a couple of microchips sitting on top of a table

SolVision成功案例

電子業

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

  • META-aivi 智能廠務管理

    導入META-aivi智能廠務巡檢系統，利用所羅門先進的機器視覺與人工智慧執行光學字元辨識(Optical Character Recognition, OCR)，以各式字樣的形狀、號碼等影像樣本訓練AI模型，訓練完成的AI模型即可透過鏡頭偵測機台上的數據，自動且即時地將AI判別的數值轉為數位化資訊，並傳送至雲端建立巡檢報表，讓管理者可以便捷的透過行動裝置，一手掌握工廠巡檢狀況。
  • a stack of textile spindles behind a yellow robot arm

    玻璃纖維線軸拆架

    透過使用SolScan和AccuPick 3D實現基於人工智能的機器人 3D 視覺，成功解決了準確識別機架中線軸位置的挑戰。集成到機械臂末端軸上的工業 3D 相機在此解決方案中發揮了關鍵作用。

  • 醫療器材品質控管：安全針頭組裝

    安全針頭為透明或白色的塑膠件，其材質與紋路使得辨識不易，以人眼或AOI方法皆容易造成誤判，導致組裝錯誤卻無法有效檢出。所羅門結合機器視覺與人工智慧，使用SolVision工具，針對白色與透明塑膠件的各種紋路與形狀做AI訓練，有效檢出塑膠件的組裝錯誤，同時提高缺陷檢測的效率。

  • AI檢測螺絲紋面瑕疵

    有螺紋的金屬套件，容易因搬運造成工件碰撞受傷，或在加工過程中留下刀痕，即使搭配強光與顯微設備，以人眼檢測不易，容易發生誤檢與漏檢。使用SolVisionl非監督式檢測工具，可學習刀痕與碰撞瑕疵的特徵，在AI訓練完成後便可輕易檢測出人眼不易辨識的瑕疵，挑出瑕疵物件，讓出貨品質更好。