black and silver round analog watch

SolVision成功案例

积层陶瓷电容制程优化解决方案

被动元件端电极镀锡层瑕疵检测

被动元件回焊可靠度的关键:端电极镀锡层外观完整

被动元件包括电阻、电容、电感等,主要以表面贴装技术 (Surface Mount Technology, SMT)组装于电路板上达到储存或调节电力的功能,其中又以电容的市场规模最大。回焊制程中,被动元件端电极透过外部镀锡层与电路板上的焊垫连接方能导通电流。因此,端电极镀锡层的完整性可谓是被动元件回焊可靠度的关键。

Detecting defective electrodes on passive electronic components

制程优化困境:SMD电容体积小

SMD电容体积较小,平时拿取已经不易,要观察缺陷,便需在显微镜等级的微观工具下观察,且因MLCC非常脆弱,检测过程也必须非常小心,提高检测的困难度。

AI缺陷检测提升高阶电子产品良率

使用SolVision的实例切割技术,学习电极上凸出部分的瑕疵形状及位置,建立AI模型,在AI学习瑕疵特征之后,即可快速检测电容凸出部分的缺陷,大幅提升整体制程的良率。

SMD元件检测案例

瑕疵凸出

AI Inspection for Surface Mount Devices (SMD)
Protrusions
AI Inspection for Surface Mount Devices (SMD)
Protrusions
AI Inspection for Surface Mount Devices (SMD)
Protrusions

瑕疵凸出

AI Inspection for Surface Mount Devices (SMD)
Uneven distribution
相关文章
  • transparent IV bag on a clear background

    透过AI进行输液袋异物检测

    探索SolVision如何在IV袋中實現100%的異物檢測準確率。了解我們關於醫療保健領域高效AI檢測的案例研究。
  • a close up of a blue and yellow background

    LED基板分区外观品质控管解决方案

    常见的LED基板瑕疵包括边缘毛边、焊垫氧化杂质、刮痕等,在瑕疵特征与背景相近的情况下,AOI检测不易将瑕疵检出。运用SolVision AI影像技术,以各式LED基板上瑕疵影像样本训练,经深度学习的AI即可精准地将瑕疵检出并标注。此外亦可指认瑕疵生成的所属区域,达到分区检测的目的。
  • 包装密封检测解决方案

    除了判断包装是否密封之外,须进一步确认密封不完全的型态与原因,但因为密封缺陷的型态差异小,且对象表面呈高反光,不论是人眼或AOI皆不易找出缺陷并将之分类。所罗门使用 SolVision工具,由影像定义出密封完好的状态,并与多种缺陷作比较,可实时检出没有密封完整的包装并将缺陷分类。
  • 金属外壳瑕疵检测与分类解决方案

    利用SolVision的瑕疵检测工具,做出AI模型Training,针对瑕疵的形状长相建立瑕疵缺陷数据库,将复杂的缺陷人工检测转化成精准度高且规律的检测系统,以深度学习辨识异常并忽略可接受的微小缺陷,有效提升检测精准度及速率,兼顾产品严格的质量要求。