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。
来源：第一电动网
作者：盖世汽车
本文地址：https://www.d1ev.com/news/shichang/236360
以上内容转载自盖世汽车，目的在于传播更多信息，如有侵仅请联系admin#d1ev.com(#替换成@)删除，转载内容并不代表第一电动网（www.d1ev.com）立场。
文中图片源自互联网，如有侵权请联系admin#d1ev.com（#替换成@）删除。
先估价再买车，买的放心开的安心
您的询价信息
已经成功提交我们稍后会联系您进行报价!
京公网安备
11010502033163号