板对板连接器检测

确保 PCB 之间的 BTB 连接是有效的

BTB connector inspection pass and fail examples

相关产品

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

面向深度学习工业图像分析的图形化编程环境

In-Sight D900

In-Sight D900

采用 In-Sight ViDi 技术的深度学习式视觉软件

板对板 (BTB) 连接器在两个印刷电路板 (PCB) 之间替代接线提供信号连接,以在狭小的配置中节省空间。BTB 连接器的一边是针脚,另一边是必须与 PCB 上的相应端子相匹配的触点。每个连接器都是由一个成型的塑料底座组成,里面有许多金属触点。

有损坏元件或污染物的 BTB 连接器可以通过电气测试,以可接受的产品出货。这样的部件在使用中往往是不可靠的,而且会引起间歇性故障,在现场很难调试。视觉检测更可靠,可以标出这种小缺陷。

模制底座可能存在各种缺陷,包括烧焦、余漏、灰尘、划痕、变形和外来夹杂物,以及错位、弯曲或缺失引脚或触点。这些缺陷中有许多是人眼在高速高量的情况下难以识别。

人工检测善于检测这些连接器的裂缝或成型缺陷,但只能以所需的速度检测零件的样本。典型的检测程序是使用自动光学检测 (AOI),使用基于规则的传统视觉工具检测每个连接器,然后由人工对连接器进行抽样检测。

AOI 机器可能有很高的误报率,而人工检测的生产率很低,即使是对相对较小的检测样本也是如此。

康耐视深度学习同时增加了处理量和准确性以满足市场需求。康耐视深度学习的缺陷探测工具使用一组已标记的合格和不合格的 BTB 连接图像进行训练。然后此工具即可可靠地探测和标记连接器上任意位置的异常,确保仅无缺陷的连接器进入电路板装配阶段。

BTB 连接器检测需要处理不可预测的变化,AOI 机器内的康耐视深度学习程序可以更快、更准确地识别这些变化。与基于规则的传统机器视觉相比,即使在严格的生产率要求下,深度学习程序也能保持高速检测。

这意味着所有产品都可以通过 AOI 机器进行检测,而不需要人类检测员进行后续统计抽样。基于 AOI 的检测速度是人类检测员的两倍,而准确率足可以淘汰大多数人类检测员。

康耐视特色产品

获取产品支持和培训以及更多

加入 MyCognex