a close-up of a machine

SolVision成功案例

自动化激光焊接分类暨检测解决方案

激光焊接特征侦测深度学习技术

激光焊接品质与速度皆优于传统焊接

激光焊接采用高能量密度的激光为热源,使材料迅速熔化、汽化、冷却并凝固连结,具有快速、装置简单、可焊接难熔材料、可执行精密焊接等特性,在生产效率、品质上皆优于传统焊接。
AI deep learning technology for laser welding defect detection

如何分辨焊接品质:焊缝鱼鳞纹特征

激光焊接依功率密度大小区分为激光热传导焊接、激光深熔焊接两类,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的环状分布、漏焊等成品样态,因此产线终端皆是以人工方式执行检测,常造成焊接品质不一的情形。

AI焊缝检测:特征辨识、定位标注、计数一站完成

应用Solomon  SolVision  AI影像平台的分類及实例切割技术,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。

焊接计数与瑕疵检测案例

OK: 焊接完整且数量正确

Automating Laser Welding Inspections

NG: 焊接不完整且数量错误

Automating Laser Welding Inspections
相关文章
  • black and white labeled box

    自动化导线架品质检测

    导线架表面的各类瑕疵,包含边缘毛边、黑点杂质、刮痕等。若使用传统的AOI检测,当检测背景与瑕疵较为相近时,容易发生漏检的情形。使用SolVision AI瑕疵检测工具进行学习,以扩增功能增加AI学习范围,能有效检测出各类导线架瑕疵,在杂乱或复杂背景中,也能精确辨识有很好的辨识效果。
  • 不锈钢管字符辨识解决方案

    目前仍采用人力进行自行车车身号码的辨识与登录,耗费人工且效率低,若使用AOI进行字符辨识,因不锈钢管表面为圆弧曲面,打光容易造成反射,不论以人工或者AOI检测,针对曲面、反光不锈钢管上字样的辨识皆较为困难。所罗门结合机器视觉与人工智能,对于光学字符识别可以得到极佳的辨识效果。
  • a close up of a blue and yellow background

    LED基板分区外观品质控管解决方案

    常见的LED基板瑕疵包括边缘毛边、焊垫氧化杂质、刮痕等,在瑕疵特征与背景相近的情况下,AOI检测不易将瑕疵检出。运用SolVision AI影像技术,以各式LED基板上瑕疵影像样本训练,经深度学习的AI即可精准地将瑕疵检出并标注。此外亦可指认瑕疵生成的所属区域,达到分区检测的目的。
  • green bottle lot

    玻璃酒瓶霉斑脏污检测方案

    为落实环保,酒商皆启动玻璃瓶容器回收再利用的机制。但玻璃酒瓶内缘之霉斑脏污,即使经过清洗消毒仍然容易残留,人眼不易看出霉斑。SolVision以酒瓶影像训练AI,学习霉斑脏污的位置与颜色,自动辨识霉斑脏污特征,在清洗产在线快速找出有霉斑、脏污的酒瓶汰除,让回收再利用酒瓶维持质量。