Inspection en temps réel des défauts à la surface des piles à combustible par intelligence artificielle

Les piles à combustible, composants essentiels des véhicules électriques à pile à hydrogène (FCEV), servent de systèmes de conversion d’énergie respectueux de l’environnement qui génèrent de l’énergie électrique et de la chaleur grâce à la réaction chimique de l’hydrogène et de l’oxygène. Les gouvernements locaux coréens sont enthousiastes à l’idée d’investir dans des équipements adaptés pour développer le marché des FCEV, mais ils se heurtent souvent à l’opposition des résidents locaux. Pour apaiser les inquiétudes des citoyens, il est nécessaire de mettre en place une infrastructure capable de garantir à la fois la productivité et la sécurité des piles à combustible à hydrogène.

L’Institut coréen de recherche sur les normes et les sciences a développé une technologie permettant de détecter en temps réel les microdéfauts à la surface des piles à combustible pendant le processus de production.

La technologie nouvellement développée est basée sur l’apprentissage profond et permet des mesures 3D en temps réel. Il peut détecter les défauts de forme de la surface en un seul coup, permettant ainsi une surveillance continue de la qualité du produit sans interrompre le processus de fabrication.

Une méthode de projection de motif en un seul coup est utilisée pour la mesure 3D en temps réel de la forme de la surface. La lumière avec un motif de grille composite dense est projetée sur la surface d’un objet, puis le motif déformé lors de la réflexion est analysé pour obtenir des informations 3D sur les défauts ou les dommages.

Cependant, une limite de cette méthodologie est qu’elle ne peut pas mesurer des surfaces à faible réflectivité ou à divers motifs mixtes. Par exemple, le séparateur de métaux, qui est un composant essentiel des piles à combustible, est difficile à inspecter à l’aide de mesures 3D en temps réel car il est fabriqué en acier inoxydable (SUS) avec une surface inégale.

Pour surmonter cette limitation, l’équipe d’imagerie optique et de métrologie du KRISS a introduit un algorithme d’intelligence artificielle (IA) dans la méthode de projection de motifs. Ils ont utilisé DYnet++, un nouveau réseau d’apprentissage profond développé par KRISS, qui a été formé avec des données de mesure sur des milliers de formes de surfaces. Cela permet à DYnet++ d’effectuer des mesures de morphologie 3D en temps réel de surfaces à faible réflectivité ou de formes complexes.

Pour appliquer cette technologie aux échantillons de piles à combustible, l’équipe de recherche a entraîné davantage l’algorithme d’IA à l’aide de données sur des séparateurs de métaux présentant des défauts de surface. Les résultats des mesures de morphologie 3D montrent que les bosses et les rayures sur les surfaces des échantillons, difficiles à déterminer par une inspection 2D conventionnelle, sont détectées avec succès en une seule fois, car l’algorithme d’IA a acquis les capacités d’application même avec une petite quantité de données.

Des milliers de données d’images avec des motifs complexes arbitraires et leurs formes 3D correspondantes sont acquises et utilisées pour entraîner le réseau DYnet++ conçu. L’apprentissage par transfert est utilisé pour l’analyse des données obtenues dans les nouvelles conditions environnementales, ce qui ne nécessite qu’un dixième de la quantité de données pour modifier le modèle entraîné par rapport à ce qui a été utilisé pour construire l’algorithme initial. Sur la base du modèle modifié, les résultats de mesure 3D pour divers modèles complexes peuvent être prédits.

La technologie développée grâce à ces recherches peut être facilement appliquée à la chaîne de production, quelle que soit la forme ou la taille du sujet à mesurer. Il permet une inspection automatique des défauts même pendant un processus de fabrication comportant des vibrations externes et des changements de température importants. Cette technologie peut contribuer à l’introduction d’usines intelligentes dans divers domaines de l’industrie manufacturière, notamment les piles à combustible, en augmentant la productivité, en améliorant la qualité des produits et en réduisant les coûts.

Le Dr Young-Sik Ghim, chef de l’équipe d’imagerie optique et de métrologie, a déclaré : « Cette technologie peut être utilisée pour l’inspection en temps réel de divers défauts et défauts dans les séparateurs de métaux des piles à combustible. Elle peut non seulement maximiser les performances, mais également améliorer la durabilité et la sécurité des piles à combustible actuellement produites.

L’article est publié dans la revue Transactions IEEE sur l’électronique industrielle.

Fourni par le Conseil national de recherches en sciences et technologies