black and silver round analog watch

SolVision成功案例

积层陶瓷电容制程优化解决方案

被动元件端电极镀锡层瑕疵检测

被动元件回焊可靠度的关键:端电极镀锡层外观完整

被动元件包括电阻、电容、电感等,主要以表面贴装技术 (Surface Mount Technology, SMT)组装于电路板上达到储存或调节电力的功能,其中又以电容的市场规模最大。回焊制程中,被动元件端电极透过外部镀锡层与电路板上的焊垫连接方能导通电流。因此,端电极镀锡层的完整性可谓是被动元件回焊可靠度的关键。

Detecting defective electrodes on passive electronic components

制程优化困境:SMD电容体积小

SMD电容体积较小,平时拿取已经不易,要观察缺陷,便需在显微镜等级的微观工具下观察,且因MLCC非常脆弱,检测过程也必须非常小心,提高检测的困难度。

AI缺陷检测提升高阶电子产品良率

使用SolVision的实例切割技术,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。

SMD元件检测案例

瑕疵凸出

AI Inspection for Surface Mount Devices (SMD)
Protrusions
AI Inspection for Surface Mount Devices (SMD)
Protrusions
AI Inspection for Surface Mount Devices (SMD)
Protrusions

瑕疵凸出

AI Inspection for Surface Mount Devices (SMD)
Uneven distribution
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。
  • 钱币面额智能化计算解决方案

    许多制币厂试图以视觉技术进行钱币的筛选,使用SolVision的Feature Detection工具,学习钱币在各种亮度、脏污与氧化程度的影像数据,不仅可分辨图案相同但面额不同的钱币,亦可正确辨识出各国钱币,并实时计算出各国钱币的总面额。
  • 物料管理优化方案,提高产品标签辨识度

    电子产业中,如果料号标签无法辨识会大幅降低作业效率。卷标字体印刷不良卷标上的字体在印刷过程容易产生不规则的细微瑕疵,使得AOI难以辨识。利用SolVision进行缺陷以及字符辨识之AI深度学习,即便卷标字体出现不规则的缺陷仍能正确辨识,大幅降低物料管理的成本支出,提高库存管理正确性。