基于深度学习的缺陷模型库,快速学习各类瑕疵的缺陷特征,生成符合需求的AI检测算法,实现对电池外观缺陷精确准识别,可稳定检测0.1mm以上的不良,实现产品全方位流程实时监控与质量检测,有效提高生产工艺及生产效率。
2022年3月21日 · 本项目针对锂离子电池精确确状态评估与安全方位管理方面的难题,研制了具备消防预警联动功能的电池智能管理系统,基于精确确的电池物理模型和电池多维状态感知能力来实现电池热失控的早期识别,并与消防预警系统形成联动,做到提前预警、及时保护。
2024年7月8日 · 视觉检测系统运用深度学习技术检测锂电池瑕疵,其原理在于通过海量缺陷图像数据训练AI模型,提取并分析锂电池表面的缺陷特征,实现高效、精确的瑕疵自动识别和精确确分类,这一技术极大提升了瑕疵检测的效率和精确性,它大幅提升了瑕疵检测的效率和
2024年10月10日 · 该成果是一套基于人工智能和机器视觉的高速智能检测系统,可完成原电池、纽扣电池的全方位尺寸、正负极表面缺陷、灌装缺陷等高精确度、高速在线检测、缺陷电池实时剔除,包括电池正负极表面缺陷检测、电池全方位尺寸高精确度检测、锌膏灌装质量检测3个子系统
该技术能实现电池组内电芯级容量一致性非接触无损检测。 相关研究成果以"In Situ Detection of Lithium-Ion Battery Pack Capacity Inconsistency Using Magnetic Field Scanning Imaging"为题,于2022年1月13日发表在Small Methods上,并被Advanced...
2020年9月24日 · 华中科技大学副教授,长期从事锂离子电池SoC/SoH测量技术和电池管理系统的研发工 作,发表学术论文30余篇。 持国家自然科学基金面上项目1项,青年项目1项,博士
2023年4月5日 · 加强储能电池多维度安全方位测试技术、热失控安全方位预警技术和评价体系的开发与应用,突破电池安全方位高效回收拆解、梯次利用和再生利用等技术。 储能系统智能预警安防中指导意见：
对我们的先进光伏储能解决方案感兴趣吗？请致电或发消息给我们以获取更多信息。