咨询热线

13302910083
网站导航
新闻资讯
当前位置: 网站首页>新闻资讯>新一代DIP炉后AOI为企业提高经济效益节约成本

新一代DIP炉后AOI为企业提高经济效益节约成本

时间:2022-06-16 15:31:00 点击次数:46

传统机器视觉是基于规则或者传统算法,能够满足有比较明确特征的检测或测量需求,在处理一致且制造精良的部件时,尚且能可靠运行。但随着缺陷库的增大,算法也变得越来越有挑战性。随着工厂对工艺的要求越来越高,更先进的制程不断出现,传统AO I在缺陷检测方面的局限性逐渐显露。

DIP插件加工的工序为:插件→波峰焊接→剪脚→后焊加工→洗板→品检.在DIP工艺波峰焊炉后焊点检测,焊点缺陷种类多,形态复杂,焊点的形态千变万化,传统AOI算法疲于应付,在实际检测中,会普遍存在以下核心痛点:

(1)操作复杂、调试时间长

波峰焊的焊点形态变化大,传统算法需针对每一类焊点进行调试,大大增加了调试时间。同时,还对人员的熟练程度有要求,一旦人员流动,难以延续设备检测效果,从而影响生产效率。

(2)误判高

传统算法难以兼容焊点的多形态特征,误判比较高,大大增加了操作员复判的工作量。过多的误判,操作员容易疲劳,漏检的风险随之增加。

使用传统算法,不管从颜色提取、灰度计算还是模板匹配等,操作人员可能都不得不为每一类焊点制作一个OK规格,这样就会耗费较多的调试时间。随着不规则的焊点增多,算法也会变得越来越有挑战性。

波峰焊AOI

基于深度学习神经网络模型及海量PCBA缺陷数据,可兼容焊点的形态变化、自动识别焊点位置。爱为视智能波峰焊AOI是一款基于深度学习,算法采用自研深度学习目标检测与异常检测框架的产品,该产品检出率可达99.99%,误判率低于1000PPM。

1.AI算法极简操作。基于深度学习神经网络模型及海量PCBA缺陷数据,可兼容焊点的形态变化、自动识别焊点位置
2.精细化缺陷分类。精准定位缺陷位置,实现缺陷精准分类弥补传统算法粗分类,达到极少人工复判
3.AI模型自主学习进化。自研深度学习训练平台定期收集产线数据,使AI模型不断增量学习,让设备保持高检出
4.高效可靠的数据资产体系。盘活AOI机台数据,规范元数据管理打造有价值、可传承的数据体系

波峰焊AOI产品特点

●高稳定机台设计,高稳定性、高精度、高效率保障设备长期稳定高效的运行
●高精密成像设计,大面阵、高帧率工业相机+高解析度工业镜头+超大光源
●强大的SPC系统,功能丰富,支持多维度统计分析,可扩展为良率分析系统,自动分析生产工艺
●全链条数据追溯,整板拼接,检测结果完整保留条码追溯,100%情景复现
●面向工业4.0,集中管理,支持远程控制

生产是一环扣着一环,任何一个环节出现了问题都会对整体的质量造成非常大的影响,需要对每一个工序进行严格的控制。过硬的大数据技术能力,能进一步利用AOI机台数据发挥效用,在此基础上可扩展不良根因分析、过程品质分析等后续应用,打造闭环数据体系,助力工厂可持续化提升工艺品质。

标签:,,,,

Copyright 2014-2022 苏州迈思泰克精密设备有限公司 版权所有   苏ICP备2021173082

电话:13302910083

      邮箱:sales@lingtest.cn

地址:深圳宝安区松岗田洋一路23号和兴产业智创园1栋2楼