multicolored electronic part

SolVision成功案例

電子業 | 製造業

電源供應器內部線材組接解決方案

電源供應器內部線材組接AI瑕疵檢測

電源供應器內部線材組裝直接影響良率

電源供應器(Power Supply Unit, PSU)包括整流器、逆變器、變壓器等類型，應用於不同電源間的轉換。其內部組成包括各式元件、控制、調整及輔助電路等，在組裝上常發生線材錯接的情形，影響產品良率。

電源供應器內部線路複雜，產品檢測難度高

電源供應器內部元件及線路多元且複雜，檢測接點時容易受到背景干擾而影響視覺判斷。另一方面，線材屬易變形的材質，依組裝人員的不同而呈現不同排列、收納情形。以上因素使人工及傳統光學檢測皆不易執行，難以於產線端有效管控產品品質。

教導AI精準偵測瑕疵，快速找出不良品

使用所羅門 SolVision 的Segmentation技術，依據影像中線材顏色及端子台組接情形定義正確及錯誤的特徵樣態並訓練AI模型。經訓練的AI模型可以精準地偵測並定位線材錯接的瑕疵，即時將不良品檢出。

電源供應器內部接線位置及缺漏檢測案例

接線順序: 紅 – 白 – 藍

Wiring position and missing detection case

NG: 接線螺絲缺漏

Wiring position and missing detection case

NG: 接線順序錯誤

Wiring position and missing detection case

接線順序: 紅 – 白 – 藍 – 黑

Wiring position and missing detection case

NG: 接線順序錯誤

Wiring position and missing detection case

NG: 接線順序錯誤

Wiring position and missing detection case
相關文章
  • a close up of a blue and yellow background

    LED基板分區外觀品質控管解決方案

    常見的LED基板瑕疵包括邊緣毛邊、銲墊氧化雜質、刮痕等，在瑕疵特徵與背景相近的情況下，AOI檢測不易將瑕疵檢出。運用SolVision AI影像技術，以各式LED基板上瑕疵影像樣本訓練，經深度學習的AI即可精準地將瑕疵檢出並標註。此外亦可指認瑕疵生成的所屬區域，達到分區檢測的目的。

  • META-aivi 智能電子製造

    在製造過程中導入操作簡易的「穿戴式AI」META-aivi，人員可透過AI學習面板上所標示出的正確組件配置圖，立即驗證人員組裝正確性。若偵測到裝配錯誤，META-aivi將立即發出異常警示，提醒人員即時修正，確保物件的品質一致，減少人為疏失。 此外，組裝完成後利用AI做統一流程驗證，即時儲存辨識結果並製成品檢履歷，能有效追蹤料件資訊，建立完整的製程資訊。

  • 襪品外觀缺陷檢測

    襪品瑕疵形態多樣，傳統AOI適合用於整塊布疋的檢測，對於不固定的瑕疵檢測有困難，且容易發生錯殺，仍需人工進行複檢。以SolVision工具完成AI模型的訓練。可快速且精確地找出瑕疵、分類不同瑕疵並剔除不良品，把關產品品質、提升生產效率，透過對瑕疵進行分類與分析，更能夠優化整體製程。
  • Central Processor Of A Computer

    半導體晶片封裝製程，高精度固晶檢測解決方案

    固晶是晶片封裝製程中的重要技術，固晶的精準與否，是半導體封裝產線中產品良率的成敗關鍵。但是傳統光學檢測無法利用撰寫邏輯的方式偵測角度、位移偏差及缺漏等瑕疵，時常造成漏檢、誤判、錯誤定位等缺失，大大影響封裝產線的生產效率。