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
  • 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。
  • 透明瓶装液体沉淀物AI自动化检测解决方案

    液体生技药品常以透明瓶装保存,由于透明瓶装的反光特性、受测物沉淀情形不一因素,使瓶装药品的检测无法以一般光学检测取代人力执行。所罗门结合机器视觉与人工智能,运用SolVision AI从数据库中的影像特征判断沉淀情形。透过深度学习技术,可辨识7种不同的沉淀样态,进而判断内容物的质量。
  • 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。
  • 印刷电路板(PCB)元件组装检测解决方案

    印刷电路板(Printed Circuit Board, PCB)是电子装配中最重要的基底,但PCBA上的电子组件种类繁多,包括电阻、电容、晶体管等等。运用SolVision AI影像平台透过训练完成的AI模型,可实时地检出组件缺件或组装错误等异常情形及位置。