盖世汽车讯 据外媒报道,韩国科学技术院(KAIST)与韩国电子与电信研究所(ETRI)和美国德雷塞尔大学(Drexel University)合作,开发出了一种利用卷积神经网络(CNN)预测NCM正极材料主要元素组成和充放电状态的方法,准确率高达99.6%。该方法采用图像识别技术,仅通过检查电池的表面形貌,就能利用人工智能学习准确确定电池的元素组成和充放电次数。相关论文发表在期刊《npj Computational Materials》上。
研究团队指出,虽然扫描电子显微镜(SEM)在半导体制造中用于检查晶圆缺陷,但它很少用于电池检查。SEM仅在研究现场用于电池分析颗粒大小,并且在电池材料劣化的情况下,从破碎的颗粒和破损形状来预测可靠性。
研究团队认为,如果可以在电池生产过程中像在半导体制造中一样使用自动化SEM检查正极材料的表面,以确定其是否按照所需的成分合成,并且使用寿命可靠,从而降低缺陷率,这一举措将具有开创性。
*特别声明:本文为技术类文章,禁止转载或大篇幅摘录!违规转载,法律必究。
本文地址:https://auto.gasgoo.com/news/202407/4I70397923C409.shtml
好文章,需要你的鼓励
联系邮箱:info@gasgoo.com
求职应聘:021-39197800-8035
简历投递:zhaopin@gasgoo.com
客服微信:gasgoo12 (豆豆)
新闻热线:021-39586122
商务合作:021-39586681
市场合作:021-39197800-8032
研究院项目咨询:021-39197921