a couple of microchips sitting on top of a table

SolVision成功案例

積層陶瓷電容製程優化解決方案

被動元件端電極鍍錫層瑕疵檢測

被動元件回焊可靠度的關鍵:端電極鍍錫層外觀完整

被動元件包括電阻、電容、電感等,主要以表面貼裝技術 (Surface Mount Technology, SMT)組裝於電路板上達到儲存或調節電力的功能,其中又以電容的市場規模最大。回焊製程中,被動元件端電極透過外部鍍錫層與電路板上的銲墊連接方能導通電流。因此,端電極鍍錫層的完整性可謂是被動元件回焊可靠度的關鍵。

Detecting defective electrodes on passive electronic components

製程優化困境:SMD電容體積小

SMD電容體積較小,平時拿取已經不易,要觀察缺陷,便需在顯微鏡等級的微觀工具下觀察,且因MLCC非常脆弱,檢測過程也必須非常小心,提高檢測的困難度。

AI缺陷檢測提升高階電子產品良率

使用SolVision的实例切割技術,學習電極上凸出部分的瑕疵形狀及位置,建立AI模型,在AI學習瑕疵特徵之後,即可快速檢測電容凸出部分的缺陷,大幅提升整體製程的良率。

SMD元件檢測案例

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

分布不均

AI Inspection for Surface Mount Devices (SMD)
Uneven distribution
相關文章
  • Car doors painted shiny gray color in assembling workshop

    利用機械手臂進行車門按鈕自動化按壓檢測

    AI視覺技術搭載機械手臂,快速優化車門按鈕檢測,減少人力需求並提升產線運作效益。
  • SMT製程的回焊短路檢測解決方案

    SMT製程回焊過程中,過多錫膏量或是印刷偏移可能導致錫球間短路,過去以人工方式檢測,效率不彰。SMT多餘錫膏在高溫下的流動型態無法預測,難以傳統AOI檢出。運用SolVision AI技術,將SMT製程影像樣本中的回焊短路瑕疵定位並標註,訓練AI模型。可輕易檢出錫球間短路情形。
  • pile of shiny metal bolts

    金屬螺栓AI視覺瑕疵檢測

    SolVision 瑕疵檢測確保每個螺栓僅需 49 毫秒即可實現 100% 的完美缺陷檢測率,解決反射表面難題並消除漏檢。
  • 球柵陣列封裝假銲瑕疵檢測解決方案

    運用SolVision AI影像平台的Instance Segmentation技術,將X光影像中錫球重疊的假銲瑕疵予以標註並藉以執行AI模型的深度學習。經訓練後的AI即可在具背景雜訊、無明顯影像邊緣的條件下,將假銲瑕疵精準檢出。