Die Kombination aus bauraumneutral integrierter Sensorik und KI-Funktionalität ist weit mehr als ein technischer Trend – sie markiert einen entscheidenden Meilenstein in der Weiterentwicklung moderner Antriebstechnik.
Die Firma TAS, spezialisiert auf Oberflächentechnik für Automobilkomponenten, setzt bei der Qualitätskontrolle von Batteriefachabdeckungen für Elektrofahrzeuge auf eine Deep-Learning-gestützte Bildverarbeitungslösung.
Für durchgängig automatisierte Pick&Place-Tätigkeiten ist es wichtig, dass Roboter auch unterschiedlich geformte und durchscheinende Objekte sicher greifen können. Deep-Learning-Methoden in einer leistungsfähigen Machine-Vision-Software ermöglichen das sichere Greifen auch bei komplexen Oberflächen. Eine solch anspruchsvolle Anwendung hat das Unternehmen Tekvisa mit Unterstützung der Machine-Vision-Software Halcon von MVTec umgesetzt.
Die Elektromobilität erfordert innovative und automatisierte Fertigungstechnologien, insbesondere bei der Herstellung von leistungsfähigen Hairpin-Statoren für Elektromotoren. Ein zentrales und sicherheitskritisches Qualitätsmerkmal ist die Kriechstrecke, die den kürzesten Abstand zwischen abisolierten Drahtenden beschreibt.Ein neues Verfahren nutzt 3D-Punktewolken zur automatisierten Erkennung und Bewertung dieser Merkmale.