Este artículo presenta el desarrollo de un sistema de detección de fugas térmicas basado en aprendizaje profundo en la línea de producción de baterías del fabricante neerlandés de automóviles VDL Nedcar. Las fugas térmicas constituyen un importante problema de seguridad que puede provocar incendios, explosiones y emisiones de gases tóxicos, por lo que el desarrollo de un sistema de detección automatizado es crucial. Utilizando datos de imágenes ópticas y térmicas recopilados en la línea de producción, el equipo de investigación simuló una condición de referencia (sin fugas térmicas) y una condición de fuga térmica utilizando una fuente de calor externa y un generador de humo. Se evaluaron tres modelos de aprendizaje profundo: redes neuronales convolucionales superficiales, redes neuronales residuales y transformadores de visión. La capacidad de los modelos para detectar información de características se analizó mediante técnicas de explicabilidad. Los resultados demuestran que el aprendizaje profundo es un enfoque eficaz para la detección de fugas térmicas en las líneas de producción de baterías.
