SolVision成功案例

精准辨识多种橡胶射出成型瑕疵

AI视觉检测系统自主学习,强化塑料瑕疵辨识能力

橡胶射出成型不良原因

在橡胶射出的制程中,原料品质、机台规格、模具设计到射出参数调整皆影响射出成型结果。常见射出成型的瑕疵以表面外观及尺寸差异为主,如:污点、缺料、模具压伤,或者因刮除橡胶溢出时伤及产品造成的缺陷。

传统人力与自动光学检查辨识瓶颈

采用传统自动光学检查检测塑料缺陷时,由于瑕疵种类及位置多变,易遇瑕疵样品不足使得瑕疵定性定量困难,导致检测精准度不足,若退而维持人工,检测速度相对缓慢且品质不一致,在辨识上依旧困难重重。

橡胶射出成型品质关键,提升瑕疵辨识的精准度

利用SolVision的实例切割技术,针对橡胶成品的瑕疵形状与颜色建立瑕疵资料库,再利用AI学习瑕疵的特征,可辨识种类及位置多变的瑕疵。随着学习影像的增加,亦持续优化AI视觉检测的能力,显著提升橡胶瑕疵辨识的精准度,有效解决橡胶成品瑕疵不固定的检测问题。

瑕疵种类案例

切口不平整

Improve defect identification with AI-powered visual inspection
Uneven Incisions

缺料

Improve defect identification with AI-powered visual inspection
Missing Material

模具压伤

Improve defect identification with AI-powered visual inspection
Mold crush

污点

Improve defect identification with AI-powered visual inspection
Stain
相关文章
  • 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。
  • black and white labeled box

    晶圆研磨瑕疵检测解决方案

    化学机械平坦化(CMP)是半导体制造中不可或缺的制程之一,然而,研磨液中过大颗粒及微粒凝聚体可能造成晶圆上的微划痕,是CMP制程中最主要的瑕疵类型。传统AOI检测即使耗费大量人力撰写算法,仍无法精准侦测整张晶圆影像瑕疵。运用所罗门SolVision解决方案来精准找到研磨瑕疵
  • 快速辨识轮胎内胎印刷编码

    轮胎在制程的环节经历许多高压、高负荷与高温差的工序,使内胎表面字迹模糊且刷色深浅不齐,影响内胎编码的辨识度,不利于人工辨识与传统AOI检测。利用SolVision工具,针对轮胎内胎编码的数字与形状进行拍摄,进行AI模型训练,能成功辨识,有效改善编码辨识的正确率。
  • multicolored electronic part

    电源供应器内部线材组接解决方案

    电源供应器内部组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。额外使用人工及AOI传统光学检测皆不易执行,难以于产线端有效管控产品质量。经训练的AI模型可以精准地侦测并定位线材错接的电源供应器接线瑕疵,实时将不良品检出。