当AI遇见电子制造，这检测效率太震撼了

2024-01-12 14:12

当今电子制造行业质检领域由于产量大、生产工艺管控各异等原因，导致生产厂商在实施零部件的质量检测时，无法通过传统的检测方法来达到降本增效的要求。行业需要更加智能的检测技术来满足高产出、高效率的自动化检测解决方案。

电子制造业检测难点

⊙ 传统手动特征抓取效率低下：随着质量要求的提高，同一批工件在表面尺寸特征的精准抓取上面临挑战；

⊙ 人工抓取一致性差：依赖手动抓取表面特征时，常因失败需要人工确认和重测，导致时间和劳力成本增加；

⊙ 人工抓取工件表面特征时，个人操作差异导致特征质量不一致，影响检测准确性。

海克斯康解决方案

海克斯康的 Metus 软件融合了自主研发的 Hex.AI 技术，其 Hex.AI 算法库融合深度学习和传统计算机视觉图像处理算法，通过前置处理、后置过滤增加缺陷检测的多样性，始终能够从容应对不同缺陷在不同环境下成像后的多元化检测应用场景。

作为一款成熟的复合式影像产品，Metus 已成为多行业解决复杂疑难质量检测问题的有效工具，适合用于绝大部分材料和尺寸的检测任务，无缝对接半导体封装、电子制造、新能源、智能穿戴设备产业、医疗器械等精密检测领域的需求。

AI技术自动化抓取工件表面尺寸特征，满足更高的质量检测标

Metus AI 自动寻找工件表面特征的应用利用了先进的机器学习技术，能够快速准确地识别和定位工件表面各种特征。通过高分辨率相机和图像处理技术，该应用能够捕捉工件表面的微小细节，并利用AI算法进行分析和识别。

新能源汽车电池极片表面毛刺特征抓取

减少传统手动操作失败的重复工作，提高检测效率和准确性

Metus AI 自动寻找工件表面特征的应用适用于多种复杂边界的智能抓取场景，例如点、线、圆、弧等边缘要素的抓取，可替代人工手动操作，检测速度更快，同时减少人工抓边产生的差异性，提升复杂边界抓取的准确性与稳定性。AI检测单个检测要素的效率比人工检测单个检测要素的效率可提升至98.75%。

手动抓取表面特征圆（偏差大）

AI抓取表面特征圆（准确）

实现特征抓取的标准化处理，保证检测结果的一致性和可靠性

相比于传统的机器视觉工件表面特征抓取的技术，AI 自动寻找工件表面特征的精准度远超过人工机器视觉判断的准确度，可实现100%全自动检测并保证亚像素级的检测精度，缓减由于人工判断标准不一致的差异性而导致检测效果的差异性，使得检测结果的一致性和可靠性得到有效保证。

AI 寻边亚像素级检测

结果可追溯

Metus在进行模型训练时，会记录每一个工件表面特征的检测结果，包括检测时间、检测位置、特征类型等信息并可将检测的结果实时输出到数据输出表。用户可追溯AI抓边模型的标注、训练以及检测结果，从而保证检测的质量信息有记录，可查询，可跟踪，协助用户优化生产工艺和流程，提高生产效率和产品质量。

模型标注、训练和检测结果信息追溯

声明： 本文系OFweek根据授权转载自其它媒体或授权刊载，目的在于信息传递，并不代表本站赞同其观点和对其真实性负责，如有新闻稿件和图片作品的内容、版权以及其它问题的，请联系我们。

共0条评论，0人参与

登录登录即可访问所有OFweek服务

请输入评论内容...

请输入评论/评论长度6~500个字

暂无评论

图片新闻