Inspección de bobinado de motores eléctricos
Evite los motores ineficientes al detectar posibles errores de bobinado gracias a las soluciones de aprendizaje profundo

Productos relacionados

Impulsado por el software para visión basado en el Deep Learning In-Sight ViDi

Entorno de programación gráfica para análisis de imágenes industriales basado en el Deep Learning
En un motor eléctrico, el cable de cobre aislado se enrolla alrededor de un núcleo para crear o recibir energía electromagnética, transfiriendo esa energía mediante inducción a otra bobina. Estas bobinas también se encuentran en los convertidores. Una máquina enrolla rápidamente estas bobinas.
Los bobinados de los motores de los vehículos eléctricos (EV) son sumamente densos. Cualquier inexactitud en la manera de bobinarlos puede tener un efecto negativo en la eficiencia del motor. Dado el enorme número de bobinados abarrotados en un espacio estrecho, incluso los pequeños errores de bobinado pueden ser notables, aunque difíciles de identificar. El error de bobinado puede ser sutil y producirse en cualquier lugar entre los muchos cables visibles.
No existe una forma eficiente de codificar un sistema de visión artificial basado en reglas para cubrir todas las posibilidades de error de bobinado en cualquier parte de la bobina. La inspección humana tampoco es adecuada para identificar estos errores sutiles en una imagen compleja.
El aprendizaje profundo de Cognex, mediante el uso de una cámara de color, verifica con precisión que el proceso de bobinado se haya realizado sin errores. La herramienta de detección de defectos aprende a partir de un conjunto de imágenes de entrenamiento compuestas por bobinados sin errores e imágenes etiquetadas que presentan una gran variedad de superposiciones, colocaciones incorrectas, cruces y otros posibles errores en varias ubicaciones.