良品学习在高良率制造业中缺陷检测的应用

描述

电子制造行业正逐步迈向高度“数智化”时代,越来越多的企业开始采用AI机器视觉技术进行缺陷检测和品质管控。

 

由于良品率极高,在大量正常的产品中,收集缺陷样本既耗时又低效。而模拟制造缺陷品也绝非易事,产品缺陷形态多变,还可能出现各种无法预测的异常情况,传统的缺陷模拟方法往往难以应对,这无疑增加了检测的成本和难度。

 

 

 

良品学习

 

 

 

阿丘科技的良品学习模式,拥有非监督分类与非监督分割两大功能,无需缺陷样本,通过学习良品的共性特征,即可自动识别异常,找出不良品

 

此功能经由真实工业场景打磨,已落地部署并批量复制,惠及电子制造行业各类生产工艺的品质管控。

 

 

只训练良品图,缩短样本收集和模型上线的时间

 

具有防呆效果,适用于检测无法预测的未知缺陷

 

精度准确率高,可检出低至 7*7 像素的细小缺陷

 

 

 

经典应用集锦

 

 

 

电子制造业涵盖丰富多样的产品品类,其工艺流程复杂且精密,涉及众多关键组件。阿丘科技的AI良品学习算法和方案,帮助工厂解决缺陷样本难收集问题,有效检出产品的细小缺陷和形态随机的未知异常

 

 

 

01

5G通信-端子外观缺陷检测

精确检出所有外观缺陷,项目落地后实现0漏检。

 

制造

 

 

 

02

电子元器件-激光光路检测

检出激光杂斑、多光线等缺陷,已部署上线,完成批量复制。

 

制造

 

 

 

03

半导体-LED晶圆检测

检出残胶、表面凸起、针痕、DBR污染、边缘崩边等10+种缺陷。

 

制造

 

 

 

04

线材-线芯缺陷检测

检出短路无芯片,焊接不良连锡,太靠边线皮,退锡不良未上锡,芯片偏移等15+种缺陷。
 

 

制造

 

 

 

05

FPC-电极缺陷检测

检出划痕、破损、褶皱、脏污等缺陷。

 

制造

 

 

如果您正面临缺陷图片难收集的问题,阿丘科技的良品学习算法和方案正是您的理想之选。

 

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分