Effektiv skadedetektion för automatiserad och säker återvinning av elfordonsbatterier (eBatRe)

Viktiga resultat som projektet gav

Syftet med denna genomförbarhetsstudie var att undersöka potentialen i att använda AI-baserad computer vision, tränad på syntetiska data, för att upptäcka skador på höljena till elbilsbatteripaket. Målet var att ta batteridemontering och återvinning ett steg närmare fullständig automation. Även om mer tid behövs för att verifiera att AI-modellerna kan prestera tillräckligt bra på verkliga bilder, är våra resultat lovande, och vi kommer att fortsätta utveckla vår lösning.

Långsiktiga effekter som förväntas

Vi har framgångsrikt byggt en mycket flexibel plattform för syntetisk datagenerering. Plattformen, som använder Blender, möjliggör ljusmönsterprojektion en teknik som potentiellt underlättar skadedetektion på godtycklig geometri. Vi har även skapat ett enkelt kontorslaboratorium för att projicera mönster och ta bilder på verkliga objekt, och som imiterar mjukvaruplattformen. Vidareutveckling av denna lösning har potential att öppna för bredare användning av computer vision inom industrin.

Upplägg och genomförande

Arbetet med plattformen för syntetisk datagenerering och kontorslaboratoriet pågick parallellt under större delen av hösten 2023. Flera oväntade utmaningar uppstod, såsom svårigheter att isolera de projicerade mönstren i de syntetiska och verkliga bilderna samt att hitta ett sätt att automatiskt annotera skadorna. Även om välfungerande lösningar hittades för alla dessa utmaningar, var AI-modelleringen, som var planerad att starta i augusti, tvungen att skjutas upp till slutet av november.