Soluzioni di Machine Vision con Deep Learning per l’industria automobilistica

Le soluzioni di Machine Vision con Deep Learning stanno incuriosendo l’industria automobilistica. 

Zebra Technologies Corporation, fornitore di soluzioni digitali che consentono alle aziende di connettere in modo intelligente dati, beni e persone, ha infatti svelato come il proprio consolidato portafoglio di soluzioni hardware e software per la machine vision soddisfi i requisiti di automazione, qualità e conformità per l’ispezione di veicoli elettrici e batterie in occasione del Battery Show Europe che si è appena tenuto a Stoccarda, in Germania.

Soluzioni di Machine Vision con Deep Learning per l’industria automobilistica

I visitatori hanno potuto vedere da vicino come utilizzare i software di machine vision con deep learning, applicare tecnologie 2D e 3D e la robotica con guida visiva di Zebra e del suo partner ID Engineering, per abilitare nuovi livelli di ispezione visiva volti a verificare la qualità, la sicurezza e la conformità durante il processo di produzione delle batterie elettriche.

Il software e le telecamere di machine vision con deep learning, nonché i sensori 3D, possono essere utilizzati per l’ispezione delle celle e dei loro componenti, delle pile e durante il processo di assemblaggio dei moduli, dei gruppi batterie e dei coperchi dei vassoi.

“I produttori di batterie e di veicoli elettrici stanno implementando soluzioni di machine vision con deep learning per aumentare l’efficienza grazie all’automazione industriale fornita da Zebra e dai suoi partner”, ha affermato Rudolf Schambeck, Senior Manager, Machine Vision, Germania, Zebra Technologies.

“Nel settore delle batterie elettriche, queste soluzioni si contraddistinguono nei casi d’uso che richiedono un’ispezione più avanzata di superfici e tessuti come sedili e interni di auto, rilevamento di anomalie con ampie variazioni, classificazione, segmentazione e guida robotica”, ha aggiunto.

Batterie elettriche, essenziali per la transizione ai veicoli elettrici

Le batterie elettriche sono essenziali per la transizione ai veicoli elettrici. I ricercatori stanno studiando nuove innovazioni basate sulla composizione del litio, quali batterie allo stato solido e batterie agli ioni di sodio più compatte, leggere e con ricarica più rapida.

Sono necessarie una serie di tecnologie all’avanguardia per supportare questi sviluppi lungo tutta la catena di approvvigionamento, che garantiscano la qualità e la conformità dei materiali, dei componenti e delle batterie assemblate e permettano di ridurre al minimo i tempi di fermo sulla linea di produzione.

“Collaboriamo con un fornitore di batterie, che lavora per un produttore mondiale di auto di lusso e ad alte prestazioni, che ha deciso di implementare il software di deep learning Aurora di Zebra all’interno di una soluzione per l’ispezione e l’assemblaggio di batterie elettriche“, ha affermato Tobias Butscheid, Chief Operating Officer, ID Engineering, che sarà presente presso lo stand di Zebra.

“In un settore così competitivo, con requisiti normativi, ambientali e dei consumatori molto elevati, è essenziale che i produttori di batterie elettriche collaborino con partner esperti, in grado di fornire soluzioni affidabili per ottenere i risultati di cui hanno bisogno” ha concluso Tobias Butscheid.

L’AI (e il deep learning) nei progetti di machine vision

Secondo lo studio AI Machine Vision in the Automotive Industry condotto da Zebra nel 2023, il 56% dei dirigenti aziendali del settore automobilistico intervistati nel Regno Unito e il 43% in Germania stanno già utilizzando alcune forme di intelligenza artificiale – come il deep learning – nei propri progetti di machine vision, mentre circa il 20% si sta informando su queste tecnologie o ne sta valutando l’implementazione.

Le case automobilistiche e i fornitori di batterie per veicoli elettrici stanno implementando soluzioni di machine vision per ispezionare il rivestimento delle superfici, rilevare i difetti nelle celle, leggere codici a barre e numeri di serie, garantire la corretta applicazione di adesivi e perle termiche ed effettuare il controllo qualità dei gruppi batteria assemblati.

La machine vision viene utilizzata anche nelle soluzioni robotizzate adibite al prelievo, smistamento e assemblaggio dei materiali, in cui la telecamera e il software di machine vision guidano le azioni del braccio robotico.