person holding tool during daytime

SolVisionCase Study

汽車車頂銲道氣孔瑕疵檢測解決方案

何在影像亮度不一時執行銲道氣孔瑕疵檢測

車身銲接影響車體美觀與結構品質

汽車車身結構複雜,是由多項金屬沖壓件經銲接、黏接、鉚接等方式連結而成。現代車身材料多為低碳鋼板,故銲接是車身製造過程中最廣泛應用的連結方式。銲接過程中,熔池容易吸收來自內部反應或外部溶解進入的氣體,氣體飽和所形成的氣泡無法在銲接過程中及時排出而殘留在銲道中,形成銲道氣孔瑕疵,可能影響美觀及結構品質。

汽車製造難題:車頂銲道氣孔瑕疵影像

汽車車頂係一流線造型,其銲道具有高低落差,以致各位置取像的亮度不一,隨機生成的氣孔瑕疵也因此具有特徵上的差異,難以針對此類情形訂定規則以檢測銲道氣孔瑕疵。

克服影像亮度影響:模擬影像亮度並訓練AI模型

運用所羅門 SolVision AI影像平台的Segmentation技術,將各種亮度的銲道氣孔瑕疵影像進行標註,藉以訓練AI模型,即能不受影像亮度影響檢測出銲道上各處的氣孔瑕疵。

車頂銲道氣孔檢測案例

正確
NG: 氣孔瑕疵
相關文章
  • 壓花石膏板瑕疵檢測解決方案

    石膏板出廠前,瑕疵情形皆須確實檢出。然而,由於壓花石膏板的外觀特性,瑕疵在複雜背景中模糊,無法以AOI及人眼確實辨識。使用所羅門 SolVision AI影像平台技術,擷取板材上的髒痕、過大壓花圖案以及壓花不清等瑕疵,可確實檢出並定位板材上的瑕疵,具體提升石膏板板材的品質與良率。
  • black and white labeled box

    自動化導線架品質檢測

    導線架表面的各類瑕疵,包含邊緣毛邊、黑點雜質、刮痕等。若使用傳統的AOI檢測,當檢測背景與瑕疵較為相近時,容易發生漏檢的情形。使用SolVision AI瑕疵檢測工具進行學習,以擴增功能增加AI學習範圍,能有效檢測出各類導線架瑕疵,在雜亂或複雜背景中,也能精確辨識有很好的辨識效果。
  • 封裝晶片邊緣微裂瑕疵檢測解決方案

    由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定,以致傳統光學檢測無法精準地將瑕疵檢出,影響整體產品良率。運用SolVision AI影像技術,將影像樣本中的瑕疵特徵予以標註,完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置,大幅降低晶片在後續封裝製程中斷裂的風險。
  • 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!