Pil üretimi bilgisayarlı görü ile yeniden keşfediliyor

Piller günlük yaşamımızın önemli bir parçasıdır. Telefonların şarjlı kalmasını, dizüstü bilgisayarların çalışmasını ve elektrikli araçların hareket etmesini sağlarlar. Onlara fark ettiğimizden daha fazla güveniyoruz, ancak nasıl üretildikleri hakkında düşünmek için nadiren duruyoruz. Gerçekte, pil üretim süreci çoğu insanın düşündüğünden çok daha karmaşıktır.

Pil üretim süreçleri, malzeme hazırlığından son denetime kadar dikkatle koordine edilen birçok adıma dayanır. Hatalı hizalanmış bir katman veya gevşek bir bileşen gibi küçük bir hata bile performansı etkileyebilir veya güvenlik sorunlarına yol açabilir.

Yıllardır üreticiler, sorunları belirlemek için manuel incelemelere ve temel sensörlere güveniyorlardı. Ancak, üretim genişledikçe ve kalite beklentileri arttıkça, bu geleneksel yöntemler ayak uydurmakta zorlanıyor.

İşte bu yüzden birçok üretici artık makinelerin görsel bilgileri yorumlamasını ve anlamasını sağlayan bir yapay zeka dalı olan computer vision teknolojisine yöneliyor. Özellikle pil üretiminde bu teknoloji; kusurları tespit etmek, bileşenleri hassasiyetle ölçmek ve sürecin her adımını gerçek zamanlı olarak izlemek için kullanılıyor.

Şekil 1. Bilgisayarlı görü pil üretimini nasıl geliştirir. Görsel yazar tarafından hazırlanmıştır.

Bu makalede, pillerin nasıl yapıldığını ve bilgisayarlı görünün kaliteyi artırmak, verimliliği yükseltmek ve enerji teknolojisinin geleceğini desteklemek için pil üretim sürecini nasıl dönüştürdüğünü keşfedeceğiz. Başlayalım!

Piller nasıl üretilir ve bilgisayarlı görü nasıl yardımcı olabilir?#

Pil üretimi, son derece hassas olması gereken dikkatli ve adım adım ilerleyen bir süreçtir. Özel malzemelerin ince metal tabakalar üzerine kaplanmasıyla başlar, bunlar daha sonra kesilir ve pilin çekirdeğini oluşturmak için diğer katmanlarla birlikte istiflenir.

Bundan sonra, sıvı elektrolit eklenir, pil mühürlenir ve düzgün çalıştığından emin olmak için şarj ve test süreçlerinden geçer. Son olarak, etiketlenir ve paketlenir, telefonlardan elektrikli arabalara kadar her şeye güç sağlamaya hazır hale gelir.

Şekil 2. Piller nasıl üretilir? Görsel yazar tarafından hazırlanmıştır.

Piller çok hassas olduğu için minik kusurlar büyük sorunlara yol açabilir. Kılcal çizik veya hafif bir hizasızlık kadar küçük bir kusur bile pil ömrünü azaltabilir, güvenliği tehlikeye atabilir veya pilin bozulmasına yol açabilir. Pillerle çalışan daha fazla cihaz ve araçla birlikte, üreticiler her bir birimin hatasız üretildiğinden emin olmak için yenilikçi ve daha hızlı yollar arıyor.

İşte bilgisayarla görü tam bu noktada devreye girer. Nesne tespiti ve örnek bölütleme gibi çeşitli görevleri destekleyen Ultralytics YOLO11 gibi computer vision modelleri, pil bileşenlerini tanımak, yüzey kusurlarını tespit etmek ve montajın doğruluğunu gerçek zamanlı olarak izlemek üzere eğitilebilir.

Yüksek çözünürlüklü kameralardan gelen görüntüleri analiz eden bu modeller, her parçanın doğru yerleştirildiğinden ve kusursuz olduğundan emin olmaya yardımcı olur. Bu, daha az hata ile daha hızlı ve daha tutarlı bir pil üretimi sağlar.

