multicolored electronic part

SolVision成功案例

电源供应器内部线材组接解决方案

电源供应器内部线材组接AI瑕疵检测

电源供应器内部线材组装直接影响良率

电源供应器(Power Supply Unit, PSU)包括整流器、逆变器、变压器等类型,应用于不同电源间的转换。其内部组成包括各式元件、控制、调整及辅助电路等,在组装上常发生线材错接的情形,影响产品良率。

电源供应器内部线路复杂,产品检测难度高

电源供应器内部元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。另一方面,线材属易变形的材质,依组装人员的不同而呈现不同排列、收纳情形。以上因素使人工及传统光学检测皆不易执行,难以于产线端有效管控产品品质。

教导AI精准侦测瑕疵,快速找出不良品

使用所罗门 SolVision 的实例切割技术,依据影像中线材颜色及端子台组接情形定义正确及错误的特征样态并训练AI模型。经训练的AI模型可以精准地侦测并定位线材错接的瑕疵,即时将不良品检出。

电源供应器内部接线位置及缺漏检测案例

接线顺序: 红– 白– 蓝

Wiring position and missing detection case

NG: 接线螺丝缺漏

Wiring position and missing detection case

NG: 接线顺序错误

Wiring position and missing detection case

接线顺序: 红– 白– 蓝– 黑

Wiring position and missing detection case

NG: 接线顺序错误

Wiring position and missing detection case

NG: 接线顺序错误

Wiring position and missing detection case
相关文章
  • 包装密封检测解决方案

    除了判断包装是否密封之外,须进一步确认密封不完全的型态与原因,但因为密封缺陷的型态差异小,且对象表面呈高反光,不论是人眼或AOI皆不易找出缺陷并将之分类。所罗门使用 SolVision工具,由影像定义出密封完好的状态,并与多种缺陷作比较,可实时检出没有密封完整的包装并将缺陷分类。
  • 渐层玻璃瓶瑕疵检测

    渐层玻璃瓶皆经过喷砂制程雾面处理,制作过程常见的瑕疵类型为色泽不均或者瓶身出现黑点,而这些瑕疵因无法明确定义且样式不固定,难以采用AOI方法进行检测。训练完成的AI模型即可快速检出玻璃瓶身各角度之瑕疵分布,并标注出缺陷位置。
  • 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。
  • Man in Black Jacket and Black Knit Cap Inspecting Car Engine

    汽车发动机号码快速读取解决方案

    引擎号码系以烙印方式印刷在引擎上,容易受到干扰,字体、背景明暗不均的情形,不易在产在线快速识别引擎上的编码。运用SolVision AI技术,以不同亮度的影像样本训练执行光学字符识别(OCR),将影像中引擎号码转为数值,实时登录至原厂数据库系统中与车身号码链接。