SolVision成功案例

LED PCBA瑕疵检测解决方案

LED金属基板AI瑕疵检测

PCBA heat dissipation and MCPBCs

金属基板(Metal Core PCB, MCPCB)系指具备一层金属合金的印刷电路板,具有导热、散热性质。近年铝基板广泛应用于LED背光、

LED照明、车用基板等,有效降低热源的情况下,大幅提升光效能并降低能源消耗。

PCBA heat dissipation and MCPBCs

PCBA良率难题:元件既多且杂,检测大不易

铝基板上常见瑕疵包括划痕、脏污、pin脚焊点异常、连接器缺损、插针歪斜等。然而由于铝基板上元件复杂且瑕疵种类繁多,必须有更全面且具效率的检测方式以提高产品良率。

AI瑕疵检测,提高PCBA制程良率

所罗门结合机器视觉与人工智能使用 SolVision  AI影像平台的实例切割技术,在影像样本中定位并标注铝基板上的刮痕、脏污等异常及瑕疵情形,透过AI深度学习,即可自动且即时地检出并定位铝基板上的各式瑕疵,大幅提升产线生产效率。

金属基板检测案例

正确

Metal substrate inspection case

刮痕及脏污

Metal substrate inspection case
相关文章
  • 快速精準辨識多種橡膠射出成型之瑕疵

    精准辨识多种橡胶射出成型瑕疵

    橡胶射出成形采用AOI检测塑料缺陷时,由于瑕疵种类及位置多变,易遇橡胶射出瑕疵样品不足使得瑕疵定性定量困难,检测精准度不足。利用SolVision AI瑕疵检测,针对橡胶射出成品瑕疵形状与颜色建立数据库,AI学习可后辨识种类及位置多变的瑕疵。有效解决橡胶射出成品瑕疵不固定的检测问题。
  • pile of shiny metal bolts

    金属螺栓AI视觉瑕疵检测

  • 缎带品质AI检测解决方案

    缎带色彩缤纷的特性使得AOI检测容易因为花纹和颜色变化而发生瑕疵漏检或误判。使用SolVision检测各种颜色、花纹的缎带,能够精确找出裂孔、脱丝等瑕疵的位置、大小及形状,不论是检测速度或是精准度都能达到标准。而透过记录与分析瑕疵的样态,可回溯找出制作过程中的问题所在,改善产品制程。
  • 球柵阵列封装假焊瑕疵检测解决方案

    运用SolVision AI影像平台的Instance 实例切割技术,将X光影像中锡球重迭的假焊瑕疵予以标注并藉以执行AI模型的深度学习。经训练后的AI即可在具背景噪声、无明显影像边缘的条件下,将假焊瑕疵精准检出。