산업›EV 제조

EV 제조를 위한
Vision AI

EV 배터리의 품질보증 및 안정성 확보가 제조사의 주요 경쟁요인으로, 이에 제조 공정에서 제품의 내부까지 검사하는 3D In-Line Inspection 기법이 도입되고 있습니다.

3D In-Line Inspection을 위하여, Denoising / SR 등 딥러닝 기반의 데이터 처리 기술과 배터리 셀 내부 결함을 탐지하거나 분류하기 위한 모델이 현장에 적용되고 있습니다.

도입 문의하기

EV 제조

적용 사례

EV 배터리 셀 결함(세그멘테이션) 및 결함 규모 평가를 위한 후처리 모델

풀어야 할
문제 및 니즈

  • In-Line 형태의 인스펙션 공정으로 데이터 수집을 위한 Takt Time이 감소하여 데이터 품질이 낮아지는 이슈 발생
  • 배터리 팩의 다양한 결함에 대하여 유형을 분류하거나 결함의 위치를 추적하는 기술 필요
  • 배터리의 결함에 대한 정도 판단을 위하여 전극의 휨 정도를 정량적으로 분석하는 기술 필요

문제 해결 방법 및
적용 기술

  • Takt Time 감소의 이슈를 해결하기 위하여 스누아이랩 이미지 복원- SIRNet으로 처리된 기술(SIRNet, SNUAILAB Image Restoration Network) 적용
  • 이미지에서 결함의 위치와 부분을 확인할 수 있도록 지원하는 스누아이랩 인스펙션 모델(SINNet, SNUAILAB Inspection Network)을 적용하여 베터리 셀 데이터 학습
  • 배터리셀 내부 휨 정도를 정량적으로 분석하기 위한 Post Processing Model 개발 및 적용

기술 적용 결과

  • SIRNet — 복원 전(원본) / 복원 후
  • SINNet + 후처리 — 시맨틱 세그멘테이션 / 세그멘테이션 + 후처리

다양한 산업에 적용된
스누아이랩의 AI 기술이 궁금하신가요?

산업 특화 AI 솔루션을 도입하여
비즈니스 가치를 극대화 해보세요.

도입 문의하기