Pil üretim sürecinde kullanılan bilgisayarlı görü görevleri#

Pil üretim sürecini destekleyebilecek ve optimize edebilecek temel computer vision görevlerinden bazılarına daha yakından bakalım:

• Nesne tespiti: Nesne tespitini destekleyen Ultralytics YOLO11 gibi modeller, üretim hattında pil hücreleri, konektörler ve sekmeler gibi belirli bileşenleri bulmak ve tanımlamak üzere eğitilebilir.
• Örnek bölütleme: Bölütleme yeteneklerine sahip görü sistemleri, bir nesnenin tam şeklini ve sınırlarını çizebilir. Bu, daha basit yöntemlerle gözden kaçabilecek üst üste binen malzemeleri, kaplama kusurlarını veya yüzey hatalarını tanımlamaya yardımcı olur.
• Görüntü sınıflandırma: Bu görev, tüm bir görüntüyü ezik, çizik veya düzensiz kaplama gibi görünür sorunlar açısından kontrol etmek için kullanılabilir. Bir parça kalite standartlarını karşılamıyorsa, son montaja ulaşmadan önce çıkarılabilir.
• Nesne takibi: Her pil bileşenini üretim hattında hareket ederken takip ederek, nesne takibi eksik veya yanlış hizalanmış parçaları tespit edebilir ve montaj sürecinin doğru ve verimli kalmasını sağlayabilir.

Vision AI teknolojisinin pil üretimindeki uygulamaları#

Artık pil üretiminde kullanılan temel bilgisayarlı görü görevleri hakkında daha iyi bir anlayışa sahip olduğumuza göre, kaliteyi, güvenliği ve verimliliği artırmak için bu görevlerin üretimin farklı aşamalarında nasıl uygulanabileceğine bakalım.

Pil üretiminde elektrot yüzey incelemesi#

Elektrot kaplama, pil üretim sürecinin kritik bir parçasıdır. Bu adımda, pilin elektrotlarını oluşturmak için metal folyo üzerine ince bir aktif malzeme tabakası uygulanır.

Kaplama sırasında kabarcıklar, iğne delikleri veya düzensiz kenarlar gibi küçük kusurlar oluşabilir. Küçük görünseler de, bu kusurlar aşırı ısınmaya, düşük performansa veya pil ömrünün kısalmasına yol açabilir. Ayrıca, özellikle yüksek hacimli üretim ortamlarında çıplak gözle tespit edilmeleri zordur.

Computer vision modelleri, yüzey kusurlarını gerçek zamanlı olarak tespit edip işaretlemek için yüksek çözünürlüklü görüntüleri analiz ederek kalite kontrolünü destekleyebilir. Örnek bölütleme gibi teknikler, sistemin elektrotun farklı bölgelerini tanımlamasını ve düzensizlikleri vurgulamasını sağlayarak denetim sürecini manuel kontrollerden daha doğru ve tutarlı hale getirir.

Bunun ilginç bir örneği, araştırmacılar tarafından geliştirilen ve lityum iyon pil elektrotlarını incelemek için X ışını bilgisayarlı tomografiyi (BT) computer vision ile birleştiren bir sistemdir. Çatlaklar ve kusurlar gibi dahili kusurları tespit etmek için 3B taramalar kullanır.

Şekil 3. Çatlak ve kusurlu pil elektrot parçacık örnekleri. (onlinelibrary.wiley.com)

Pil üretim sürecinde görü destekli robotik istifleme#

Elektrotlar başarıyla kaplandıktan sonra, sarma veya istifleme kullanılarak pilin iç yapısına monte edilmeleri gerekir. Sarma, elektrot ve ayırıcı tabakaları spiral bir şekle getirirken, istifleme katmanları üst üste düz bir şekilde yerleştirir.

Her iki teknik de genellikle sadece birkaç mikrona kadar inen hassas hizalama gerektirir. Küçük bir kayma, elektriğin pilin içinden nasıl geçtiğini etkileyerek düşük performansa veya daha kısa bir kullanım ömrüne yol açabilir.

