pile of shiny metal bolts

SolVision成功案例

金属螺栓AI视觉瑕疵检测

客戶

客户是一家总部位于亚洲的螺帽和螺栓制造商。

案例

金属螺栓品质控制

客户寻求一种精确的瑕疵检测解决方案,无论螺栓的位置或方向如何,都能够识别螺栓上的缺陷,例如小凹痕、刮痕、突起粒等瑕疵。

pile of shiny metal bolts

挑战

降低瑕疵检测的误判率

为了防止瑕疵检测中的冗余,每个螺栓都需要从三个不同角度单独分析。 由于生产量较大,客户要求每个螺栓的检测过程在1秒内完成,同时保持至少90%的准确率。

不过,由于螺栓的表面反光,光反射效果易被传统AOI视觉检测误认为是缺陷,使得这项任务变得更加复杂。

解決方案

创新的AI视觉瑕疵检测方案

所罗门设计一款机器人辅助系统,使每个螺栓都能旋转360度,拍摄三张图像以识别任何瑕疵。

为了解决反光表面的挑战,我们在AI视觉检测系统SolVision中训练一个AI模型,并且我们的工程师为客户提供了最佳照明和背景条件的建议,最大限度的减少反射。

这种综合方法实现了快速的检验过程,每个螺栓的检查时间仅为49毫秒,准确率达到100%。

效益

每个螺栓的瑕疵检查周期时间为 49 毫秒。
100% 瑕疵检测准确率。
误判率降低至零。
相关文章
  • 透明点滴袋打印标签辨识分类解决方案

    各式输液皆以透明点滴袋包装,点滴袋上都会清楚注明种类、浓度及容量信息。由于各式点滴袋体上打印卷标位置不一,在产线尚无法以一般光学检测取代人工进行品项分类。所罗门运用SolVision技术,针对点滴袋体上的名称、浓度、容量等影像信息训练AI学习影像特征,可以快速辨识并分类各式输液品项。
  • A Man Fixing a Laptop

    笔电组装零件缺漏与瑕疵检测

    笔电产品零件进入组合与包装程序后,利用人工方式进行配套零件的装配,在执行上下装壳与垂直螺丝组装等工序时,若有零件缺漏将直接影响最终产品质量,进入各通路贩卖后有损公司名誉。导入所罗门SolVision检测提高产品良率及稳定性,能持续优化其检测效力,有效提高产品的质量良率。
  • 晶圆切割刀体外观品质控管解决方案

    晶圆切割系半导体及光电业界非常重要的制程,若无法在切割制程中维持高良率、高效率并保有芯片特性,将大幅影响整体产能。晶圆切割刀的质量控管主要透过外观瑕疵的检测,常见的外观瑕疵包括刀体上的不规则纹路、多钻等情形。由于有环状条纹,形成复杂影像背景,严重影响机器视觉对于瑕疵的侦测。
  • multicolored electronic part

    电源供应器内部线材组接解决方案

    电源供应器内部组件及线路多元且复杂,检测接点时容易受到背景干扰而影响视觉判断。额外使用人工及AOI传统光学检测皆不易执行,难以于产线端有效管控产品质量。经训练的AI模型可以精准地侦测并定位线材错接的电源供应器接线瑕疵,实时将不良品检出。