验证电动汽车电池组件是否正确安装，读取弯曲的镜面电池和类似工艺上的直接部件标识 （DPM） 是电动汽车制造面临的严峻挑战。更大的挑战是创建可扩展、适应性强且具有成本效益的解决方案。
Swapnil Talathi 是机器人和自动化公司 Wipro PARI 的机器视觉和设计项目管理负责人，他亲自了解这些挑战。
“我们每天都面临技术挑战，我正在任何特定时间从事许多项目，”他说。
Talathi 和他的团队由 25 名视觉工程师组成，负责管理 11 个国家/地区的汽车和电动汽车生产线上的 700 个机器视觉系统。他们开发自动化解决方案，通过检查组件并使用视觉引导机器人引导零件到位来提高处理量。
汽车制造商不断寻求提高电动汽车生产效率，机器视觉对于跟上市场和消费者需求的步伐至关重要。Wipro PARI 制造解决方案可在 62 秒内组装 EV 电池组。
速度不是电动汽车电池制造的唯一因素。Wipro PARI 解决方案需要保持极高的准确性，并在具有挑战性、不可预测的条件下运行。Talathi和他的团队在实验室开发解决方案，因此他们无法考虑油田的环境因素，如石油，灰尘和低对比度照明。
康耐视机器视觉系统和条码扫描仪帮助 Talathi 及其团队随时随地提供功能解决方案。康耐视系统拥有综合工业协议，可与各种机器人无缝通信，而强大的视觉工具则能够应对不可预测的变量和突然的制造变化。
虽然 Talathi 和他的团队必须应对广泛的挑战和深度，但理想的结果是相同的。他说，客户可以轻松维护成功的解决方案，并适应新的变量。这些是 Wipro PARI 与康耐视合作开发机器视觉解决方案的几个原因。
在一项应用中，Talathi 和他的团队必须为亚洲的一家电动汽车制造商开发验证解决方案。Wipro PARI 的系统使用机器视觉来验证一系列电池模块配置，同时确保线束和母线处于正确位置。
“电动汽车电池组包括许多布线，线束和布线，”他说。“如果它们不正确，电池组可能会有重大故障。这就是机器视觉发挥重要作用的地方。”
类似的应用需要一个解决方案来引导电动汽车电池进入模块，验证极性，并在整个过程中读取直接部件标识（DPM）。 由于模块中单元的位置取决于电池系统的设计，因此验证单元位置和极性对于基于规则机器视觉来说过于复杂。
Talathi 和他的团队将嵌入式基于 PC EtherInspect 视觉软件与强大的视觉工具相结合，并结合康耐视工业相机，将细胞快速引导到模块外壳中，并验证模块的极性。EtherInspect 使 Talathi 的团队能够将多相机连接到一台计算机，从而创建一个标准、成本效益解决方案，从而缩短现场调试时间。利用人工智能 （AI） 技术康耐视边缘学习，该解决方案学会了识别电动汽车电池模块的不同配置。
康耐视帮助 Talathi 和 Wipro PARI 管理全球的视觉系统，并及时提供有效、可靠的解决方案。
“在未来，我们将管理数千个系统，而康耐视肯定会发挥其中的主要作用，”Talathi说。