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
  • Car doors painted shiny gray color in assembling workshop

    利用机械手臂进行车门按钮自动化按压检测

    AI视觉技术搭载机械手臂,快速优化车门按钮检测,减少人力需求并提升产线运作效益。
  • 自动化蔬菜AI视觉检测

    使用SolVision进行的蔬菜AI视觉检测,可在仅50毫秒内实现了对朝鲜蓟方向的100%准确检测,提高食品生产效率。
  • 饮品包装印刷讯息品质检测及溯源讯息存留解决方案

    运用SolVision AI影像平台的Instance 实例切割技术,以包装良品及具各种瑕疵类型的影像样本训练AI模型。训练完成的模型可实时且迅速地辨识每一反光或透明泡壳的包装及填充情形,并将侦测到的瑕疵予以标注并分类。
  • 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。