驾驶电动汽车的经济实惠性：AI 和机器视觉如何降低成本
电动汽车 (EV) 将会继续存在。越来越多的制造商致力于减少汽车排放，实现碳中和，并在其产品线中引入更多的电动汽车 (EV)。
受政府激励措施推动（如减免税、向国内制造业投资以及设立更多新电动汽车销售目标），消费者对电动汽车的需求也在增长。但是大规模采用电动汽车的道路还很漫长；据路透社报道，在美国 2.5 亿辆商用车中，只有不到 1% 是电动汽车，每年仅售出 1700 万辆新车。
价格过高阻碍增长
消费者遇到的最大障碍之一是价格过高。电动汽车的维护和燃料成本可能比油车低，但尽管有减免税措施，如《通货膨胀削减法案 (Inflation Reduction Act)》和其他激励措施，电动汽车的前期成本仍然会吓跑驾车者。
虽然电动汽车的平均交易价格 (ATP) 在下降，但电车仍然比内燃机汽车 (ICE) 贵。去年年底，凯利蓝皮书 (Kelly Blue Book) 估计新电动汽车的 ATP 为 61,448 美元，比 45,578 美元的非豪华车高出约 34%。
福特汽车公司首席执行官 Jim Farley 表示，这一趋势可能会持续至 2030 年。在 2023 年 5 月的一次投资者会议上，Farley 表示，在本十年晚些时候发布第二代和第三代车型之前，电动汽车的价格预计不会下降。
打到底线的竞争：电池价格越低，市场份额越高
电动汽车的高成本阻碍了电动汽车的普及，并最终限制了市场中汽车和电池的数量。随着国家鼓励购买电动汽车和制造竞争的加剧，激励电动汽车生产商和供应商降低成本，并将更低的价格传递给消费者。例如，据《投资者商业日报 (Investors Business Daily)》报道，特斯拉在 5 月份将特定车型降价 2800 美元，旨在获得更多的市场份额。
特斯拉首席执行官埃隆·马斯克在 5 月的年会上表示，“就这么简单，我们看到了需求是什么，然后我们就调整定价来满足需求。”
电动汽车的两个重要成本中心是电池和劳动力。据路透社报道，锂离子电池组占电动汽车价格的 50%，需要价格昂贵的稀有材料，如钴、镍和锂。据《福布斯》报道，这些金属的价格波动很大，并受到主要电动汽车和金属生产国政策变化等因素的影响。
金融服务公司 Morningstar 预计，随着对电动汽车需求的增长，锂价格将持续上涨，直至 2030 年；新的锂生产商像任何大规模企业一样，通常会面临延期。
而劳动力成本则更加印证了这一观点。Fords Farley 预计，电动汽车将更容易制造，并会配备更小的电池，而电池采用的材料也会更为经济，从而在 2030 年至 2035 年之间降低劳动力成本。
转向成本节约
电动汽车制造商和电池供应商被迫降低成本。降低成本最可行的方法是将复杂、耗时的电动汽车电池检测和手动流程实现自动化。
机器视觉和 AI 对于制造自动化、提高效率、质量控制和降低成本至关重要。机器视觉利用摄像头和传感器捕捉和分析视觉数据，而 AI 则会解释这些数据，以解决复杂而具有挑战性的检测。
区分可接受的缺陷和真正的缺陷
这些技术可减少检测次数、降低废品率和识别细微缺陷，确保电池质量和效率，从而降低电动汽车电池的成本。
识别缺陷对于电动汽车电池的安全性和性能至关重要。缺陷探测是一项基本功能，但是许多流程属于耗时、资源密集型流程，且并不可靠。将外观瑕疵归类为功能性缺陷这样的错误代价高昂；这可能意味着废弃昂贵、稀有的金属和元素。
为了最大限度减少浪费和返工，康耐视利用先进的算法和图像分析软件，在电动汽车电池生产过程中将真正的缺陷与表面瑕疵区分开来。使用深度学习技术，用户可以对视觉系统进行编程，以检测缺陷，确定缺陷是否在可接受的变化范围内，并标记不可接受的缺陷，同时考虑反射表面等变化。
电池焊接评估
检测电动汽车电池焊缝对于电动车结构完整性和性能至关重要。传统视觉系统几乎无法区分外观性缺陷和功能性缺陷，因为它们的外观几乎完全相同。
康耐视软件可定位检测区域，而 3D 传感器能够检测焊接边缘和拐角，确保完全密封且无缺陷。基于深度学习的缺陷探测和分类工具学习了各种焊接变化，并学习准确分类和区分功能性缺陷和外观性缺陷。
电池单元、软包和电池筒表面检查
彻底的表面检查对于消除可能影响电池性能的缺陷、污染物和异常至关重要。机器视觉系统可以检测划痕、凹痕或异物等缺陷，从而提高电动汽车电池的整体质量。
电极涂层检测
电极涂层的均匀性和质量对电动车电池的性能有很大的影响。精确的机器视觉解决方案可检测电极涂层，识别出不一致或缺陷。这可确保涂层厚度均匀、质量稳定，从而提高电池性能和寿命。
康耐视工业线扫描相机非常适合“纹理”表面检测，可保证薄膜基材的铜和铝涂层均匀。
正在结束
利用机器视觉和 AI 解决方案对于电动汽车制造商应对挑战、提高效率和生产质量至关重要。制造商采用这些技术可以降低成本，提高生产率，加快电动汽车的普及。
如需在电动汽车制造中实施机器视觉和 AI 的详细信息，请下载下方电动汽车解决方案指南。
