In-Sight 3900 系列
In-Sight 3900 是一款高速 AI 机器视觉系统，专为产量/处理量生产线而构建，具有强大的计算能力和嵌入式 AI，可用于处理高分辨率图像和高级检测。
识别导线缺陷对于安全性和效率至关重要
检测导线是汽车、电子产品、航空航天和消费品行业的关键任务之一，其中电气连接强度直接影响产品安全性和性能。这些检测包括装配前检查每个导线组件、验证复杂的编织电缆和定位集成电路内的微小焊线键合。
导线缺陷包括：
- 绝缘层损坏：造成电流泄漏或安全隐患。
- 线股断裂： 导电性中断。
- 布线质量不佳： 影响信号完整性。
- 导体裸露： 造成短路危险。
- 变色：表明存在热损伤或污染，影响可靠性。
现今的生产线需要高速度和精度。例如，在电动汽车制造应用中，必须全面检测编织电池电缆，任何缺陷都可能减少电流、导致过热或影响安全性。在半导体制造应用中，微米级焊线键合将芯片的键合垫片连接至其封装引线，任何缺陷将会破坏信号传输并降低成品率。这些任务往往超出传统检测方法的能力范围，需要专为应对现代化制造复杂性而构建的智能视觉系统。
超越基于规则的导线质量控制
导线检测面临独特的技术难题，往往超出传统机器视觉的能力范围。编织纹理、反光金属表面和杂乱的生产背景导致基于规则的系统难以识别缺陷。
编织或绞合导线尤其复杂。它们的反光纹理表面随着照明变化而变化，导致难以区分正常图案与缺陷触点。焊线键合进一步增加检测难度——这些缺陷微小且多变，往往被传统系统错误分类，导致需要额外的检测步骤并减慢生产速度。
导线检测面临的主要挑战：
- 反光变化：光线和角度变化掩盖缺陷。
- 微米级缺陷：缺陷过小，基于规则的视觉难以可靠检测。
- 杂乱背景： 生产过程中的视觉噪音掩盖缺陷。
导线键合增加另一层难度。这类缺陷微小、多变，并且难以与可容忍的差异区分开来。基于规则的系统往往对它们进行错误分类，需要额外的检测步骤，导致减慢生产速度。
使用康耐视 AI 提高导线质量和制造效率
康耐视 AI 检测技术使电线质量控制更快、更准确、更不依赖于严格的规则。该系统基于合格和缺陷导线图像进行训练，学习识别合格连接外观，包括在具有挑战性的条件下。
对于编织导线，AI 工具可以识别视觉“噪音”，专注于真正的连接点。它们从现实世界的示例学习，识别能够区分合格电气键合与缺陷键合的特征，并忽略干扰背景和反光表面。
康耐视 AI 检测系统的主要优势：
- 处理纹理和反光： 适应传统系统面临挑战的需求
- 微米级精度：准确分类细微的焊线键合缺陷。
- 智能定位：专注于最关键的连接点。
- 无缝集成：与现有 AOI 系统协同使用，提高可靠性
凭借全球专家网络和丰富的在线资源，康耐视帮助您保持生产持续运转，并确保每个导线连接符合高质量标准。