奥迪将召回1644辆电动车e-tron 新能源界首次陷入“漏电门”

【TechWeb】奥迪第一款量产电动车e-tron由于电池组存在发生着火的潜在风险,奥迪在美国针对其全球首款纯电动SUV车型e-tron发布了第一个召回通知。

据悉,该风险源自于奥迪“e-tron”电池组和充电接头之间一个有缺陷的线束密封件,可能会使电池的一部分密封件容易破裂,导致湿气(水分)进入电池模块的隔间,随着时间推移导致零件腐蚀,严重情况下可能导致电池组短路、甚至引发火灾。

最初,奥迪公司发现了5辆e-tron仪表盘上黄色蓄电池警告灯自动点亮,随后奥迪意识到该问题,通过电话、邮件向车主发布了召回信息。

奥迪周一证实,眼下它正在召回1644辆e-tron车型,其中544辆车已经交付给客户。

不过截至目前,e-tron并未有因此故障而发生严重事故的记录。有些车主反应,如果仪表板上的黄色电池警告灯没有报警,则车辆可以继续使用,直到8月份奥迪拿出有针对性的补救措施之后进行维修。

奥迪提醒e-tron车主:但如果仪表盘上的黄色电池报警灯点亮,则驾驶者应采取 适当措施将车辆停在露天,不要充电并联系救援人员,以便安排将车辆拖到经销商处进行检查。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值