحقق منه. وإذا وُجد خطأ مطبعي أو تنسيقي، يمكن للنظام الإبلاغ عن الحزمة لتصحيحها قبل انتقالها إلى المرحلة التالية من خط الإنتاج.

إيجابيات وسلبيات الرؤية الحاسوبية في تصنيع البطاريات#

إليكم لمحة سريعة عن الطرق التي تحسّن بها الرؤية الحاسوبية تصنيع البطاريات:

• زيادة سرعة الإنتاج: الفحوصات المؤتمتة أسرع بكثير من الفحوصات اليدوية، ما يساعد على تلبية متطلبات الإنتاج الكبير.
• اتساق ضبط الجودة: يمكن تطبيق نماذج الفحص المعيارية على خطوط الإنتاج والمنشآت المختلفة، ما يضمن استيفاء كل بطارية معايير الجودة نفسها، بصرف النظر عن مكان تصنيعها.
• دعم تحسين العمليات: يولّد كل فحص بيانات مرئية ورؤى قيّمة. ويمكن للفرق مراجعة هذه البيانات لتحديد الأنماط واكتشاف العيوب المتكررة واتخاذ قرارات مدروسة لتحسين عملية الإنتاج.

مع أن الرؤية الحاسوبية تقدم مزايا متعددة، فهناك بعض القيود التي ينبغي أخذها في الحسبان عند اعتماد هذه الأنظمة. إليكم بعض العوامل التي يجدر مراعاتها:

• مخاطر أمن البيانات: بما أن هذه الأنظمة تلتقط صورًا مفصلة لخطوط الإنتاج والمكونات، فمن الضروري حماية هذه البيانات لمنع تسرب التصاميم أو العمليات المملوكة.
• تتطلب معايرة متكررة: يمكن أن تؤثر التغييرات في الإضاءة أو الاهتزازات أو التحولات الطفيفة في موضع الكاميرا في الدقة. لذا يلزم إجراء فحوصات دورية للنظام وإعادة معايرته للحفاظ على موثوقيته.
• صعوبة التعامل مع المواد العاكسة: قد تعكس الأسطح اللامعة، مثل الرقائق المعدنية المستخدمة في البطاريات، الضوء بطرق غير متوقعة. وهذا قد يصعّب الحصول على نتائج دقيقة.

أبرز النقاط#

تُحدث الرؤية الحاسوبية تغييرًا تدريجيًا في تصنيع البطاريات. ويمكن استخدامها لاكتشاف العيوب الصغيرة، وتوجيه الأذرع الروبوتية بدقة، وفحص اللحامات والأختام، والتحقق من العبوات النهائية.

يمكن للذكاء الاصطناعي البصري مراقبة كل خطوة عن كثب لضمان استيفاء كل بطارية معايير السلامة والجودة العالية. وهذه الأنظمة أسرع وأكثر اتساقًا من الفحوصات اليدوية، ما يساعد المصنّعين على تقليل الهدر وتجنب الأخطاء المكلفة. ومع استمرار تطور التقنية، يُرجّح أن يتوسع دور الرؤية الحاسوبية في إنتاج البطاريات.

انضموا إلى مجتمعنا واستكشفوا مستودع GitHub للتعرف على المزيد حول الذكاء الاصطناعي. إذا كنتم تتطلعون إلى بدء مشروعكم الخاص في الذكاء الاصطناعي البصري، فتعرّفوا على خيارات الترخيص للانطلاق. ويمكنكم أيضًا الاطلاع على أثر الذكاء الاصطناعي في الرعاية الصحية والذكاء الاصطناعي البصري في تجارة التجزئة بزيارة صفحات حلولنا.