Bu doğruluk düzeyine ulaşmak için üreticiler, montaj sırasında robotik kollara rehberlik etmek için computer vision kullanıyor. Yüksek çözünürlüklü kameralar ve 3B sensörler, her katmanın doğru şekilde konumlandırılmasına yardımcı olur ve toz, bükülme veya eğrilme gibi sorunları fark eder.

Bu sistemler, aralık, gerilim ve hizalamayı tutarlı tutmayı mümkün kılarak hem kaliteyi hem de üretim hızını artırır. Bazı durumlarda, robotlar hassas malzemeleri nazikçe işlemek için görsel verilerle birlikte kuvvet sensörlerini de kullanır.

Pil üretiminde kaynak ve sızdırmazlık incelemesi#

Pil hücresi montajı ve paketlenmesi sırasında, sekmeler ve kasalar gibi bileşenler kaynak veya sızdırmazlık yoluyla birleştirilir. Bu birleşimler, elektriksel akışı ve yapısal güvenliği korumak için hayati önem taşır.

En küçük çatlak veya zayıf nokta kısa devrelere, aşırı ısınmaya veya aşırı durumlarda termal kaçaklara (pilin kontrolsüz bir şekilde aşırı ısındığı ve alev alabileceği veya patlayabileceği tehlikeli bir zincirleme reaksiyon) neden olabilir.

Üreticiler bu adımı geliştirmek için termal görüntüleme ile eşleştirilmiş computer vision çözümlerini benimliyor. Bu sistemler her kaynağı gerçek zamanlı olarak tarayabilir; çatlaklar, boşluklar veya zayıf noktalar gibi kusurları kontrol edebilir.

Görsel inceleme yüzey seviyesindeki sorunları yakalayabilse de, bazı kusurlar yüzeyin altında gizlidir veya standart kameraların veya insan gözünün tespit edemediği düzensiz ısı dağılımına neden olur. Termal görüntüleme, ısının kaynak boyunca nasıl yayıldığını göstererek bu gizli sorunları ortaya çıkarabilir, böylece daha sonra arızalara yol açabilecek zayıf bağlantıları veya eksik bağlantıları tanımlamayı kolaylaştırır.

EV pil üretim sürecinde nesne algılama#

Pil üretimi, hassas bir kesme, istifleme, kaynak yapma ve mühürleme sürecini içerir. Her adım dikkatlice zamanlanır ve otomatikleştirilir. Ancak kontrollü ortamlarda bile, küçük yabancı nesneler içeri sızabilir. Pil paketinin içinde kalan gevşek bir vida veya metal parçası kısa devrelere, iç hasara veya yangınlara neden olabilir.

Bunu çözmek için üreticiler, özellikle yabancı nesne tespiti için oluşturulmuş computer vision sistemlerine güveniyor. Bu sistemler, son sızdırmazlık işleminden önce tepsileri ve modülleri taramak için yüksek çözünürlüklü kameralar ve 3B görüş kullanır. Üretim akışını kesintiye uğratmadan hattı durdurarak, bir teknisyeni uyararak veya etkilenen paketi reddederek istenmeyen nesneleri tespit etmek ve anında yanıt vermek üzere eğitilmişlerdir.

Örneğin, EV (elektrikli araç) pil montajında, bilgisayarlı görü, tepsileri son mühürlemeden hemen önce yabancı nesneler açısından incelemek için kullanılır. Bu sistemler, manuel incelemelerin gözden kaçırabileceği yanlış yerleştirilmiş aletleri, gevşek vidaları veya kalıntıları tespit edebilir. Bu sorunları erkenden tanımlayarak, elektriksel arızaları önlemeye, üretim gecikmelerinden kaçınmaya ve güvenlik risklerini azaltmaya yardımcı olurlar.

Şekil 4. Elektrikli araçların montajı sırasında yüksek voltajlı pillerin denetlenmesine bir bakış (Kaynak).

Pil paketlerinin paketlenmesi ve etiket doğrulaması#

Bir pil paketi tamamen monte edildikten sonra son adım, ambalajı ve etiketleri incelemektir. Hasarlı bir mühür, ezik bir kasa veya yanlış basılmış bir etiket ileride sorunlara neden olabilir. Bu sorunlar kontrol edilmezse ürün güvenliğini etkileyebilir, gönderileri geciktirebilir veya düzenleyici başarısızlıklara yol açabilir.

