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>高良率低错杀DIP炉后AOI让生产效能更优异

高良率低错杀DIP炉后AOI让生产效能更优异

时间:2022-06-21 07:16:00 点击次数:3

基于机器视觉技术的AOI自动光学检测技术发展至今,在DIP插件和SMT贴片电子制造领域为产品质量保障提供了强大的助力,早已成为必要的质检自动化手段。然而,随着产品的复杂性和产线效率的提升,传统AOI技术的局限性变得愈发明显,包括AOI自动检测壁垒高、编程困难、操作复杂、面对各类缺陷种类的传统算法调试时间长、对人员的要求更高,误判率高等一系列痛点。

可喜的是,随着AI人工智能领域的快速发展,结合AI的AOI技术迎来了新的突破,结合深度学习能力的AOI检测设备正成为解决电子制造检测难题的关键思路。深度学习,是一个强有力的用于神经网络学习的众多学习算法的集合。神经网络按照输入层、隐藏层和输出层根据网络类型进行连接即组成深度神经网络,隐藏层的层数和功能模块决定神经网络的深度和类型,如FNN、CNN、RNN和GAN等。深度学习的过程就是先将训练集带标签的数据输入到神经网络,经过每层神经网络处理后,以达到输出结果与期望值的误差最小化,即损失函数最小化(损失函数通常被用来衡量实际行为和期望行为的偏差),其过程主要是通过前向传播、BP算法、损失函数来迭代更新权重和偏置。AOI的视觉算法中也用到非常多的矩阵乘法和卷积运算,因为GPU可以高效地处理矩阵乘法和卷积运算,可以预见,GPU会越来越多地被用于AOI,以提高逻辑运算的效率。

与其他传统AOI解决方案对比,迈思泰克DIP波峰焊炉后AOI搭载着AI深度学习神经网络模型,该模型是集合了海量缺陷数据,可自动从图片中提取缺陷特征,有效解决传统算法无法提取关键缺陷特征的问题。通过AI模型,自动识别焊点位置,一个检测框即可覆盖各类缺陷的检测,大大缩短了调试时间。10分钟之内便可完成程序的制作。训练出的可兼容焊点形态变化、高泛化模型,能切实解决传统AOI在编程/调试时间过长、误判过高、因人而异的操作结果等核心痛点。最大的检测尺寸(5050到510510mm),以及兼容不同高度的产线。与普通的AOI对比,迈思泰克DIP AOI通过AI模型,自动识别焊点位置,一个检测框即可覆盖各类缺陷的检测,将之前1-2小时的产品换型时间缩短为10分钟.基于深度学习的焊点识别,可精准定位缺陷位置,对多种形态各异的焊点做出准确的判断,解决传统算法仅对缺陷进行OK/NG粗分类问题。迈思泰克DIP波峰焊炉后AOI检出率可达到99.99%,误判率低于0.3%

AI技术虽然已经在AOI图像处理中得到广泛应用,但检修环节依然有巨大的应用场景和空间,尤其在AI算法快速迭代的今天,未来的检修系统将是集成各种AI算法的智能检修系统。

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