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
  • 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。
  • 球柵阵列封装假焊瑕疵检测解决方案

    运用SolVision AI影像平台的Instance 实例切割技术,将X光影像中锡球重迭的假焊瑕疵予以标注并藉以执行AI模型的深度学习。经训练后的AI即可在具背景噪声、无明显影像边缘的条件下,将假焊瑕疵精准检出。
  • pile of shiny metal bolts

    金属螺栓AI视觉瑕疵检测

    SolVision瑕疵检测确保每个螺栓仅需49毫秒即可实现100%的完美缺陷检测率,解决反射表面难题并消除漏检。
  • 塑胶扣具瑕疵检测解决方案

    射出成型的扣具生产上最为常见的瑕疵为脱模剂油污、白点、毛边及残屑,其中属油污瑕疵最难检出。结合SolVision AI影像平台工具,分别针对各类表面瑕疵型态执行深度学习,训练完成的AI模型即可实时检出射出成型时产生油污与在内的各类瑕疵。