Bu aşamadaki manuel inceleme, özellikle büyük hacimlerde yavaş ve güvenilmez olabilir, oysa bilgisayarlı görü sistemleri aynı kontrolleri hızlı, tutarlı ve daha yüksek doğrulukla gerçekleştirebilir.

Örneğin, bir pil paketinin etiketinde bir yazım hatası olduğunu varsayalım. Nesne tespiti önce etiketin metin içeren kısmını belirleyebilir, ardından içeriği okumak ve doğrulamak için OCR (optik karakter tanıma) teknolojisi kullanılabilir. Bir yazım hatası veya biçimlendirme hatası varsa, sistem hat üzerinde ilerlemeden önce paketi düzeltme için işaretleyebilir.

Pil üretiminde bilgisayarlı görünün avantajları ve dezavantajları#

İşte bilgisayarlı görünün pil üretimini iyileştirme yollarına kısa bir bakış:

• Artırılmış üretim hızı: Otomatik incelemeler, manuel kontrollere göre önemli ölçüde daha hızlıdır ve yüksek hacimli üretim taleplerine ayak uydurmaya yardımcı olur.
• Tutarlı kalite kontrolü: Standartlaştırılmış inceleme modelleri farklı üretim hatlarına ve tesislerine uygulanabilir, böylece nerede üretilirse üretilsin her pilin aynı kalite standartlarını karşıladığından emin olunur.
• Süreç iyileştirmeyi destekler: Her inceleme etkili görsel veriler ve içgörüler üretir. Ekipler, kalıpları tanımlamak, tekrarlayan kusurları ortaya çıkarmak ve üretim sürecini iyileştirmek için bilinçli kararlar almak üzere bu verileri inceleyebilir.

Bilgisayarlı görü çeşitli avantajlar sağlasa da, bu sistemleri benimserken göz önünde bulundurulması gereken birkaç sınırlama vardır. İşte aklında tutman gereken bazı faktörler:

• Veri güvenliği riskleri: Bu sistemler üretim hatlarının ve bileşenlerin ayrıntılı görsellerini yakaladığından, tescilli tasarımların veya süreçlerin sızmasını önlemek için bu verileri korumak esastır.
• Sık kalibrasyon gerektirir: Işıklandırmadaki değişiklikler, titreşimler veya kamera konumundaki hafif kaymalar doğruluğu etkileyebilir. Güvenilirliği korumak için düzenli sistem kontrolleri ve yeniden kalibrasyonlar gereklidir.
• Yansıtıcı malzemelerle zorluk: Pillerde kullanılan metalik folyolar gibi parlak yüzeyler, ışığı tahmin edilemez bir şekilde yansıtabilir. Bu, doğru sonuçlar almayı daha zor hale getirebilir.

Öne çıkanlar#

Bilgisayarlı görü, pil üretimini istikrarlı bir şekilde değiştiriyor. Küçük kusurları tespit etmek, robotik kolları hassasiyetle yönlendirmek, kaynakları ve sızdırmazlıkları incelemek ve son paketlemeyi doğrulamak için kullanılabilir.

Her adım, her pilin yüksek güvenlik ve kalite standartlarını karşıladığından emin olmak için Vision AI tarafından yakından izlenebilir. Bu sistemler manuel kontrollere göre daha hızlı ve daha tutarlıdır, bu da üreticilerin atığı azaltmasına ve maliyetli hatalardan kaçınmasına yardımcı olur. Teknoloji gelişmeye devam ettikçe, bilgisayarlı görünün pil üretimindeki rolünün büyümesi muhtemeldir.

Yapay zeka hakkında daha fazla bilgi keşfetmek için topluluğumuza katıl ve GitHub depomuzu incele. Kendi Vision AI projeni başlatmak istiyorsan, başlamak için lisanslama seçeneklerimize göz at. Çözüm sayfalarımızı ziyaret ederek sağlık alanında yapay zekanın ve perakendede Vision AI teknolojisinin nasıl bir etki yarattığını da görebilirsin.