Deep Learning Methods for Detecting Thermal Runaway Events in Battery Production Lines

要約

バッテリー製造の重要な安全性の考慮事項の1つは、熱の暴走であり、温度の制御されていない上昇であり、火災、爆発、有毒ガスの排出につながる可能性があります。
そのため、このようなイベントを検出できる自動化されたシステムの開発は、学業と産業の両方のコンテキストで非常に重要です。
この作業では、オランダの自動車メーカーであるVDL Nedcarのバッテリー生産ラインで熱暴走を検出するための深い学習の使用を調査します。
具体的には、生産ラインからデータを収集して、ベースライン（非熱暴走）と熱暴走条件の両方を表します。
熱暴走は、外部熱と煙の源を使用することでシミュレートされました。
データは、光学画像とサーマル画像の両方で構成され、その後、モデルへの入力として機能する前に前処理および融合しました。
この点で、2つのパフォーマンスメトリック上の浅い畳み込みニューラルネットワーク、残留ニューラルネットワーク、視覚変圧器など、コンピュータービジョンで広く使用されている3つの深い学習モデルを評価しました。
さらに、説明可能性の方法を使用してこれらのモデルを評価して、入力から関連する機能情報をキャプチャする能力に関する洞察を得ました。
得られた結果は、深い学習の使用が、バッテリー生産ラインでの熱暴走検出に対する実行可能なアプローチであることを示しています。

要約(オリジナル)

One of the key safety considerations of battery manufacturing is thermal runaway, the uncontrolled increase in temperature which can lead to fires, explosions, and emissions of toxic gasses. As such, development of automated systems capable of detecting such events is of considerable importance in both academic and industrial contexts. In this work, we investigate the use of deep learning for detecting thermal runaway in the battery production line of VDL Nedcar, a Dutch automobile manufacturer. Specifically, we collect data from the production line to represent both baseline (non thermal runaway) and thermal runaway conditions. Thermal runaway was simulated through the use of external heat and smoke sources. The data consisted of both optical and thermal images which were then preprocessed and fused before serving as input to our models. In this regard, we evaluated three deep-learning models widely used in computer vision including shallow convolutional neural networks, residual neural networks, and vision transformers on two performance metrics. Furthermore, we evaluated these models using explainability methods to gain insight into their ability to capture the relevant feature information from their inputs. The obtained results indicate that the use of deep learning is a viable approach to thermal runaway detection in battery production lines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google