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
  • 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。
  • Close-up Photography of a Power Tool

    金属加工冲压件表面瑕疵检测解决方案

    金属加工冲压件上可能出现的瑕疵种类繁多且形态不一,油污及水渍更是不易观察。另一方面,金属加工件在取像时的亮度也各有差异,造成AOI瑕疵检测的执行相当不易。金属加工品的品管助手:AI瑕疵检测,经训练的AI模型可轻易检出各式冲压件上的瑕疵,大幅提升产品的表面质量。
  • 半导体晶片封装制程接着剂瑕疵检测解决方案

    固晶接着剂透明,易造成光源折射影响特征判断,且爬胶、溢胶不具固定位置及型态,无法创建规则执行传统光学检测AOI。运用Solomon SolVision AI影像平台技术建立AI学习模块,自动学习并侦测爬胶、溢胶的特征及位置。增加多项正确类别提升辨识强度,有效降低环境因素的干扰。
  • a close-up of a machine

    自动化激光焊接分类暨检测解决方案

    雷射焊接具有不同的焊缝特征。由于产品的焊接位置、样式不尽相同,无法透过传统光学检测辨别焊缝样态,常造成焊接质量不一的情形。应用Solomon SolVision能够以焊缝特征影像训练AI模型,辨识焊接功率及漏焊瑕疵,并可透过深度学习,精准侦测焊缝的鱼鳞纹数量及分布。