热界面材料检测

使用深度学习解决方案确保热界面材料TIM 的正确应用

相关产品

In-Sight D900

采用 In-Sight ViDi 技术的深度学习式视觉软件

VisionPro Deep Learning

面向深度学习工业图像分析的图形化编程环境

电池会产生大量的热，因此必须保证散热以避免损坏电池或性能过早下降。电池散热会使用热界面材料 (TIM)。很多 TIM 还有同样重要的电绝缘功能。

应用 TIM 时必须精确，要与基材密切接触。气泡、粘性差和夹杂物等很多缺陷会影响热传导和电绝缘。视觉检测必须能识别安装和应用过程中的各种缺陷，通常会涉及颜色对比度差的材料。电池移到下一步骤后，TIM 即永久隐藏，无法再做进一步的检测。这个阶段出现的错误会给下游厂商产生难以诊断的问题。

基于规则的机器视觉可以准确地检测很多类型的预期问题，例如胶珠、缝隙、安装宽度和其他常见特征，同时康耐视深度学习能够检测所有类型 TIM 的更广泛的安装问题。如果某个电池发生故障，则可将其故障模式关联到已保存的特定 TIM 图像，然后深度学习训练模型即可学习检测这些新错误。