SolVision成功案例

LED PCBA瑕疵檢測解決方案

LED金屬基板AI瑕疵檢測

PCBA的導熱、散熱良方:金屬基板

金屬基板(Metal Core PCB, MCPCB)係指具備一層金屬合金的印刷電路板,具有導熱、散熱性質。近年鋁基板廣泛應用於LED背光、LED照明、車用基板等,有效降低熱源的情況下,大幅提升光效能並降低能源消耗。

PCBA良率難題:元件既多且雜,檢測大不易

鋁基板上的主要瑕疵包括刮痕、髒汙、Pin腳銲點異常、連接器缺損、插針歪斜等,過去多以人工目視方式將瑕疵檢出。然而由於鋁基板上元件複雜且瑕疵種類繁多,必須有更全面且具效率的檢測方式以提高產品良率。

AI瑕疵檢測,提高PCBA製程良率

所羅門結合機器視覺與人工智慧使用 SolVision AI影像平台的 Segmentation技術,在影像樣本中定位並標註鋁基板上的刮痕、髒污等異常及瑕疵情形,透過AI深度學習,即可自動且即時地檢出並定位鋁基板上的各式瑕疵,大幅提升產線生產效率。

金屬基板檢測案例

正確
刮痕及髒污
相關文章
  • 細胞病變辨識及分類解決方案

    切片顯微影像中細胞的外觀不固定,細胞病變發生的位置、型態也十分隨機,導致每位醫師對於癌細胞的判斷及圈選標準不盡一致,更無法透過傳統光學檢測以撰寫邏輯方式判斷癌細胞的型態。資料擴增結合AI深度學習技術可以更快速準確地判讀細胞特徵!
  • 漸層玻璃瓶瑕疵檢測

    漸層玻璃瓶皆經過噴砂製程霧面處理,製作過程常見的瑕疵類型為色澤不均或者瓶身出現黑點,而這些瑕疵因無法明確定義且樣式不固定,難以採用AOI方法進行檢測。訓練完成的AI模型即可快速檢出玻璃瓶身各角度之瑕疵分布,並標註出缺陷位置。
  • 晶片承載盤檢測解決方案

    晶片承載盤是半導體加工製程的關鍵要素,晶片承載盤的輪廓與定位孔點常因作業造成瑕疵,過去多透過AOI光學檢測方式予以檢查。然而承載盤不易透過AOI檢出並定位瑕疵,嚴重影響良率及生產效率。運用SolVision AI影像技術執行缺陷檢測,以利使用者即時監測並排除承載盤異常。
  • 快速辨識輪胎內胎印刷編碼

    輪胎在製程的環節經歷許多高壓、高負荷與高溫差的工序,使內胎表面字跡模糊且刷色深淺不齊,影響內胎編碼的辨識度,不利於人工辨識與傳統AOI檢測。利用SolVision工具,針對輪胎內胎編碼的數字與形狀進行拍攝,進行AI模型訓練,能成功辨識,有效改善編碼辨識的正確率。