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
  • 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。
  • 汽车引擎号码OCR字符识别

    借由Solvision AI视觉检测技术,快速、准确识别汽车引擎上的字符,减少人工目视识别错误,提升效率。
  • 积层陶瓷电容制程优化解决方案

    SMD电容体积较小,观察缺陷需在显微镜等级的微观工具下观察,且因MLCC非常脆弱,检测过程也须非常小心,困难度极高。使用SolVision工具,学习电极上凸出部分的瑕疵形状及位置,建立AI模型,在AI学习瑕疵特征之后,即可快速检测电容凸出部分的缺陷,大幅提升整体制程的良率。
  • 饮品包装印刷讯息品质检测及溯源讯息存留解决方案

    运用SolVision AI影像平台的Instance 实例切割技术,以包装良品及具各种瑕疵类型的影像样本训练AI模型。训练完成的模型可实时且迅速地辨识每一反光或透明泡壳的包装及填充情形,并将侦测到的瑕疵予以标注并分类。